Análisis de señales ECG/BSPM para la identificación de las frecuencias de activación de regiones auriculares durante Fibrilación Auricular

Abstract

[ES] La fibrilación auricular (FA) es la arritmia cardíaca más prevalente, afectando al 2% de la población general, desencadenando notables implicaciones tanto en el ámbito sanitario como en el económico. A pesar de su marcada incidencia, los mecanismos subyacentes que provocan esta condición aún no se comprenden en su totalidad, lo que contribuye a resultados terapéuticos subóptimos, múltiples intentos de tratamiento y cargas económicas y de salud significativas [Tilz et al. 2012]. Aunque se han registrado avances en las terapias farmacológicas y la ablación con catéter, las limitaciones persisten, evidenciadas por tasas de éxito variables y demoras sustanciales en la identificación de la opción farmacológica óptima [Hindricks et al. 2020]. La ablación con catéter en las venas pulmonares, si bien eficaz para pacientes sintomáticos, a menudo requiere intervenciones adicionales. La toma de decisiones relacionada con la ablación sigue siendo subjetiva, con retrasos frecuentes, especialmente para mujeres y minorías, a pesar de la presentación de síntomas más graves [Fuster et al. 2006, Cochet et al. 2014]. El propósito principal de este trabajo es abordar la problemática existente mediante la identificación no invasiva de las regiones cardíacas con frecuencias dominantes para la ablación en pacientes con FA. Para ello, se cuenta con una base de datos que incluye registros de 47 pacientes provenientes del Hospital Gregorio Marañón en Madrid y del Hospital de Stanford en California. Cada paciente ha sido sometido a un Mapeo Potencial de Superficie Cardíaca (BSPM, por sus siglas en inglés) y a un Electrograma Intracardíaco (EGM) obtenido de forma invasiva mediante catéteres. La técnica BSPM permite la captura de señales cardíacas de manera no invasiva desde la superficie del cuerpo, mientras que el EGM se registra de manera invasiva durante la intervención empleando catéteres intraauriculares de tipo basket. La simultaneidad en la adquisición de ambos tipos de registros proporciona la base para desarrollar un modelo de aprendizaje automatizado que permita obtener una representación precisa de la señal EGM a partir de la BSPM [Pedrón-Torrecilla, et al. 2016]. La innovación clave de este enfoque radica en abordar el problema inverso de la cardiología, que consiste fundamentalmente en obtener una aproximación de la señal EGM a partir de la señal BSPM. Esta estrategia se enfoca en detectar de manera no invasiva las regiones auriculares de mayor frecuencia de activación durante la FA, que podrían constituir focos potenciales para la ablación destinada a tratar y eliminar la patología en el paciente. La estrategia propuesta para abordar el problema inverso implica calcular el ciclo de activación auricular (CL) mediante métodos de autocorrelación y aprendizaje automatizado [Rodrigo, et al. 2021]. En este sentido, se llevará a cabo un análisis de las señales registradas por la prueba de BSPM que permita determinar el CL auricular, utilizando técnicas de correlación y correlación con patrones múltiples. Buscando optimizar el método de análisis del BSPM mediante la comparación con el estándar de oro representado por los CL de los EGM intracardiacos obtenidos simultáneamente. Para establecer una correspondencia precisa entre el CL de las regiones auriculares y las mediciones del BSPM, se aplicarán técnicas de análisis de correspondencia y aprendizaje automático. Este enfoque permitirá no solo identificar las áreas críticas para la ablación, sino también personalizar la terapia de manera eficaz y precisa. Finalmente, se buscará determinar la distribución óptima y el número adecuado de electrodos en el BSPM con el objetivo de lograr una reconstrucción óptima de las señales con la mínima cantidad posible de electrodos, contribuyendo así a mejorar la calidad de la información recopilada [Rodrigo et al., 2017]. Este enfoque integral busca proporcionar una base sólida para la planificación de la terapia personalizada en pacientes con FA, con el potencial

[EN] Atrial fibrillation (AF) is the most prevalent cardiac arrhythmia, affecting 2% of the general population, triggering notable implications in both the health and economic fields. Despite its marked incidence, the underlying mechanisms causing this condition are not yet fully understood, contributing to suboptimal therapeutic outcomes, multiple treatment attempts, and significant health and economic burdens [Tilz et al. 2012]. Although there have been advances in pharmacological therapies and catheter ablation, limitations remain, evidenced by variable success rates and substantial delays in identifying the optimal pharmacological option [Hindricks et al. 2020]. Pulmonary vein catheter ablation, while effective for symptomatic patients, often requires additional interventions. Decision-making related to ablation remains subjective, with frequent delays, especially for women and minorities, despite the presentation of more severe symptoms [Fuster et al. 2006, Cochet et al. 2014]. The main purpose of this work is to address the existing problem by non-invasively identifying cardiac regions with dominant frequencies for ablation in patients with AF. To do this, there is a database that includes records of 47 patients from the Gregorio Marañón Hospital in Madrid and the Stanford Hospital in California. Each patient has undergone Cardiac Surface Potential Mapping (BSPM) and an Intracardiac Electrogram (EGM) obtained invasively through catheters. The BSPM technique allows the capture of cardiac signals non-invasively from the surface of the body, while the EGM is recorded invasively during the intervention using basket-type intra-atrial catheters. The simultaneity in the acquisition of both types of records provides the basis for developing an automated learning model that allows obtaining an accurate representation of the EGM signal from the BSPM [Pedrón-Torrecilla, et al. 2016]. The key innovation of this approach lies in addressing the inverse problem of cardiology, which essentially consists of obtaining an approximation of the EGM signal from the BSPM signal. This strategy focuses on non-invasively detecting the atrial regions with the highest activation frequency during AF, which could constitute potential foci for ablation aimed at treating and eliminating the pathology in the patient. The proposed strategy to address the inverse problem involves calculating the atrial firing cycle (CL) using autocorrelation and machine learning methods [Rodrigo, et al. 2021]. In this sense, an analysis of the signals recorded by the BSPM test will be carried out to determine the atrial CL, using correlation and correlation techniques with multiple patterns. Seeking to optimize the BSPM analysis method by comparing it with the gold standard represented by the CL of intracardiac EGMs obtained simultaneously. To establish an accurate correspondence between the CL of the auricular regions and the BSPM measurements, correspondence analysis and machine learning techniques will be applied. This approach will allow not only to identify critical areas for ablation, but also to personalize therapy effectively and precisely. Finally, we will seek to determine the optimal distribution and the appropriate number of electrodes in the BSPM with the objective of achieving an optimal reconstruction of the signals with the minimum possible number of electrodes, thus contributing to improving the quality of the information collected [Rodrigo et al ., 2017]. This comprehensive approach seeks to provide a solid foundation for personalized therapy planning in patients with AF, with the potential to significantly improve clinical outcomes.