Estimation of Atrial Electrical Complexity during Atrial Fibrillation by Solving the Inverse Problem of Electrocardiography

Abstract

[ES] La fibrilación auricular (FA) es la arritmia más prevalente en el mundo y está asociada con una elevada morbilidad, mortalidad y costes sanitarios. A pesar de los avances en opciones de tratamiento farmacológico y terapia de ablación, el manejo de la FA todavía tiene margen de mejora. La imagen electrocardiográfica (ECGI) se ha destacado como un prometedor método no invasivo para evaluar la electrofisiología cardíaca y guiar las decisiones terapéuticas en casos de fibrilación auricular. No obstante, el ECGI se enfrenta a desafíos como la necesidad de resolver de manera precisa el denominado problema inverso de la electrocardiografía y de optimizar la calidad de las reconstrucciones de ECGI. Además, la integración del ECGI en los procesos clínicos rutinarios sigue siendo un reto, en gran medida debido a los costos que supone la necesidad de imágenes cardíacas. Por ello, los objetivos principales de esta tesis doctoral son impulsar la tecnología ECGI mediante la determinación de sus requisitos técnicos mínimos y la mejora de las metodologías existentes para obtener señales de ECGI precisas. Asimismo, buscamos evaluar la capacidad de ECGI para cuantificar de forma no invasiva la complejidad de la FA. Para lograr estos objetivos, se han llevado a cabo diversos estudios a lo largo de la tesis, desde el perfeccionamiento del ECGI hasta la evaluación de la FA utilizando esta tecnología. En primer lugar, se han estudiado los requisitos geométricos y de señal del problema inverso mediante el estudio de los efectos de la densidad de la malla del torso y la distribución de electrodos en la precisión del ECGI, lo que ha conducido a la identificación del número mínimo de nodos y su distribución en la malla del torso. Además, hemos identificado que para obtener señales de ECGI de alta calidad, es crucial la correcta disposición de los electrodos en la malla del torso reconstruido. Asimismo, se ha definido y evaluado una nueva metodología de ECGI sin necesidad de usar técnicas de imagen cardiaca. Para ello, hemos comparado métricas derivadas del ECGI calculadas con la geometría original del corazón de los pacientes con las métricas medidas en diferentes geometrías cardíacas. Nuestros resultados han mostrado que el ECGI sin necesidad de imágenes cardíacas es efectivo para la correcta cuantificación y localización de los patrones y zonas que mantienen la FA. En paralelo, hemos optimizado la regularización de Tikhonov de orden cero actual y la optimización de la curva L para el cálculo de las señales ECGI, investigando cómo el ruido eléctrico y las incertidumbres geométricas influyen en la regularización. A partir de ello, propusimos un nuevo criterio que realza la precisión de las soluciones de ECGI en escenarios con incertidumbre debido a condiciones de señal no ideales. En segundo lugar, en esta tesis doctoral, se han llevado a cabo múltiples análisis relativos a diferentes metodologías de procesado de señales y obtención métricas derivadas del ECGI con el fin de caracterizar mejor el sustrato cardíaco y la actividad reentrante en las señales de ECGI de pacientes con FA. Con el objetivo de obtener una comprensión más profunda de los mecanismos electrofisiológicos subyacentes a la FA, hemos establecido la estrategia de filtrado óptima para extraer patrones reentrantes específicos del paciente y métricas derivadas de señales ECGI. Además, hemos investigado la reproducibilidad de los mapas de reentradas derivados de las señales de ECGI y hemos encontrado su relación con el éxito de la ablación de venas pulmonares (PVI). Nuestros resultados han mostrado que una mayor reproducibilidad en los patrones reentrantes de FA detectados con ECGI está relacionada con el éxito de la PVI, creando una metodología para estratificar a los pacientes con FA antes de los procedimientos de ablación.

