No description available.

No description available.

Introduction: Computed electrocardiographic imaging (CEI) is a method that uses ST- segment deviations from the 12-lead electrocardiogram (ECG) and has been tested on a small number of patients.Aim: To extend the testing material of the CEI method and deduce a threshold using ECGs recorded pre- and during acute occlusion. The performance of the CEI and ST elevation myocardial infarction (STEMI) criteria will be compared. Method: Two CEI images were generated from each of 99 patients before and during complete occlusion in the left anterior descending (LAD), right coronary artery (RCA) and left circumflex coronary artery (LCx). Result: The sensitivity and specificity of STEMI criteria was 61% and 96% respectively for the whole occlusion group. The sensitivities and specificities were 74 %, 97% (LAD); 60%, 94% (RCA); 35%, 100% (LCx) respectively, for STEMI criteria. A threshold of 998 units was deduced from the CEI method. Conclusion: The CEI method has similar diagnostic performance of an occlusion as STEMI criteria.

Atrial fibrillation (AF) is one of the most common cardiac arrhythmias. Nowadays the fibrillatory process is known to be provoked by the high-frequency reentrant activity of certain atrial regions that propagates the fibrillatory activity to the rest of the atrial tissue, and the electrical isolation of these key regions has demonstrated its effectiveness in terminating the fibrillatory process. The location of the dominant regions represents a major challenge in the diagnosis and treatment of this arrhythmia. With the aim to detect and locate the fibrillatory sources prior to surgical procedure, non-invasive methods have been developed such as body surface electrical mapping (BSPM) which allows to record with high spatial resolution the electrical activity on the torso surface or the electrocardiographic imaging (ECGI) which allows to non-invasively reconstruct the electrical activity in the atrial surface. Given the novelty of these systems, both technologies suffer from a lack of scientific knowledge about the physical and technical mechanisms that support their operation. Therefore, the aim of this thesis is to increase that knowledge, as well as studying the effectiveness of these technologies for the localization of dominant regions in patients with AF. First, it has been shown that BSPM systems are able to noninvasively identify atrial rotors by recognizing surface rotors after band-pass filtering. Furthermore, the position of such surface rotors is related to the atrial rotor location, allowing the distinction between left or right atrial rotors. Moreover, it has been found that the surface electrical maps in AF suffer a spatial smoothing effect by the torso conductor volume, so the surface electrical activity can be studied with a relatively small number of electrodes. Specifically, it has been seen that 12 uniformly distributed electrodes are sufficient for the correct identification of atrial dominant frequencies, while at least 32 leads are needed for non-invasive identification of atrial rotors. Secondly, the effect of narrowband filtering on the effectiveness of the location of reentrant patterns was studied. It has been found that this procedure allows isolating the reentrant electrical activity caused by the rotor, increasing the detection rate for both invasive and surface maps. However, the spatial smoothing caused by the regularization of the ECGI added to the temporal filtering causes a large increase in the spurious reentrant activity, making it difficult to detect real reentrant patterns. However, it has been found that maps provided by the ECGI without temporal filtering allow the correct detection of reentrant activity, so narrowband filtering should be applied for intracavitary or surface signal only. Finally, we studied the stability of the markers used to detect dominant regions in ECGI, such as frequency maps or the rotor presence. It has been found that in the presence of alterations in the conditions of the inverse problem, such as electrical or geometrical noise, these markers are significantly more stable than the ECGI signal morphology from which they are extracted. In addition, a new methodology for error reduction in the atrial spatial location based on the curvature of the curve L has been proposed. The results presented in this thesis showed that BSPM and ECGI systems allows to non-invasively locate the presence of high-frequency rotors, responsible for