Análisis sobre métodos de ajuste y aprendizaje de máquinas aplicados a la equivalencia y reducción de modelos de electrofisiología cardiaca

Abstract

Las cardiopatías siguen siendo una de las principales causas de decesos a pesar de los avances en tratamientos y campañas preventivas, muchas veces una detección temprana ha significado salvar vidas. Entender la actividad cardiaca es esencial para la detección temprana de enfermedades asociadas al corazón. Por lo mismo, la modelación de la actividad eléctrica en este órgano, sumado a su simulación, son de gran importancia para la creación y mejoramiento de herramientas que permitan detectar cardiopatías sobre la base de la observación de señales provenientes de la difusión del voltaje. Esta investigación consiste en introducir dos metodologías de trabajo que permiten buscar otra alternativa para reconstruir las soluciones provenientes de modelos asociados a esta temática, para esto, incluye, en primer lugar, una introducción a la electrofisiología, como también algunos modelos que han trabajado esta temática; luego, se analizan las dos metodologías propuestas, donde el primer método permite obtener un modelo cualitativo equivalente a uno de los estudiados, independiente si este último es cuantitativo o no; el segundo, permite obtener la solución de una reducción del modelo original mediante el uso de redes neuronales; finalmente, el análisis consiste en estudiar los resultados numéricos al aplicar los métodos sobre la solución de los modelos introducidos en este trabajo.