За проекта

Актуалност и значимост на научната проблематика

Сърдечносъдовите заболявания (ССЗ) продължават да бъдат водеща причина за смъртност и заболеваемост в световен мащаб. По данни на Световната здравна федерация (World Heart Federation, СЗФ) през 2021 около 20.5 милиона души в света са починали от ССЗ, което представлява близо една трета от всички смъртни случаи. Отчита се значително увеличение на смъртните случаи от ССЗ: от 12.1 милиона през 1990 на 20.5 милиона през 2021. Според СЗФ1 80% от преждевременните инфаркти и инсулти могат да бъдат предотвратени (чрез навременна превенция, цифрови технологии и интелигентни системи за ранно предупреждение). СЗФ си поставя амбициозната задача за намаляване с 30% на смъртността и заболяванията от ССЗ до 2030г. В този контекст, и в синхрон с глобалните цели, в Националната Здравна Стратегия 2030 е заложен Приоритет 2: Създаване на здравна система, ориентирана към потребностите на хората (политика 2.5: развитие на електронното здравеопазване и дигитализация на здравната система), което подчертава необходимостта от интеграция на иновативни дигитални подходи и интелигентни решения и на национално ниво.
Значимостта на научната проблематика е регламентирана в множество стратегически документи в България, Европа и света през последните години.
Научната проблематика на проекта следва актуалността на поставените задачи в тези документи, като отразява ключови направления за дигитализация, иновации и устойчиво развитие в здравеопазването.
Проблематиката е в съзвучие с националните и европейските стратегически документи в областта на научните изследвания, цифровизацията и здравеопазването, като отразява приоритетите за устойчиво развитие и иновации.

Цели и хипотези на проекта

Основната цел на проекта е провеждане на фундаментални научни изследвания за задълбочаване на знанията за изменчивостта на сърдечния ритъм, чрез създаване на нови теории, хибридни AI-базирани методи, алгоритми и средства за анализ, моделиране, разпознаване и прогнозиране на състояния с физиологична и диагностична значимост.

За постигане на основната цел са дефинирани пет специфични цели:

Специфична цел 1. Изследване на фундаменталните характеристики на вариабилността на сърдечната честота (HRV) чрез класически, фрактални и ентропийни методи, както и методи, развити в последните години (напр. MSE-разширения, мултифрактални анализи, permutation entropy, distribution entropy, recurrence quantification analysis, graph-theoretical и complexity мерки) при различни физиологични състояния: покой, физическо/умствено/когнитивно натоварване и стрес, индуциран чрез виртуални игри. Разработване на методологическа рамка за определяне на оптимален минимален набор от HRV параметри, достатъчен за надеждно разграничаване на различни физиологични и пред-патологични състояния.
Специфична цел 2. Изследване на HRV с нови хибридни алгоритми за генериране на кардио данни чрез комбинация от математически/стохастични модели с биофизично приложение (напр. fBM/FGN, PRSA-инспирирани процеси, GRF) и генеративни архитектури (напр. GAN, VAE, дифузионни модели). Създаване на обогатена база от данни за по-задълбочено изследване на динамиката на сърдечната регулация и за надеждно обучение на AI системи.
Специфична цел 3. Създаване на алгоритми за добиване на нови знания за краткосрочната динамика на кардиологични времеви серии и нейното прогнозиране чрез AI-базирани невронни архитектури (LSTM, GRU, CNN, Transformers). Проучване и разкриване на скрити закономерности и отклонения, свързани със стрес, умора и повишен риск; оценяване на тяхната ефективност спрямо класически статистически и фрактални подходи.
Специфична цел 4. Изследване на динамиката на HRV чрез експерименти с виртуални игри, индуциращи различни психофизиологични състояния: генериращи сценарии (релаксация, концентрация); стрес-индуциращи сценарии (многозадачност, времеви лимит и др.). Валидиране на разработените AI алгоритми в реални експериментални условия и оценка на приложимостта им за персонализирано моделиране.
Специфична цел 5. Разработване на иновативен AI- и IoT-базиран метод за персонализирано прогнозиране и стратифициране на сърдечносъдов риск чрез изграждане на индивидуален „дигитален близнак“, който ще комбинира реални и синтетични кардио данни, ще симулира преходи между физиологични и рискови състояния, ще класифицира състояния според степен на тежест с цел навременна превенция и подкрепа на решенията в здравеопазването.

За постигане на формулираните цели ще се изследват следните хипотези:

Хипотеза 1. Съществува ограничен, но достатъчно информативен набор от HRV показатели, който може надеждно да различава физиологични и стрес-индуцирани състояния, като този набор може да бъде формално дефиниран чрез интеграция на класически, фрактални, ентропийни и др. индекси.
Хипотеза 2. Хибридното съчетаване на класически математически/стохастични модели със съвременни генеративни AI архитектури ще позволи генерирането на синтетични кардио записи със статистически и физиологични характеристики (DTW, Fréchet distance, спектрални и ентропийни индекси, Poincaré/мултифрактални показатели), съпоставими с реални данни, които могат успешно да се използват за обучение и валидиране на AI алгоритми.
Хипотеза 3. Може да се покаже, че AI-базираните невронни архитектури разкриват скрити динамични закономерности във времевите кардиосерии и постигат по-висока точност при прогнозиране и откриване на отклонения спрямо класическите статистически и фрактални методи. Това ще докаже тяхната приложимост като средство за добиване на нови знания за краткосрочната кардиологична динамика, особено при кратки и шумни записи.
Хипотеза 4. Виртуалните сценарии са надежден контролиран експериментален инструмент за индуциране на различни психофизиологични състояния и за обучение и валидация на AI модели за анализ и прогнозиране, и се предполага, че чрез математическите методи за анализ на генерираните данни, ще се предостави обективна информация за разграничаване на тези състояния.
Хипотеза 5. Signal-driven дигиталният близнак, базиран на реални и синтетични данни, интегриран в IoT среда и валидиран чрез VR сценарии, е способен да прогнозира преходи към рискови състояния с висока точност. Това доказва неговата приложимост като персонализиран инструмент за превенция и стратифициране на сърдечносъдов риск.

Етична процедура

Проектът ще се провежда при стриктно спазване на етичните принципи и стандарти, като Етичната комисия на ИР-БАН ще следи за защита на правата, достойнството и сигурността на участниците и техните данни.