the maintenance of AF. This detection has been proven to be unambiguous and robust, and the physical and technical mechanisms that support this behavior have been studied. These results indicate that both non-invasive systems provide information of great clinical value in the treatment of AF, so their use can be helpful for selecting and planning atrial ablation procedures. / La fibrilación auricular (FA) es una de las arritmias cardiacas más frecuentes. Hoy en día se sabe que el proceso fibrilatorio está provocado por la actividad reentrante a alta frecuencia de ciertas regiones auriculares que propagan la actividad fibrilatoria en el resto del tejido auricular, y se ha demostrado que el aislamiento eléctrico de estas regiones dominantes permite detener el proceso fibrilatorio. La localización de las regiones dominantes supone un gran reto en el diagnóstico y tratamiento de la FA. Con el objetivo de poder localizar las fuentes fibrilatorias con anterioridad al procedimiento quirúrgico, se han desarrollado métodos no invasivos como la cartografía eléctrica de superficie (CES) que registra con gran resolución espacial la actividad eléctrica en la superficie del torso o la electrocardiografía por imagen (ECGI) que permite reconstruir la actividad eléctrica en la superficie auricular. Dada la novedad de estos sistemas, existe una falta de conocimiento científico sobre los mecanismos físicos y técnicos que sustentan su funcionamiento. Por lo tanto, el objetivo de esta tesis es aumentar dicho conocimiento, así como estudiar la eficacia de ambas tecnologías para la localización de regiones dominantes en pacientes con FA. En primer lugar, ha visto que los sistemas CES permiten identificar rotores auriculares mediante el reconocimiento de rotores superficiales tras el filtrado en banda estrecha. Además, la posición de los rotores superficiales está relacionada con la localización de dichos rotores, permitiendo la distinción entre rotores de aurícula derecha o izquierda. Por otra parte, se ha visto que los mapas eléctricos superficiales durante FA sufren una gran suavizado espacial por el efecto del volumen conductor del torso, lo que permite que la actividad eléctrica superficial pueda ser estudiada con un número relativamente reducido de electrodos. Concretamente, se ha visto que 12 electrodos uniformemente distribuidos son suficientes para una correcta identificación de frecuencias dominantes, mientras que son necesarios al menos 32 para una correcta identificación de rotores auriculares. Por otra parte, también se ha estudiado el efecto del filtrado en banda estrecha sobre la eficacia de la localización de patrones reentrantes. Así, se ha visto que este procedimiento permite aislar la actividad eléctrica reentrante provocada por el rotor, aumentando la tasa de detección tanto para señal obtenida de manera invasiva como para los mapas superficiales. No obstante, este filtrado temporal sobre la señal de ECGI provoca un gran aumento de la actividad reentrante espúrea que dificulta la detección de patrones reentrantes reales. Sin embargo, los mapas ECGI sin filtrado temporal permiten la detección correcta de la actividad reentrante, por lo el filtrado debería ser aplicado únicamente para señal intracavitaria o superficial. Por último, se ha estudiado la estabilidad de los marcadores utilizados en ECGI para detectar regiones dominantes, como son los mapas de frecuencia o la presencia de rotores. Se ha visto que en presencia de alteraciones en las condiciones del problema inverso, como ruido eléctrico o geométrico, estos marcadores son significativamente más estables que la morfología de la propia señal ECGI. Además, se ha propuesto una nueva metodología para la reducción del error en la localización espacial de la aurícula basado en la curvatura de la curva L. Los resultados presentados en esta tesis revelan que los sistemas de CES y ECGI permiten localizar de manera no invasiva la presencia de rotores de alta frecuencia. Esta detección es univoca y robusta, y se han estudiado los mecanismos físicos y técnicos que sustentan dicho comportamiento. Estos resultados indican que ambos sistemas no invasivos proporcionan información de gran valor clínico en el tratamiento de la FA, por lo que su uso puede ser de gran ayuda para la selección y planificaci / La fibril·lació auricular (FA) és una de les arítmies cardíaques més freqüents. Hui en dia es sabut que el procés fibrilatori està provocat per l'activitat reentrant de certes regions auriculars que propaguen l'activitat