Caracterización y utilidad de la electromiografía uterina en diferentes escenarios obstétricos: partos inducidos y estimación de presión intrauterina

Abstract

[ES] La monitorización de la frecuencia cardíaca fetal y de la actividad uterina es una práctica clínica habitual para obtener información del estado del feto durante el embarazo y el parto. Para la monitorización de la dinámica uterina tradicionalmente se han empleado técnicas como la tocodinamometría (TOCO) y la medida de la presión intrauterina mediante catéter. Sin embargo, ambas técnicas presentan limitaciones que hacen que se requiera la búsqueda de otras alternativas. En este sentido para solventar los problemas relacionados con estas técnicas se plantea el registro de la señal electrohisterográfica (EHG) como una alternativa para monitorizar de forma precisa y no invasiva la actividad mioeléctrica uterina. La técnica ha sido ampliamente estudiada en diferentes condiciones obstétricas como es el caso de la predicción del parto prematuro y en la detección de contracciones de parto; y unos pocos en la predicción del éxito de la inducción del parto y en la estimación de la presión intrauterina. A pesar de que el registro EHG ha demostrado que aporta información relevante sobre las propiedades bioeléctricas del útero, existen pocos estudios sobre la respuesta mioeléctrica uterina a los medicamentos empleados en la inducción del parto que puedan servir como herramienta de ayuda en la predicción del resultado de la inducción del parto. En la presente tesis se abordó este problema mediante dos objetivos generales: 1) caracterizar la respuesta electrofisiológica uterina a los fármacos de inducción del parto a partir de registros EHG y 2) desarrollar y valorar sistemas de ayuda al diagnóstico para predecir el éxito de inducción del parto. Los resultados del primer objetivo revelaron una diferente evolución de los parámetros EHG entre los grupos de éxito y fracaso, revelando que podría ser útil para una predicción de inducción exitosa en las primeras etapas de la inducción, especialmente cuando se usa misoprostol. Para el segundo objetivo se diseñaron sistemas predictores del éxito de la inducción del parto mediante técnicas de machine learning valorando su capacidad predictora. Los resultados mostraron que el EHG puede usarse potencialmente para predecir la inducción exitosa del parto y supera al uso de las características obstétricas tradicionales. El uso clínico del sistema de predicción propuesto ayudaría a mejorar el bienestar materno-fetal y optimizar los recursos hospitalarios. Por otra parte, en la presente tesis también se abordó el registro EHG como una técnica no invasiva para la estimación de la presión intrauterina. Diversos estudios han intentado estimar la señal IUP a partir de parámetros extraídos de la señal EHG. A pesar de estos esfuerzos, existen limitaciones no abordadas específicamente en dichos estudios como es el caso de la gran variabilidad entre pacientes. Por ello, se propuso mejorar la estimación de presión uterina reportada en la literatura mediante un enfoque de interés clínico y abordando la problemática de la variabilidad entre pacientes. Se diseñaron modelos para la estimación de IUP, utilizando diferentes tipos de criterios de optimización y se desarrollaron modelos individuales (mono-paciente) y globales (con el conjunto de pacientes). Finalmente, se abordó el problema de la variabilidad entre sujetos mediante el desarrollo de algoritmos adaptativos para mejorar la exactitud de las estimaciones de IUP derivadas de los modelos globales. Los modelos adaptativos desarrollados superaron los modelos globales, proporcionando un mejor balance para estimar la señal continua de IUP, el tono y la máxima presión. Los modelos de estimación de IUP basados en EHG propuestos en la presente tesis permiten una monitorización no invasiva de la actividad uterina más precisa y, por lo tanto, una mejor evaluación del progreso del parto y del bienestar materno y fetal.

