ATRIAL COMPLEX NETWORKS IN ENDOCAVITARY RECORDINGS DURING ATRIAL FIBRILLATION

L'incidenza e la prevalenza delle malattie atriali, in particolare della fibrillazione atriale (FA), stanno raggiungendo oggi proporzioni pandemiche. Nonostante i notevoli sforzi di ricerca e i progressi compiuti nella comprensione dei meccanismi alla base della FA, la capacità di trattarla rimane problematica. Questa tesi si propone di contribuire a ridurre il peso dell'aritmia atriale dal punto di vista tecnico, elaborando i segnali elettrici provenienti dal cuore. In particolare, l'obiettivo principale di questa tesi è studiare tecniche di elaborazione dei segnali atriali invasivi che forniscano strumenti utili per aiutare gli elettrofisiologi e tecnici di laboratorio nel processo decisionale durante le procedure di ablazione delle aritmie. In primo luogo, abbiamo proposto un nuovo algoritmo per la cancellazione dell'attività ventricolare nei segnali atriali durante la FA. La metodologia combina due tecniche comuni: la sottrazione del battito medio (ABS) e l'interpolazione, in una struttura unificata. Tale struttura è stata in grado di affinare e migliorare la stima dell'attività ventricolare, sotto l'ipotesi di stazionarietà dell'attività atriale in finestre temporali molto brevi. L'attività atriale locale viene prima modellata con un processo autoregressivo (AR), quindi la stima viene raffinata tramite la tecnica di massimo a posteriori tra l'attività residua atriale e il modello AR adattato. Il nuovo algoritmo è stato testato su segnali atriali sintetici e reali e le sue prestazioni sono state confrontate con quelle degli altri cinque algoritmi. L'algoritmo proposto ha superato tutti gli altri in termini di errore quadratico medio (0,038 vs 0,045 per l'interpolazione; p<0.05) su dati sintetici. Sui dati reali ha superato due varianti di ABS (p<0.05) e si è comportato in modo simile all'interpolazione. In secondo luogo, abbiamo studiato un nuovo approccio all'analisi dei modelli di propagazione atriale basato su reti (grafi) dirette. Le reti sono generate dall'elaborazione dei segnali raccolti durante gli studi elettrofisiologici. I vertici della rete rappresentano le posizioni delle registrazioni e i collegamenti sono determinati dal calcolo delle misure tra i segnali registrati. Dopo la modellizzazione della rete, è possibile identificare automaticamente i potenziali bersagli del trattamento, come l'attività rotazionale, che si propaga da un elettrodo all'altro creando un ciclo chiuso, o l'attività focale, che si manifesta come una divergenza di eccitazione da una determinata regione. Il metodo è stato testato su due soggetti in ritmo sinusale, sette in un modello sperimentale di simulazioni in-silico e dieci soggetti con diagnosi di tachicardia atriale complessa sottoposti ad ablazione. L'algoritmo ha rilevato correttamente la propagazione elettrica di entrambi i casi di ritmo sinusale e di tutte le simulazioni in-silico. Per quanto riguarda i casi clinici, i meccanismi dell'aritmia sono stati identificati nella maggior parte dei casi (9 su 10). In terzo luogo, abbiamo proposto un sistema di raccomandazione, costruito come soluzione a un problema di ottimizzazione, in grado di suggerire la strategia di ablazione ottimale per il trattamento della tachicardia atriale complessa. Il problema è stato progettato basandosi sulla rete precedentemente proposta. Il problema di ottimizzazione modellava la strategia di ablazione ottimale come quella che interrompe tutti i meccanismi rotazionali, riducendo al minimo la superficie atriale ablata. Considerando la complessità esponenziale di trovare la soluzione ottimale al problema, abbiamo introdotto un algoritmo euristico con complessità polinomiale. L'algoritmo proposto è stato applicato ai dati di i) 6 scenari simulati che includevano sia il flutter atriale destro che sinistro; e ii) 10 soggetti sottoposti a routine clinica. Il sistema di raccomandazione ha suggerito la strategia ottimale in 4 dei 6 scenari simulati. Per quanto riguarda i dati clinici, le linee di ablazione raccomandate sono risultate soddisfacenti nel 67% dei casi, secondo l'opinione del medico, rispetto al trattamento effettivamente eseguito, mentre sono state correttamente localizzate nell'89% dei casi, considerando il meccanismo in uso. L'algoritmo ha utilizzato solo i dati raccolti durante la mappatura avvenuta durante la procedura clinica ed è stato in grado di elaborarli quasi in tempo reale.

Grantor dc:publisher

Università degli Studi di Milano

Year dc:date

2022

Author dc:creator

• VILA, MUHAMED

Contributors dc:contributor

• tutor: S. Roberto
• M. W. Rivolta ; coordinatore: P. Boldi
• M. Vila
• SASSI, ROBERTO
• BOLDI, PAOLO

• Settore INF/01 - Informatica

Statement dc:rights

• info:eu-repo/semantics/openAccess

Language dc:language

eng

Identifier

http://dx.doi.org/10.13130/vila-muhamed_phd2022-07-18
10.13130/vila-muhamed_phd2022-07-18

OAI identifier oai:identifier

oai:air.unimi.it:2434/932991