fibril·latoria a la resta del teixit auricular, i s'ha demostrat que l'aïllament elèctric d'aquestes regions dominants permet aturar el procés fibrilatori. La localització de les regions dominants suposa un gran repte en el diagnòstic i tractament d'aquesta arítmia. Amb l'objectiu de poder localitzar fonts fibril·latories amb anterioritat al procediment quirúrgic s'han desenvolupat mètodes no invasius com la cartografia elèctrica de superfície (CES) que registra amb gran resolució espacial l'activitat elèctrica en la superfície del tors o l'electrocardiografia per imatge (ECGI) que permet obtenir de manera no invasiva l'activitat elèctrica en la superfície auricular. Donada la relativa novetat d'aquests sistemes, existeix una manca de coneixement científic sobre els mecanismes físics i tècnics que sustenten el seu funcionament. Per tant, l'objectiu d'aquesta tesi és augmentar aquest coneixement, així com estudiar l'eficàcia d'aquestes tecnologies per a la localització de regions dominants en pacients amb FA. En primer lloc, s'ha vist que els sistemes CES permeten identificar rotors auriculars mitjançant el reconeixement de rotors superficials després del filtrat en banda estreta. A més, la posició dels rotors superficials està relacionada amb la localització d'aquests rotors, permetent la distinció entre rotors de aurícula dreta o esquerra. També s'ha vist que els mapes elèctrics superficials durant FA pateixen un gran suavitzat espacial per l'efecte del volum conductor del tors, el que permet que l'activitat elèctrica superficial pugui ser estudiada amb un nombre relativament reduït d'elèctrodes. Concretament, s'ha vist que 12 elèctrodes uniformement distribuïts són suficients per a una correcta identificació de freqüències dominants auriculars, mentre que són necessaris almenys 32 per a una correcta identificació de rotors auriculars. D'altra banda, també s'ha estudiat l'efecte del filtrat en banda estreta sobre l'eficàcia de la localització de patrons reentrants. Així, s'ha vist que aquest procediment permet aïllar l'activitat elèctrica reentrant provocada pel rotor, augmentant la taxa de detecció tant pel senyal obtingut de manera invasiva com per als mapes superficials. No obstant això, aquest filtrat temporal sobre el senyal de ECGI provoca un gran augment de l'activitat reentrant espúria que dificulta la detecció de patrons reentrants reals. A més, els mapes proporcionats per la ECGI sense filtrat temporal permeten la detecció correcta de l'activitat reentrant, per la qual cosa el filtrat hauria de ser aplicat únicament per a senyal intracavitària o superficial. Per últim, s'ha estudiat l'estabilitat dels marcadors utilitzats en ECGI per a detectar regions auriculars dominants, com són els mapes de freqüència o la presència de rotors. S'ha vist que en presència d'alteracions en les condicions del problema invers, com soroll elèctric o geomètric, aquests marcadors són significativament més estables que la morfologia del mateix senyal ECGI. A més, s'ha proposat una nova metodologia per a la reducció de l'error en la localització espacial de l'aurícula basat en la curvatura de la corba L. Els resultats presentats en aquesta tesi revelen que els sistemes de CES i ECGI permeten localitzar de manera no invasiva la presència de rotors d'alta freqüència. Aquesta detecció és unívoca i robusta, i s'han estudiat els mecanismes físics i tècnics que sustenten aquest comportament. Aquests resultats indiquen que els dos sistemes no invasius proporcionen informació de gran valor clínic en el tractament de la FA, pel que el seu ús pot ser de gran ajuda per a la selecció i planificació de procediments d'ablació auricular. / Rodrigo Bort, M. (2016). Non-invasive identification of atrial fibrillation drivers [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/75346 / TESIS / Premios Extraordinarios de tesis doctorales

Tesis por compendio / [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. / This work was supported by: Instituto de Salud Carlos III, and Ministerio de Ciencia e Innovación (supported by FEDER Fondo Europeo de Desarrollo Regional DIDIMO PLEC2021- 007614, ESSENCE PID2020-119364RB-I00, and RYC2018- 024346B-750), EIT Health (Activity code SAVE-COR 220385, EIT Health is supported by EIT, a body of the European Union) and Generalitat Valenciana Conselleria d’Educació, Investigació, Cultura i Esport (ACIF/2020/265 and BEFPI/2021/062). / Molero Alabau, R. (2023). Estimation of Atrial Electrical Complexity during Atrial Fibrillation by Solving the Inverse Problem of Electrocardiography [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/199029 / Compendio

