La influencia de la temperatura sobre la electrofisiología cardíaca es un hecho conocido, aunque los efectos de sus variaciones regionales sobre los parámetros electrofisiológicos del miocardio y sobre las características de la activación durante la fibrilación ventricular (FV) no han sido suficientemente investigados. En modelos experimentales, el análisis del efecto modulador ejercido por los cambios locales de temperatura puede aportar información sobre los mecanismos que sustentan la FV o los procedimientos encaminados a su control efectivo. En esta Tesis Doctoral se ha desarrollado un sistema de modificación de la temperatura miocárdica, en modelos de corazón aislado, capaz de crear condiciones de hipotermia e hipertermia controladas circunscritas a una región limitada del tejido. En su implementación se ha empleado un electrodo extraplano fabricado en tecnología thick-film que permite la aplicación de estímulos y el registro simultáneo de los electrogramas ventriculares a distintas temperaturas. Este sistema ha sido utilizado, en corazones aislados y perfundidos de conejo, para cuantificar los efectos de la hipotermia y la hipertermia locales sobre los parámetros característicos de la frecuencia de activación de la FV y sobre los parámetros electrofisiológicos obtenidos durante estimulación basal. Para ello, se ha modificado la temperatura epicárdica de la pared libre del ventrículo izquierdo entre 17 ºC y 42 ºC. Los resultados obtenidos muestran que la hipotermia local prolonga los períodos refractarios ventriculares y reduce la velocidad de conducción durante la estimulación basal, teniendo la hipertermia el efecto contrario. A pesar de estas variaciones, la longitud de onda del proceso de activación no sufre cambios significativos. Por otra parte, durante la FV la hipertermia local acelera de manera reversible la activación en la zona en la que es aplicada, mientras que la hipotermia la enlentece. En el margen de temperaturas estudiado, existe una relación / Tormos Ferrando, Á. (2005). Estudio experimental de los efectos de la hipotermia y la hipertermia locales sobre los parámetros electrofisiológicos del miocardio y la frecuencia de activación de la fibrilación ventricular [Tesis doctoral no publicada]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/1824 / Palancia

[ES] La fibrilación auricular es la arritmia cardíaca más común. Durante la fibrilación auricular, el sustrato auricular sufre una serie de cambios o remodelados a nivel eléctrico y estructural. La remodelación eléctrica se caracteriza por la alteración de una serie de canales iónicos, lo que cambia la morfología del potential de transmembrana conocido como potencial de acción. La remodelación estructural es un proceso complejo que involucra la interacción de varios procesos de señalización, interacción celular y cambios en la matriz extracelular. Durante la remodelación estructural, los fibroblastos que abundan en el tejido cardíaco, comienzan a diferenciarse en miofibroblastos que son los encargados de mantener la estructura de la matriz extracelular depositando colágeno. Además, la señalización paracrina de los miofibroblastos afecta a los canales iónicos de los miocitos circundantes. Se utilizaron modelos computacionales muy detallados a diferentes escalas para estudiar la remodelación estructural inducida a nivel celular y tisular. Se realizó una adaptación de un modelo de fibroblastos humanos a nivel celular para reproducir la electrofisiología de los miofibroblastos durante la fibrilación auricular. Además, se evaluó la exploración de la interacción del calcio en la electrofisiología de los miofibroblastos ajustando el canal de calcio a los datos experimentales. A nivel tisular, se estudió la infiltración de miofibroblastos para cuantificar el aumento de vulnerabilidad a una arritmia cardíaca. Los miofibroblastos cambian la dinámica de la reentrada. Una baja densidad de miofibroblastos permite la propagación a través del área fibrótica y crea puntos de salida de actividad focal y roturas de ondas dentro de esta área. Además, las composiciones de fibrosis juegan un papel clave en la alteración del patrón de propagación. La alteración del patrón de propagación afecta a los electrogramas recogidos en la superficie del tejido. La morfología del electrograma se alteró dependiendo de la disposición y composición del tejido fibrótico. Se combinaron modelos detallados de tejido cardíaco con modelos