Attuatore elettromagnetico biventricolare per un cuore artificiale totale: ottimizzazione del progetto mediante tecniche di machine learning

L’insufficienza cardiaca viene definita la piaga dei paesi industrializzati, rappresentandone la prima causa di morte. Negli stadi più avanzati, una delle migliori terapie è il trapianto di cuore, ma il numero di donatori non aumenta di pari passo con l’incidenza della suddetta sindrome. È quindi crescente l’interesse verso i dispositivi di assistenza cardiaca, in particolare per il cuore artificiale totale (TAH). Lo scopo del presente lavoro è l’ottimizzazione multi obiettivo dell’architettura di un attuatore lineare elettromeccanico oscillante per l’applicazione in un TAH. Per conseguire tale obiettivo si affiancano tecniche ben consolidate nel campo ingegneristico, come il metodo di Taguchi e l’analisi agli elementi finiti (FEA), ad altre di più recente sviluppo, quali modelli predittivi basati su machine learning, in particolare su reti neurali profonde, gaussian process regression e support vector machine. Tali modelli ricevendo come input le variabili di progetto dell’attuatore ne predicono le prestazioni. Questo consente di ridurre i tempi di calcolo rispetto alla FEA, accelerando l’individuazione del fronte di Pareto mediante un algoritmo ibrido stocastico/deterministico. Al termine dell’ottimizzazione, le prestazioni dell’attuatore sono migliorate in termini di forza media durante la fase sistolica di circa il 14% sul ventricolo sinistro, e del 40% su quello destro, ottenendo contestualmente una riduzione della potenza dissipata del 54%.