[ES] La fibrilación auricular (FA) es una de las arritmias más comunes en la práctica clínica cuyos mecanismos, hasta ahora, no han sido comprendidos en su totalidad. El estudio de dichos mecanismos mediante el estudio de la información clínica, la metodología de estudios computacionales y los algoritmos de inteligencia artificial (IA) que permiten la identificación de nuevos patrones para la personalización de los tratamientos es clave para desvelar las características de la arritmia. Actualmente, el tratamiento de preferencia para los pacientes con FA que ha presentado mayores ratios de efectividad ha sido la ablación cardiaca. Este procedimiento invasivo utiliza un catéter para ablacionar o quemar el área del tejido cardiaco que es responsable del mantenimiento de la arritmia. Para poder identificar dicha área, es indispensable realizar un estudio electrofisiológico para evaluar las señales eléctricas intracavitarias. En el campo de las simulaciones por ordenador, varios estudios han presentado abordajes personalizados que intentan establecer una plataforma complementaria para la planificación de la ablación. En este ámbito, la electrocardiografía por imagen se ha utilizado para la estratificación y caracterización previa de pacientes antes del procedimiento de ablación. Finalmente, los estudios observacionales clínicos permiten la caracterización de la población de FA, ayudando a recoger, no solo datos electrofisiológicos, sino también biomarcadores clínicos directamente relacionados con la prognosis del paciente. Dada toda la información producida durante este tipo de estudios, la IA se ha introducido paulatinamente en este tipo de estudios con el objetivo de identificar patrones o biomarcadores que permitan caracterizar a estos pacientes incluyendo toda la información recogida. Además, los algoritmos de predicción, que permiten estimar el éxito del tratamiento y la prognosis del paciente, han sido desarrollados. Debido a todas estas razones, estos campos han sido estudiados durante el desarrollo de este trabajo. En primer lugar, se realizaron simulaciones por ordenador utilizan-do una población de modelos que permitía evaluar la inducibilidad y mantenimiento de la arritmia en diferentes escenarios. Teniendo en cuenta la gran cantidad de datos derivados de las simulaciones, que incluían la variabilidad introducida en la población y diferentes fármacos, se implementaron algoritmos de IA que extrajeron patrones de los perfiles más proarrítmicos. En segundo lugar, se realizaron simulaciones personalizadas en una cohorte de pacientes, incluyendo las anatomías de las aurículas y considerando diferentes escenarios arrítmicos. Estos experimentos se realizaron con una carga computacional menor comparado con otros estudios y permitieron identificar un biomarcador obtenido de dichos datos que caracterizaba la actividad en la zona de las venas pulmonares y la comparaba con la evolución del paciente 12 meses tras el procedimiento de ablación. Finalmente, se analizó el estudio observacional STRATIFY-AF utilizando la información obtenida del ECGi y combinándola con datos clínicos. Como resultado, se obtuvo un score electrofisiológico que per-mite predecir el tratamiento más exitoso para cada paciente. Los resultados presentados en esta tesis ilustran un claro ejemplo de combinación de diferentes tecnologías, como las simulaciones in silico, con datos clínicos y algoritmos de IA, que pueden ser de gran utilidad para investigar los mecanismos de la arritmia cardiaca. / [CA] La fibril·lació auricular (FA) és una de les arítmies més comunes. En la pràctica clínica els mecanismes de la qual, fins ara, no han sigut compresos en la seua totalitat. L'estudi dels dits mecanismes per mitjà de l'estudi de la informació clínica, la metodologia d'estudis computacionals i els algoritmes d'intel·ligència artificial (IA) que permeten la identificació de nous patrons per a la personalització dels tractaments és clau per a desvelar les característiques de l'arítmia. Actualment, el tractament de preferència per als pacients amb FA que ha presentat majors ràtios d'efectivitat ha sigut l'ablació cardíaca. Este procediment invasiu utilitza un catèter per a ablacionar o cremar l'àrea del teixit cardíac que és responsable del manteniment de l'arítmia. Per a poder identificar la dita àrea, és indispensable realitzar un estudi electrofisiologia per a avaluar els senyals elèctrics