realistas de los catéteres de mapeo disponibles comercialmente para comprender las señales registradas clínicamente. Se generó un modelo de ruido a partir de señales clínicas para reproducir los artefactos de señal en el modelo. Se utilizaron electrogramas de modelos de dos dominios altamente detallados para entrenar un algoritmo de aprendizaje automático para caracterizar el sustrato fibrótico auricular. Las características que cuantifican la complejidad de las señales fueron extraídas para identificar la densidad fibrótica y la transmuralidad fibrótica. Posteriormente, se generaron mapas de fibrosis utilizando el registro del paciente como prueba de concepto. El mapa de fibrosis proporciona información sobre el sustrato fibrótico sin utilizar un valor único de corte de 0,5 milivoltios. Además, utilizando la medición del flujo de información como la entropía de transferencia combinada con gráficos dirigidos, en este estudio, se siguió la dirección de propagación del frente de onda. La transferencia de entropía con gráficos dirigidos proporciona información crucial durante la electrofisiología para comprender la dinámica de propagación de ondas durante la fibrilación auricular. En conclusión, esta tesis presenta un estudio in silico multiescala que proporciona información sobre los mediadores celulares responsables de la remodelación de la matriz extracelular y su electrofisiología. Además, proporciona una configuración realista para crear datos in silico que pueden ser usados para aplicaciones clínicas y servir de soporte al tratamiento de ablación. / [CA] La fibril·lació auricular és l'arrítmia cardíaca més freqüent, en la qual el substrat auricular patix una sèrie de remodelacions elèctriques i estructurals. La remodelació de tipus elèctric es caracteritza per l'alteració d'un conjunt de canals iònics que modifica la morfologia del voltatge transmembrana, conegut com a potencial d'acció. La remodelació estructural és un fenomen complex que implica la relació entre diversos processos de senyalització, interaccions cel·lulars i canvis en la matriu extracel·lular. Durant la remodelació estructural, els abundants fibroblasts presents en el teixit cardíac comencen a diferenciar-se en miofibroblasts, els quals s'encarreguen de mantenir l'estructura de la matriu extracel·lular dipositant-hi col·lagen. A més, la senyalització paracrina dels miofibroblasts amb els miòcits circumdants també afectarà els canals iònics. Es van utilitzar models computacionals molt detallats a diferents escales per estudiar la remodelació estructural induïda a nivell tissular i cel·lular. Es va fer una adaptació a nivell cel·lular d'un model de fibroblasts humans per reproduir-hi l'electrofisiologia dels miofibroblasts durant la fibril·lació auricular. A més, l'exploració de la interacció del calci amb l'electrofisiologia dels miofibroblasts va ser avaluada mitjançant l'adequació del canal de calci a les dades experimentals. A nivell tissular es va estudiar la infiltració de miofibroblasts per tal de quantificar l'augment de vulnerabilitat que això conferia per patir una arrítmia cardíaca. Els miofibroblasts canvien la dinàmica de la reentrada, i presentar-ne una baixa densitat permet la propagació a través de la zona fibròtica, tot creant punts de sortida d'activitat focal i trencaments d'ones dins d'aquesta àrea. A més, les composicions de fibrosi tenen un paper clau en l'alteració del patró de propagació, afectant els electrogrames recollits en la superfície del teixit. La morfologia dels electrogrames es va veure alterada en funció de la disposició i la composició del teixit fibròtic. Per comprendre els senyals clínicament registrats es van combinar models detallats de teixits cardíacs amb models realistes dels catèters de cartografia disponibles comercialment. Es va generar un model de soroll a partir de senyals clínics per reproduir-hi els artefactes de senyal. Es van utilitzar electrogrames de models de bidominis molt detallats per entrenar un algoritme d'aprenentatge automàtic destinat a caracteritzar el substrat fibròtic auricular. Les característiques que quantifiquen la complexitat dels senyals van ser extretes per identificar la densitat i transmuralitat fibròtica. Posteriorment, es van generar mapes de fibrosi mitjançant la gravació del pacient com a prova de concepte. El mapa de fibrosi proporciona informació sobre el substrat fibròtic sense utilitzar un sol valor de tensió de tall de 0,5 mV. A