Estimación de la fuente en sustrato fibrótico cardíaco a partir de señales intracardíacas

Abstract

[ES] La fibrilación auricular (FA) es una taquiarritmia auricular caracterizada por un ritmo descoordinado de las aurículas del corazón que late a una frecuencia superior a 350 latidos por minuto, lo que hace que las aurículas no puedan bombear sangre a los ventrículos. Aunque la FA no tiene riesgo de muerte, representa un grave problema de salud, ya que, es la arritmia cardíaca más frecuente en la práctica clínica, con una prevalencia del 1,5-2% en la población general y del 6-8% en personas mayores de 75 años. La FA se asocia con un aumento de cinco veces en el riesgo de ataque cardíaco y un aumento de dos veces en el riesgo de mortalidad en comparación con las personas que no han desarrollado FA. Además, se asocia a una menor calidad de vida, una mayor hospitalización y más costes sanitarios. Por otro lado, la fibrosis es uno de los principales factores asociados a la FA, caracterizada por la aparición de miofibroblastos intersticiales, donde se cree que el aumento de la fibrosis contribuye a las arritmias "indirectamente" porque un tabique de colágeno es un sustrato pasivo para realizar la propagación eléctrica adecuadamente, resultando en un bloqueo de la conducción de impulsos y/o conducción en zigzag. Normalmente, la intervención más rutinaria que se realiza actualmente para curar la fibrilación auricular en un paciente con fibrosis, es introducir un catéter intravenoso al paciente hasta el corazón, y medir el voltaje mediante una matriz de múltiples electrodos en diferentes regiones del tejido cardíaco, obteniendo un electrograma en cada región del corazón, y dependiendo del valor máximo obtenido se ablaciona o no la región medida. Sin embargo, esta estrategia de análisis del electrograma es muy poco fiable, debido a que se emplea un valor de umbral para poder diferenciar si es tejido sano (superior al umbral) o fibrótico (inferior al umbral). Esto provoca que hay un alto riesgo de cometer un error y ablacionar zonas de tejido fibrótico cuando en realidad eran sanas (repercutiendo negativamente en la contracción del corazón). Por lo tanto, es necesaria una nueva metodología que reduzca el área de ablación, y que sea más precisa en la identificación de diferentes tipos de tejido para poder parar eficazmente la FA. Por tanto, el objetivo de este trabajo es comprender mejor los mecanismos de inicio y mantenimiento de la FA resolviendo el llamado problema inverso. Al obtener las señales de los electrogramas de pacientes con fibrosis que han desarrollado FA, se quiere implementar una metodología que permita obtener un mapa de la superficie de distribución de potenciales del corazón y localizar puntos estratégicos en el tejido cardíaco que están favoreciendo la reentrada a ser capaz de extirparlos y prevenir el desarrollo de FA. Para ello, se utilizarán modelos computacionales que ayuden a comprender la propagación cardíaca y la información contenida en las señales del electrograma. El modelo computacional de tejido fibrótico resultará de una combinación de las características de la estructura del tejido, la conductividad celular heterogénea en el tejido y diferente electrofisiología celular, que impactará la propagación eléctrica en el tejido cardíaco y los electrogramas registrados. Una vez obtenida la reconstrucción del mapa de superficies potenciales, se desea realizar una comparación objetiva entre las señales reales y las señales reconstruidas de diferentes tejidos aplicando diferentes técnicas de análisis de señales para conocer el grado de similitud entre ambos tipos de señales. Para ello, se utilizará un software gratuito de simulación de experimentos in silico denominado openCARP, que incluye una amplia variedad de funciones para obtener señales intracardíacas y electrogramas utilizando el lenguaje de programación Python. Además, se utilizará el software MATLAB para desarrollar la metodología y modelo que permita resolver el problem

[EN] Atrial fibrillation (AF) is an atrial tachyarrhythmia characterized by an uncoordinated rhythm of the heart's atria that beats at a rate greater than 350 beats per minute, which makes the atria unable to pump blood to the ventricles. Although AF has no risk of death, it represents a serious health problem since it is the most frequent cardiac arrhythmia in clinical practice, with a prevalence of 1.5-2% in the general population and 6-8% in people over 75 years of age. AF is associated with a five-fold increase in the risk of heart attack and a two-fold increase in the risk of mortality compared to people who have not developed AF. In addition, it is associated with a lower quality of life, greater hospitalization time, and higher healthcare costs. On the other hand, fibrosis is one of the main factors associated with AF, characterized by the appearance of interstitial myofibroblasts, where it is believed that increased fibrosis contributes to arrhythmias "indirectly" because collagen acts as a passive substrate that alters the electrical propagation, resulting in blockage of impulse conduction and/or zigzag conduction. Normally, the most routine intervention that is currently performed to cure AF in a patient with fibrosis is to introduce an intravenous catheter to the patient up to the heart and measure the voltage through an array of multiple electrodes in different regions of the heart tissue. The recorded signals from the electrodes are known as electrograms. The obtained set of electrograms of each region of the atria are used to ablate the tissue depending on a predefined amplitude threshold. However, this electrogram analysis methodology is very unreliable since a threshold value is used to differentiate whether it is healthy tissue (above the threshold) or fibrotic (below the threshold). This causes a high risk of making a mistake and ablating areas of fibrotic tissue when they were actually healthy (affecting negatively the contraction of the heart) and being large areas of heart tissue. Therefore, a new methodology can help to reduce the ablation area and identify different tissue types to stop AF effectively. Therefore, this work's objective is to understand better the mechanisms of initiation and maintenance of AF by solving the so-called inverse problem. By obtaining the electrograms signals of patients with fibrosis who have developed AF, it is wanted to implement a methodology that allows obtaining a map of the surface of potentials distribution of the heart and locate strategic points in the cardiac tissue that are promoting the reentry to be able to ablate them and prevent the development of AF. In order to do that, it will be used computational models that help to understand the cardiac propagation and the information contained in the electrogram signals. The computational model of fibrotic tissue will result from a combination of the characteristics of the tissue structure, the heterogeneous cellular conductivity in the tissue, and different cellular electrophysiology, which will impact the electrical propagation in the cardiac tissue and the recorded electrograms. Once the reconstruction of the potential surfaces map has been obtained, it is wanted to perform an objective comparison between the groundtruth signals and the reconstructed signals from different tissue by applying different signal analysis techniques to know the degree of similarity between both types of signals. To do this, a free software for simulating in silico experiments called openCARP will be used, which includes a wide variety of functions to obtain intracardiac signals and electrograms using the Python programming language. In addition, the MATLAB software will be used to develop the methodology and model that allows solving the inverse problem by analyzing the electrograms and their verification with the intracardiac signals.