intracavitarias. En el camp de les simulacions per ordinador, diversos estudis han presentat abordatges personalitzats que intenten establir una plataforma complementària per a la planificació de l'ablació. En este àmbit, l'electrocardiografia per imatge s'ha utilitzat per a l'estratificació i caracterització prèvia de pacients abans del procediment d'ablació. Finalment, els estudis observacionals clínics permeten la caracterització de la població de FA, ajudant a arreplegar, no sols dades electrofisiològiques, sinó també biomarcadores clínics directament relacionats amb la prognosi del pacient. Donada tota la informació produïda durant este tipus d'estudis, la IA s'ha introduït gradualment en este tipus d'estudis amb l'objectiu d'identificar patrons o biomarcadores que permeten caracteritzar estos pacients incloent tota la informació arreplegada. A més, els algoritmes de predicció, que permeten estimar l'èxit del tractament i la prognosi del pacient, han sigut desenrotllats. A causa de totes estes raons, estos camps han sigut estudiats durant el desenrotllament d'este treball. En primer lloc, es van utilitzar simulacions per ordinador utilitzant una població de models que permetia avaluar la inducibilidad i manteniment de l'arítmia en diferents escenaris. Donada la variabilitat introduïda en la població, en combinació amb diferents fàrmacs, els algoritmes d'IA es van utilitzar per a extraure patrons que identificaven els perfils més proarítmics. En segon lloc, es van realitzar simulacions personalitzades en una cohort de pacients, incloent les anatomies de les aurícules i considerant diferents escenaris arítmics. Estos experiments es van realitzar amb una càrrega computacional menor comparat amb altres estudis i van permetre identificar un biomarcador obtingut de les dits dades que caracteritzava l'activitat en la zona de les venes pulmonars i la comparava amb l'evolució del pacient 12 mesos després del procediment d'ablació. Finalment, l'estudi observacional STRATIFY-AF es va analitzar utilitzant la informació obtinguda de l'ECGi i combinant-la amb dades clíniques. Com resultat, es va obtindre un score electrofisiològic que permet predir el tractament més reeixit per a cada pacient. Els resultats presentats en esta tesi il·lustren, per tant, que la combinació de les tecnologies in silico, junt amb les dades clíniques i el processament de dades disponibles gràcies als algoritmes d'IA poden ser de gran utilitzar per a investigar els mecanismes de l'arítmia cardíaca. / [EN] Atrial Fibrillation (AF) is one of the most common arrhythmias in clinical practice and thus far, the electrophysiological mechanisms underlying its initiation and maintenance are not fully understood. The study of such mechanism including clinical information, computational models and artificial intelligence (AI) algorithms that enable the identification of new patterns for the personalization of the treatments is key to unveil the characteristics of the arrhythmia. At the present, the treatment of choice for AF patients with higher effectiveness has proved to be cardiac ablation. This invasive procedure uses a catheter to ablate or burn the area of the cardiac tissue that is responsible for the maintenance of the arrhythmia. In order to find this specific area, it is indispensable to perform an electrophysiological study to evaluate the intracavitary electrical signals. In the computational field, several studies have presented personalized approaches that aim to stablish a complimentary platform for ablation planning. In this area, electrocardiographic imaging has also been used for the stratification and prior characterization of patients before the ablation procedure. Finally, observational studies enable the characterization of the AF population, enabling to collect, not only electrophysiological data but clinical biomarkers that can be related with the prognosis of the patients. Due to all the information produced during this type of studies, AI has been recently incorporated into these studies, with the main objective of identifying patterns or biomarkers that are able to characterize these patients including all the collected information. In addition, prediction algorithms, that allow to estimate the success of the treatment and prognosis of the patient have also been developed. For this purpose, these three fields of study were explored in this thesis. First, computational simulations using a population of models were performed to evaluate arrhythmia inducibility and