От пороков сердечных клапанов в мире страдает более 75 млн человек. Единственный эффективный способ лечения - установка протезов. Но они изнашиваются через десять-пятнадцать лет. Чтобы продлить срок службы искусственного клапана, его моделируют с помощью компьютерных программ, а потом оценивают действующие нагрузки. Выбор оптимальной формы протеза методом проб и ошибок занимает несколько месяцев. Чтобы ускорить этот процесс, ученые предложили комбинировать модели машинного обучения и алгоритмы улучшения.
В чем суть? Программа-"оптимизатор" выдает сочетания основных параметров клапана: толщину, диаметр, прочность материала и т.д. А модель машинного обучения предсказывает участки напряжения и площадь просвета клапана в открытом состоянии. Результаты возвращаются к "оптимизатору", который изменяет параметры по математическому алгоритму. И так до двух тысяч раз, пока не будет найдено наилучшее решение. На это уходит всего несколько часов.
Первым делом исследователи сгенерировали более 11 тысяч вариантов клапанов и выполнили для каждого компьютерное моделирование. Эти данные использовали для машинного обучения свыше 340 моделей. Точность предсказания выросла до 96-98 процентов! Так родилась программа, способная предугадывать параметры протезов на основе заданных характеристик. А после ученые протестировали шесть программ-"оптимизаторов", различающихся принципом подбора характеристик. Быстрее и безошибочнее всех оказалась та, что имитирует естественный отбор в биологии. Результаты исследования, которое поддержал Российский научный фонд, опубликованы в журнале Frontiers in Bioengineering and Biotechnology.