Skip to Content

Математическое моделирование и методы исследования элементов автономного контроля кровообращения

ID: 2021-06-23-A-19600
Оригинальная статья (свободная структура)
Саратовский филиал Института радиотехники и электроники им. В.А. Котельникова РАН, ФГБОУ ВО Саратовский ГМУ им. В.И. Разумовского Минздрава России, Саратовский национальный исследовательский государственный университет имени Н.Г. Чернышевского, ФГБУ «НМИЦ ТПМ» Минздрава России

Резюме

В работе представлены возможности некоторых специализированных методов, используемых для анализа активности элементов автономной нервной системы.

Ключевые слова

автономная нервная система, контуры регуляции , математические модели

Статья

Автономная нервная система (АНС) иннервирует все органы человеческого организма. Она включает две ветви: парасимпатическую (вагус) и симпатическую (нервные волокна спускающиеся вдоль позвоночного столба), а также центры регуляции, расположенные в стволе мозга [1]. Эта система играет важнейшую роль в обеспечении нормального функционирования здорового организма и в частности, сердечно-сосудистой системы (ССС). Нарушения работы элементов автономного контроля являются важным фактором развития тяжелых патологий, включая нейропатии, артериальную гипертензию, астму и др. Активность элементов АНС может быть оценена в неинвазивных экспериментах в ходе анализа сигналов ССС [2]. Однако активному внедрению методов диагностики препятствует недостаток фундаментальных знаний об особенностях коллективной динамики элементов АНС и их взаимодействии с другими системами организма. Кроме того экспериментальные сигналы нестационарны зашумлены, отличаются высокой нерегулярностью. Поэтому для их анализа необходимо разрабатывать и развивать специализированные методы. В данной работе представлены некоторые наши наработки, направленные на решение указанных проблем.

Ранее нами было показано, что контуры автономного контроля частоты сердечных сокращений и среднего артериального давления, а также активность центров их контроля (расположенные в стволе головного мозга) могут быть синхронизованы сигналом дыхания, частота которого линейно изменяется во времени [3]. Такие результаты свидетельствуют о том, что указанные контуры регуляции могут рассматриваться, как взаимодействующие автогенераторы, находящиеся под воздействием сигнала дыхания.

Такие выводы позволили исследовать синхронизацию между указанными контурами автономного контроля. Однако в силу нестационарности сигналов и сложности динамики исследуемых систем для этого пришлось разработать специализированный метод [4]. Полученные результаты свидетельствуют о том, что исследуемые контуры демонстрируют длительные интервалы фазовой синхронизации, чередующиеся с периодами несинхронного поведения. При этом время синхронизации контуров отражает состояние здоровья испытуемых и коррелирует с их возрастом [5-7]. Показано, что расчет предложенной меры синхронизации позволяет оценить состояние испытуемых перенесших инфаркт миокарда [8], персонифицировано выбирать медикаментозную терапию при артериальной гипертензии [9], дает важную фундаментальную информацию об организации структуры связей между элементами автономного контроля при анализе сигналов пациентов во время кардиохирургических операций [10].

Полученные результаты позволили создать математические модели ССС, учитывающие нелинейную динамику контуров автономного контроля. Модели позволили объяснить один из механизмов развития артериальной гипертензии [11], хаотическую динамику сердечного ритма [12], особенности динамики CCC по время физиологических тестов [13] и при засыпании [14].

Развитие методов диагностики связей и синхронизации контуров автономного контроля кровообращения и центров их контроля в головном мозге позволило получить важные фундаментальные результаты о функционировании системы кровообращения. На основе полученных результатов были созданы математические модели ССС, которые позволили объяснить особенности сложной нелинейной динамики элементов ССС в норме, при развитии патологий и при воздействии на автономный контроль со стороны высшей нервной деятельности, в частности, в различных стадиях сна.

Работа поддержана грантом РНФ №19-12-00201.

Литература

  1. J.B. Furness Autonomic Neuroscience, 2006, 130, 1–5
  2. Heart rate variability Circulation, 1996, 93, 1043-1065
  3. M.D. Prokhorov et al. Phys. Rev. E, 2003, 68, 041913
  4. A.R. Kiselev et al. Russian Open Medical Journal, 2016, 5(1), e0101
  5. A.S. Karavaev et al. Chaos, 2009, 19, 033112
  6. V.I. Ponomarenko et al. The Eur. Phys. J. Special Topics, 2013, 222, 2687–2696
  7. A.R. Kiselev et al. Physiological Measurement, 2016, 37, 580-595
  8. A.R. Kiselev et al. Annals of Noninvasive Electrocardiology, 2012, 17(3), 204-213
  9. A.R. Kiselev et al. J. of Cardiovascular Medicine, 2012, 13(8), 491-498
  10. A.R. Kiselev et al. Scientific Reports, 2020, 10, 2118
  11. A.S. Karavaev et al. J. of the American Society of Hypertension, 2016, 10(3), 235-243
  12. A.S. Karavaev et al. Chaos, 2019, 29, 121101
  13. Yu.M. Ishbulatov et al. Scientific Reports, 2020, 10, 16525
  14. A.S. Karavaev et al. Frontiers in Physiology, 2021, 11, 612787
0
Ваша оценка: Нет



Яндекс.Метрика