Multi-layer perceptron artificial neural networks (MLP-ANNs) were used to predict the concentration of digoxin needed to obtain a cardio-activity of specific biophysical parameters in Tivela stultorum hearts. The inputs of the neural networks were the minimum and maximum values of heart contraction force, the time of ventricular filling, the volume used for dilution, heart rate and weight, volume, length and width of the heart, while the output was the digoxin concentration in dilution necessary to obtain a desired physiological response. ANNs were trained, validated and tested with the dataset of the in vivo experiment results. To select the optimal network, predictions for all the dataset for each configuration of ANNs were made, a maximum 5% relative error for the digoxin concentration was set and the diagnostic accuracy of the predictions made was evaluated. The double-layer perceptron had a barely higher performance than the single-layer perceptron; therefore, both had a good predictive ability. The double-layer perceptron was able to obtain the most accurate predictions of digoxin concentration required in the hearts of T. stultorum using MLP-ANNs.

RESUMENLas redes neuronales artificiales (RNA) son un método computacional extensamente utilizado para resolver problemas complejos y realizar predicciones en sistemas de relación no lineal. En este trabajo se utilizaron RNA para predecir la respuesta fisiológica obtenida al adicionar una concentración específica de digoxina a corazones de Tivela stultorum, un organismo modelo para probar fármacos cardíacos que se pretenden utilizar en humanos. Las entradas de la RNA fueron el peso, volumen, largo y ancho del corazón, la concentración de digoxina, el volumen utilizado para la dilución de digoxina, el máximo y mínimo de contracción, tiempo de llenado, y frecuencia cardíaca antes de adicionar la digoxina, las salidas fueron el máximo y mínimo de contracción, tiempo de llenado y frecuencia cardíaca esperados después de agregar digoxina al corazón. Las RNA se entrenaron, validaron y probaron con los resultados de experimentos in vivo. Para elegir la red óptima se utilizó el valor más pequeño del error medio cuadrado. Se obtuvo una correlación alta entre los valores predichos y calculados, excepto en el caso del tiempo de llenado. Se lograron obtener predicciones acertadas de la cardioactividad de la almeja T. stultorum cuando se les agrega una concentración específica de digoxina haciendo uso de RNA; esto con el fin de utilizarse como una herramienta para facilitar las pruebas en el laboratorio de los efectos de la digoxina.