més, utilitzant la mesura del flux d'informació com l'entropia de transferència combinada amb gràfics dirigits, en aquest estudi es va fer un seguiment de la direcció de propagació de l'ona. L'entropia de transferència amb gràfics dirigits proporciona informació crucial durant l'electrofisiologia per entendre la dinàmica de propagació d'ones durant la fibril·lació auricular. En conclusió, aquesta tesi presenta un estudi multi-escala in silico que proporciona informació sobre els mediadors cel·lulars responsables de la remodelació de la matriu extracel·lular i la seva electrofisiologia. A més, proporciona una configuració realista per crear dades in silico que es poden traduir a aplicacions clíniques que puguen donar suport al tractament de l'ablació. / [EN] Atrial fibrillation is the most common cardiac arrhythmia. During atrial fibrillation, the atrial substrate undergoes a series of electrical and structural remodeling. The electrical remodeling is characterized by the alteration of specific ionic channels, which changes the morphology of the transmembrane voltage known as action potential. Structural remodeling is a complex process involving the interaction of several signalling pathways, cellular interaction, and changes in the extracellular matrix. During structural remodeling, fibroblasts, abundant in the cardiac tissue, start to differentiate into myofibroblasts, which are responsible for maintaining the extracellular matrix structure by depositing collagen. Additionally, myofibroblasts paracrine signalling with surrounding myocytes will also affect ionic channels. Highly detailed computational models at different scales were used to study the effect of structural remodeling induced at the cellular and tissue levels.At the cellular level, a human fibroblast model was adapted to reproduce the myofibroblast electrophsyiology during atrial fibrillation. Additionally, the calcium handling in myofibroblast electrophysiology was assessed by fitting calcium ion channel to experimental data. At the tissue level, myofibroblasts infiltration was studied to quantify the increase of vulnerability to cardiac arrhythmia. Myofibroblasts alter the dynamics of reentry. A low density of myofibroblasts allows the propagation through the fibrotic area and creates focal activity exit points and wave breaks inside this area. Moreover, fibrosis composition plays a key role in the alteration of the propagation pattern. The alteration of the propagation pattern affects the electrograms computed at the surface of the tissue. Electrogram morphology was altered depending on the arrangement and composition of the fibrotic tissue. Detailed cardiac tissue models were combined with realistic models of the commercially available mapping catheters to understand the clinically recorded signals. A noise model from clinical signals was generated to reproduce the signal artifacts in the model. Electrograms from highly detailed bidomain models were used to train a machine learning algorithm to characterize the atrial fibrotic substrate. Features that quantify the complexity of the signals were extracted to identify fibrotic density and fibrotic transmurality. Subsequently, fibrosis maps were generated using patient recordings as a proof of concept. Fibrosis map provides information about the fibrotic substrate without using a single cut-off voltage value of 0.5 mV. Furthermore, in this study, using information theory measurements such as transfer entropy combined with directed graphs, the wave propagation direction was tracked. Transfer entropy with directed graphs provides crucial information during electrophysiology to understand wave propagation dynamics during atrial fibrillation. In conclusion, this thesis presents a multiscale in silico study atrial fibrillation mechanisms providing insight into the cellular mediators responsible for the extracellular matrix remodeling and its electrophysiology. Additionally, it provides a realistic setup to create in silico data that can be translated to clinical applications that could support ablation treatment. / Sánchez Arciniegas, JP. (2021). A Multiscale in Silico Study to Characterize the Atrial Electrical Activity of Patients With Atrial Fibrillation. A Translational Study to Guide Ablation Therapy [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/171456 / TESIS