[CA] La fibril·lació auricular (FA) és l'arrítmia més prevalent al món i està associada amb una elevada morbiditat, mortalitat i costos sanitaris. Malgrat els avanços en opcions de tractament farmacològic i teràpies d'ablació, el maneig de la FA encara té marge de millora. La imatge electrocardiogràfica (ECGI) s'ha destacat com un prometedor mètode no invasiu per a avaluar l'electrofisiologia cardíaca i guiar les decisions terapèutiques en casos de fibril·lació auricular. No obstant això, l'ECGI s'enfronta a desafiaments com la necessitat de resoldre de manera precisa el denominat problema invers de la electrocardiografia i d'optimitzar la qualitat de les reconstruccions de ECGI. A més, la integració del ECGI en els processos clínics rutinaris continua sent un repte, en gran manera a causa dels costos que suposa la necessitat d'imatges cardíaques. Per això, els objectius principals d'aquesta tesi doctoral són impulsar la tecnologia de l'ECGI mitjançant la determinació dels seus requisits tècnics mínims i la millora de les metodologies existents per obtenir senyals d'ECGI precises. A més, busquem avaluar la capacitat de l'ECGI per quantificar de forma no invasiva la complexitat de la FA. Per a aconseguir aquests objectius, s'han dut a terme diversos estudis al llarg de la tesi, des del perfeccionament de l'ECGI fins a l'avaluació de la FA utilitzant aquesta tecnologia. En primer lloc, hem estudiat els requisits geomètrics i de senyal del problema invers mitjançant l'estudi dels efectes de la densitat de la malla del tors i la distribució d'elèctrodes en la precisió de l'ECGI, el que ha conduït a la identificació del nombre mínim de nodes i la seva distribució en la malla del tors. A més, hem identificat que per obtindre senyals d'ECGI d'alta qualitat, és crucial la correcta disposició dels elèctrodes en la malla del tors reconstruïda. També s'ha definit i avaluat una nova metodologia d'ECGI sense necessitat d'utilitzar tècniques d'imatge cardíaca. Per a això, hem comparat mètriques derivades de l'ECGI calculades amb la geometria original del cor dels pacients amb les mètriques mesurades en diferents geometries cardíaques. Els nostres resultats han mostrat que l'ECGI sense necessitat d'imatges cardíaques és efectiu per a la correcta quantificació i localització dels patrons i zones que mantenen la FA. Paral·lelament, hem optimitzat la regularització de Tikhonov d'ordre zero actual i l'optimització de la corba L per al càlcul de les senyals d'ECGI, investigant com el soroll elèctric i les incerteses geomètriques influeixen en la regularització. Addicionalment, vam proposar un nou criteri que reforça la precisió de les solucions d'ECGI en escenaris amb incertesa degut a condicions de senyal no ideals. En segon lloc, en aquesta tesi doctoral, s'han dut a terme múltiples anàlisis relatius a diferents metodologies de processament de senyals i obtenció de mètriques derivades de l'ECGI amb l'objectiu de caracteritzar millor el substrat cardíac i l'activitat reentrant en les senyals d'ECGI de pacients amb FA. Amb l'objectiu d'obtindre una comprensió més profunda dels mecanismes electrofisiològics subjacents a la FA, hem establert l'estratègia de filtrat òptima per extreure patrons reentrants específics del pacient i mètriques derivades de senyals ECGI. A més, hem investigat la reproductibilitat dels mapes de reentrades derivats de les senyals d'ECGI i hem trobat la seva relació amb l'èxit de l'ablació de venes pulmonars (PVI). Els nostres resultats han mostrat que una major reproductibilitat en els patrons reentrants de FA detectats amb ECGI està relacionada amb l'èxit de la PVI, creant una metodologia per estratificar els pacients amb FA abans dels procediments d'ablació.

[EN] Atrial fibrillation (AF) is the most prevalent arrhythmia in the world and is associated with significant morbidity, mortality, and healthcare costs. Despite advancements in pharmaceutical treatment alternatives and ablation therapy, AF management remains suboptimal. Electrocardiographic Imaging (ECGI) has emerged as a promising non-invasive method for assessing cardiac electrophysiology and guiding therapeutic decisions in atrial fibrillation. However, ECGI faces challenges in dealing with accurately resolving the ill-posed inverse problem of electrocardiography and optimizing the quality of ECGI reconstructions. Additionally, the integration of ECGI into clinical workflows is still a challenge that is hindered by the associated costs arising from the need for cardiac imaging. For this purpose, the main objectives of this PhD thesis are to advance ECGI technology by determining the minimal technical requirements and refining existing methodologies for acquiring accurate ECGI signals. In addition, we aim to assess the capacity of ECGI for noninvasively quantifying AF complexity. To fulfill these objectives, several studies were developed throughout the thesis, advancing from ECGI enhancement to AF evaluation using ECGI. Firstly, geometric and signal requirements of the inverse problem were addressed by studying the effects of torso mesh density and electrode distribution on ECGI accuracy, leading to the identification of the minimal number of nodes and their distribution on the torso mesh. Besides, we identified that the correct location of the electrodes on the reconstructed torso mesh is critical for the accurate ECGI signal obtention. Additionally, a new methodology of imageless ECGI was defined and assessed by comparing ECGI-derived drivers computed with the original heart geometry of the patients to the drivers measured in different heart geometries. Our results showed the ability of imageless ECGI to the correct quantification and location of atrial fibrillation drivers, validating the use of ECGI without the need for cardiac imaging. Also, the current state of-the-art zero-order Tikhonov regularization and L-curve optimization for computing ECGI signals were improved by investigating the impact of electrical noise and geometrical uncertainties on the regularization. We proposed a new criterion that enhances the accuracy and reliability of ECGI solutions in situations with uncertainty from unfavorable signal conditions. Secondly, in this PhD thesis, several analyses, signal processing methodologies, and ECGIderived metrics were investigated to better characterize the cardiac substrate and reentrant activity in ECGI signals from AF patients. With the objective of obtaining a deeper understanding of the electrophysiological mechanisms underlying AF, we established the optimal filtering strategy to extract patient-specific reentrant patterns and derived metrics in ECGI signals. Furthermore, we investigated the reproducibility of the obtained ECGI-reentrant maps and linked them to the success of PVI ablation. Our results showed that higher reproducibility on AF drivers detected with ECGI is linked with the success of PVI, creating a proof-of-concept mechanism for stratifying AF patients prior to ablation procedures.