[EN] Monitoring fetal heart rate and uterine activity is a common clinical practice to obtain information on the status of the fetus during pregnancy and delivery. Techniques such as tocodynamometry (TOCO) and measurement of intrauterine pressure using a catheter have traditionally been used to monitor uterine dynamics. However, both techniques have limitations that require the search for other alternatives. In this sense, to solve the problems related to these techniques, the recording of the electrohysterographic signal (EHG) is proposed as an alternative to monitor uterine myoelectrical activity accurately and noninvasively. The technique has been extensively studied in different obstetric conditions, such as the prediction of preterm labor and the detection of labor contractions; and a few in predicting the success of labor induction and in estimating intrauterine pressure. Despite the fact that the EHG record has been shown to provide relevant information on the bioelectric properties of the uterus, there are few studies on the uterine myoelectrical response to the medications used to induce labor that can serve as a tool to help predict the outcome of induction of labor. In the present thesis, this problem was addressed through two general objectives: 1) to characterize the uterine electrophysiological response to labor induction drugs from EHG records and 2) to develop and assess diagnostic aid systems to predict the success of induction of labor. The results of the first objective revealed a different evolution of the EHG parameters between the success and failure groups, revealing that it could be useful for a successful induction prediction in the early stages of induction, especially when misoprostol is used. For the second objective, predictive systems for the success of labor induction were designed using machine learning techniques, evaluating its predictive capacity. The results showed that EHG can potentially be used to predict successful induction of labor and outperforms the use of traditional obstetric features. The clinical use of the proposed prediction system would help improve maternal-fetal well-being and optimize hospital resources. On the other hand, in this thesis, EHG recording was also addressed as a non-invasive technique for estimating intrauterine pressure. Various studies have attempted to estimate the IUP signal from parameters extracted from the EHG signal. Despite these efforts, there are limitations not specifically addressed in these studies, such as the great variability between patients. Therefore, it was proposed to improve the estimation of uterine pressure reported in the literature using an approach of clinical interest and addressing the problem of variability between patients. Models were designed for the estimation of IUP, using different types of optimization criteria, and individual (single-patient) and global models (with the set of patients) were developed. Finally, the problem of variability between subjects was addressed through the development of adaptive algorithms to improve the accuracy of IUP estimates derived from global models. The adaptive models developed outperformed the global models, providing better balance to estimate continuous IUP signal, tonus, and maximum pressure. The EHG-based IUP estimation models proposed in this thesis allow more precise non-invasive monitoring of uterine activity and, therefore, a better evaluation of labor progress and maternal and fetal well-being

[CA] La monitorització de la freqüència cardíaca fetal i de l'activitat uterina és una pràctica clínica habitual per a obtindre informació de l'estat del fetus durant l'embaràs i el part. Per a la monitorització de la dinàmica uterina tradicionalment s'han empleat tècniques com la tocodinamometría (TOQUE) i la mesura de la pressió intrauterina per mitjà de catèter. No obstant això, ambdós tècniques presenten limitacions que fan que es requerisca la busca d'altres alternatives. En este sentit per a resoldre els problemes relacionats amb estes tècniques es planteja el registre del senyal electrohisterográfica (EHG) com una alternativa per a monitoritzar de forma precisa i no invasiva l'activitat mioeléctrica uterina. La tècnica ha sigut àmpliament estudiada en diferents condicions obstétricas com és el cas de la predicció del part prematur i en la detecció de contraccions de part; i uns pocs en la predicció de l'èxit de la inducció del part i en l'estimació de la pressió intrauterina. A pesar que el registre EHG ha demostrat que aporta informació rellevant sobre les propietats bioeléctricas de l'úter, hi ha pocs estudis sobre la resposta mioeléctrica uterina als medicaments empleats en la inducció del part que puguen servir com a ferramenta d'ajuda en la predicció del resultat de la inducció del part. En la present tesi es va abordar este problema per mitjà de dos objectius generals: 1) caracteritzar la resposta electrofisiològica uterina als fàrmacs d'inducció del part a partir de registres EHG i 2) desenrotllar i valorar sistemes d'ajuda al diagnòstic per a predir l'èxit d'inducció del part. Els resultats del primer objectiu van revelar una diferent evolució dels paràmetres EHG entre els grups d'èxit i fracàs, revelant que podria ser útil per a una predicció d'inducció exitosa en les primeres etapes de la inducció, especialment quan s'usa misoprostol. Per al segon objectiu es van dissenyar sistemes predictors de l'èxit de la inducció del part per mitjà de tècniques de machine learning valorant la seua capacitat predictora. Els resultats van mostrar que l'EHG pot usar-se potencialment per a predir la inducció exitosa del part i supera a l'ús de les característiques obstétricas tradicionals. L'ús clínic del sistema de predicció proposat ajudaria a millorar el benestar matern-fetal i optimitzar els recursos hospitalaris. D'altra banda, en la present tesi també es va abordar el registre EHG com una tècnica no invasiva per a l'estimació de la pressió intrauterina. Diversos estudis han intentat estimar el senyal IUP a partir de paràmetres extrets del senyal EHG. A pesar d'estos esforços, hi ha limitacions no abordades específicament en els dits estudis com és el cas de la gran variabilitat entre pacients. Per això, es va proposar millorar l'estimació de pressió uterina reportada en la literatura per mitjà d'un enfocament d'interés clínic i abordant la problemàtica de la variabilitat entre pacients. Es van dissenyar models per a l'estimació d'IUP, utilitzant diferents tipus de criteris d'optimització i es van desenrotllar models individuals (mona-pacient) i globals (amb el conjunt de pacients). Finalment, es va abordar el problema de la variabilitat entre subjectes per mitjà del desenrotllament d'algoritmes adaptatius per a millorar l'exactitud de les estimacions d'IUP derivades dels models globals. Els models adaptatius desenrotllats van superar els models globals, proporcionant un millor balanç per a estimar el senyal continu d'IUP, el to i la màxima pressió. Els models d'estimació d'IUP basats en EHG proposats en la present tesi permeten una monitorització no invasiva de l'activitat uterina més precisa i, per tant, una millor avaluació del progrés del part i del benestar matern i fetal.