El presente trabajo propone un sistema electrónico de monitoreo continuo de las señales electrocardiográficas de pacientes para la detección de arritmias de tipo Fibrilación auricular y envío de resultados obtenidos para ofrecer una completa supervisión médica que agilice el diagnóstico y atención del paciente. El sistema está compuesto por dos partes, la primera de Hardware y la segunda de Software. En primer lugar, el Hardware del sistema está compuesto por equipos que permiten adquirir las señales electrocardiográficas, realizar el procesamiento y enviar las señales a una base de datos. En segundo lugar, el Software analiza dos parámetros de la señal electrocardiográfica para inferir si el paciente presenta fibrilación auricular y envía una alerta al especialista para la revisión de la señal involucrada. La validación del funcionamiento del sistema se realizó utilizando señales de la base de datos Physionet con una efectividad de 97.3% y señales extraídas de un conjunto de personas con una efectividad del 85.7%. / The present work proposes an electronic system for constant monitoring of the electrocardiographic signals of the patients for the detection of atrial fibrillation and sending the results in order to offer a complete medical supervision that expedites diagnosis and patient care. The system is composed of two parts, the first Hardware and the second Software. First, the system Hardware consists of equipment that allows electrocardiographic signals to be obtained, to process and send the signals to a database. Second, the system Software analyzes 02 parameters of the electrocardiographic signal to conclude if the patient has atrial fibrillation. The validation of the operation of the system is performed using signals from the Physionet database with 97.3% effectiveness and signals extracted from a sample of people with 85.7% effectiveness. / Tesis

[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

[ES] Las arritmias cardíacas son un problema importante para los sistemas de salud en el mundo desarrollado debido a su alta incidencia y prevalencia a medida que la población envejece. La fibrilación auricular (FA) y la fibrilación ventricular (FV) se encuentran entre las arritmias más complejas observadas en la práctica clínica. Las consecuencias clínicas de tales alteraciones arrítmicas incluyen el desarrollo de eventos cardioembólicos complejos en la FA, y repercusiones dramáticas debido a procesos fibrilatorios sostenidos que amenazan la vida infringiendo daño neurológico tras paro cardíaco por FV, y que pueden provocar la muerte súbita cardíaca (MSC). Sin embargo, a pesar de los avances tecnológicos de las últimas décadas, sus mecanismos intrínsecos se comprenden de forma incompleta y, hasta la fecha, las estrategias terapéuticas carecen de una base mecanicista suficiente y poseen bajas tasas de éxito. Entre los mecanismos implicados en la inducción y perpetuación de arritmias cardíacas, como la FA, se cree que las dinámicas de las fuentes focales y reentrantes de alta frecuencia, en sus diferentes modalidades, son las fuentes primarias que mantienen la arritmia. Sin embargo, se sabe poco sobre los atractores, así como, de la dinámica espacio-temporal de tales fuentes fibrilatorias primarias, específicamente, las fuentes focales o rotacionales dominantes que mantienen la arritmia. Por ello, se ha desarrollado una plataforma computacional, para comprender los factores (activos, pasivos y estructurales) determinantes, y moduladores de dicha dinámica. Esto ha permitido establecer un marco para comprender la compleja dinámica de los rotores con énfasis en sus propiedades deterministas para desarrollar herramientas basadas en los mecanismos para ayuda diagnóstica y terapéutica. Comprender los procesos fibrilatorios es clave para desarrollar marcadores y herramientas fisiológica- y clínicamente relevantes para la ayuda de diagnóstico temprano. Específicamente, las propiedades espectrales y de tiempo-frecuencia de los procesos fibrilatorios han demostrado resaltar el comportamiento determinista principal de los mecanismos intrínsecos subyacentes a las arritmias y el impacto de tales eventos arrítmicos. Esto es especialmente relevante para determinar el pronóstico temprano de los supervivientes comatosos después de un paro cardíaco debido a fibrilación ventricular (FV). Las técnicas de mapeo electrofisiológico, el mapeo eléctrico y óptico cardíaco, han demostrado ser recursos muy valiosos para dar forma a nuevas hipótesis y desarrollar nuevos enfoques mecanicistas y