maintenance under different scenarios. Due to the variability introduced in the population of models in combination with different drugs, AI algorithms were applied to extract patterns that identified the most proarrhythmic profiles. Secondly, personalized simulations were performed in a cohort of patients including their anatomical cardiac geometries and considering different arrhythmic scenarios. These experiments were achieved with a lowered computational costs and included the identification of a biomarker extracted from the simulation analysis that characterized the activity in the pulmonary vein area and evaluating it with the 12-month ablation outcome. Finally, the STRATIFY-AF observational study was analyzed, using the ECGi information from the patients combined with clinical infor-mation. As a results, a stratification score was obtained to predict the most successful treatment for each of the patients. The results presented in this thesis illustrate that the combination of in silico technologies with clinical data and processing algorithms can be of great utility to further investigate the arrhythmic mechanisms. / Sánchez De La Nava, AM. (2022). Definition of a Sensitivity Profile for Drug Treatment and Identification on Clinical Biomarkers in Atrial Fibrillation [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/184778

Les tachycardies ventriculaires (TV) et atriales (TA) sont les arythmies les plus fréquemment diagnostiquées en clinique. En vue d’ablater les tissus pathologiques, deux techniques de diagnostic sont utilisées : la cartographie électro-anatomique pour un diagnostic précis à l’aide d’électrogrammes (EGM) mesurés par cathéters intracardiaques et repérés sur la géométrie tridimensionnelle (3-D) de la cavité étudiée ; et l’imagerie électrocardiographique non-invasive (ECGi) pour une vision globale de l’arythmie, avec des EGM reconstruits mathématiquement à partir des électrocardiogrammes et des géométries cardio-thoraciques 3-D obtenues par CT-Scan. Les TV et TA sont alors diagnostiquées en étudiant les cartes d’activation qui sont des représentations des temps de passage locaux de l’onde d’activation sur la géométrie 3-D cardiaque. Cependant, les zones de ralentissement favorisant les TV et TA, et leurs motifs de propagation spécifiques n’y sont pas facilement identifiables. Ainsi, la caractérisation locale de la propagation de l’onde d’activation peut être utile pour améliorer le diagnostic. L’objet de cette thèse est le développement d’une méthode de caractérisation locale de la propagation de l’onde d’activation. Pour cela, un champ vectoriel de vitesse est estimé et analysé. La méthode a en premier lieu été validée sur des données simulées issues de modélisation, puis appliquée 1) à des données cliniques issues de l’ECGi pour la localisation des cicatrices d’infarctus et pour améliorer le diagnostic des TA; et 2) sur des données obtenues par cartographie électro-anatomique pour caractériser les zones pathogènes. / Ventricular (VT) and atrial (AT) tachycardias are some of the most common clinical cardiac arrhythmias. For ablation of tachycardia substrates, two clinical diagnosis methods are used : electro-anatomical mapping for an accurate diagnosis using electrograms (EGMs) acquired with intracardiac catheters and localized on the three-dimensional (3-D) mesh of the studied cavities ; and non-invasive electrocardiographic imaging (ECGi) for a global view of the arrhythmia, with EGMs mathematically reconstructed from body surface electrocardiograms and the 3-D cardio-thoracic meshes obtained with CT-scan. VT and AT are diagnosed studying activation time maps ; that are 3-D representations of the transit time of the activation wavefront on the cardiac mesh. Nevertheless, slow conduction areas, a well-known pro-arrhythmic feature for tachycardias, and the tachycardias specific propagation patterns are not easily identifiable with these maps. Hence, local characterization of the activation wavefront propagation can be helpful for improving VT and AT diagnosis. The purpose of this thesis is to develop a method to locally characterize the activation wavefront propagation. For that, a conduction velocity vector field is estimated and analyzed. The method was first validated on a simulated database from computer models, then applied to 1) a clinical database obtained from ECGi to localize infarct tissues and improve AT diagnosis ; and 2) a clinical database acquired with electro-anatomical mapping systems to define pathological areas.