The fibrotic kernel signature: simulation-free prediction of atrial fibrillation inducibility

Abstract

La fibrilación auricular (AF) es el tipo de arritmia más común en seres humanos, llegando a ser prevalente en la población a escala epidémica. Los modelos computacionales pueden contribuir a la mejora de las tasas de éxito para tratamientos terapéuticos de la AF, como la ablación cardíaca, donde partes del tejido son cauterizadas con el fin de bloquear puntos de iniciación de AF. Sin embargo, evaluar la eficacia de distintas estrategias de ablación requiere realizar costosas simulaciones donde se estimulan eléctricamente diferentes puntos y se evalúa si un episodio de fibrilación se indujo o no, obstaculizando la implementación clínica de estos modelos. En el presente trabajo de tesis se propone un método de clasificación eficiente capaz de predecir confiablemente la inducibilidad de AF en modelos cardíacos personalizados sin la necesidad de correr simulaciones adicionales. La metodología no requiere de re-entrenamiento cuando se introducen cambios en la anatomía cardíaca, distribución de fibrosis o líneas de ablación. Para lograr esto, se desarrolla un conjunto de atributos dados por una variante anisotrópica de la firma del núcleo de calor (heat kernel signature - hks) que incorpora la información de fibrosis y la orientación de fibras en el corazón: La firma del núcleo de calor con información fibrótica (fibrotic kernel signature - fks). La fks es más rápida de calcular que una simulación puntual de AF y puede predecir mapas de inducibilidad en la totalidad del dominio auricular cuando se emplea en conjunto con algoritmos de clasificación. Para evaluar la relación entre la fks y la inducibilidad de arritmia se realizaron dos estudios: uno para probar la capacidad de la firma en capturar el efecto de ablación sobre un modelo auricular simple, y otro para demostrar la generalidad del método propuesto en varias anatomías cardíacas sujetas a múltiples distribuciones de fibrosis. Los estimadores basados en la fks predicen la inducibilidad de AF con alta precisión y aproximan el porcentaje inducible de mejor manera que métodos alternativos. El flujo de trabajo de la fks puede acelerar significativamente los cálculos necesarios para testear eventos de arritmia, lo que es crucial para optimizar terapias de AF dentro de las restricciones del contexto clínico.