estrategias terapéuticas mejoradas. Esta tecnología permite además el trabajo multidisciplinar entre clínicos y bioingenieros, para el desarrollo y validación de dispositivos y metodologías para identificar biomarcadores multi-dominio que permitan rastrear con precisión la dinámica de las arritmias identificando fuentes dominantes y atractores con alta precisión para ser dianas de estrategias terapeúticas innovadoras. Es por ello que uno de los objetivos fundamentales ha sido la implantación y validación de nuevos sistemas de mapeo en distintas configuraciones que sirvan de plataforma de desarrollo de nuevas estrategias terapeúticas. Aunque el mapeo panorámico es el método principal y más completo para rastrear simultáneamente biomarcadores electrofisiológicos, su adopción por la comunidad científica es limitada principalmente debido al coste elevado de la tecnología. Aprovechando los avances tecnológicos recientes, nos hemos enfocado en desarrollar, y validar, sistemas de mapeo óptico de alta resolución para registro panorámico cardíaco, utilizando modelos clínicamente relevantes para la investigación básica y la bioingeniería. / [CAT] Les arítmies cardíaques són un problema important per als sistemes de salut del món desenvolupat a causa de la seva alta incidència i prevalença a mesura que la població envelleix. La fibril·lació auricular (FA) i la fibril·lació ventricular (FV), es troben entre les arítmies més complexes observades a la pràctica clínica. Les conseqüències clíniques d'aquests trastorns arítmics inclouen el desenvolupament d'esdeveniments cardioembòlics complexos en FA i repercussions dramàtiques a causa de processos fibril·latoris sostinguts que posen en perill la vida amb danys neurològics posteriors a la FV, que condueixen a una aturada cardíaca i a la mort cardíaca sobtada (SCD). Tanmateix, malgrat els avanços tecnològics de les darreres dècades, els seus mecanismes intrínsecs s'entenen de forma incompleta i, fins a la data, les estratègies terapèutiques no tenen una base mecanicista suficient i tenen baixes taxes d'èxit. La majoria dels avenços en el desenvolupament de biomarcadors òptims i noves estratègies terapèutiques en aquest camp provenen de tècniques valuoses en la investigació de mecanismes d'arítmia. Entre els mecanismes implicats en la inducció i perpetuació de les arítmies cardíaques, es creu que les fonts primàries subjacents a l'arítmia són les fonts focals reingressants d'alta freqüència dinàmica i AF, en les seves diferents modalitats. Tot i això, se sap poc sobre els atractors i la dinàmica espaciotemporal d'aquestes fonts primàries fibril·ladores, específicament les fonts rotacionals o focals dominants que mantenen l'arítmia. Per tant, s'ha desenvolupat una plataforma computacional per entendre determinants actius, passius, estructurals i moduladors d'aquestes dinàmiques. Això va permetre establir un marc per entendre la complexa dinàmica multidomini dels rotors amb ènfasi en les seves propietats deterministes per desenvolupar enfocaments mecanicistes per a l'ajuda i la teràpia diagnòstiques. La comprensió dels processos fibril·latoris és clau per desenvolupar puntuacions i eines rellevants fisiològicament i clínicament per ajudar al diagnòstic precoç. Concretament, les propietats espectrals i de temps-freqüència dels processos fibril·latoris han demostrat destacar un comportament determinista important dels mecanismes intrínsecs subjacents a les arítmies i l'impacte d'aquests esdeveniments arítmics. Mitjançant coneixements previs, processament de senyals, tècniques d'aprenentatge automàtic i anàlisi de dades, es va desenvolupar una puntuació de risc mecanicista a la aturada cardíaca per FV. Les tècniques de cartografia òptica cardíaca i electrofisiològica han demostrat ser recursos inestimables per donar forma a noves hipòtesis i desenvolupar nous enfocaments mecanicistes i estratègies terapèutiques. Aquesta tecnologia ha permès durant molts anys provar noves estratègies terapèutiques farmacològiques o ablatives i desenvolupar mètodes multidominis per fer un seguiment precís de la dinàmica d'arrímies que identifica fonts i atractors dominants. Tot i que el mapatge panoràmic és el mètode principal per al seguiment simultani de paràmetres electrofisiològics, la seva adopció per part de la comunitat multidisciplinària d'investigació cardiovascular està limitada principalment pel cost de la tecnologia. Aprofitant els avenços tecnològics recents, ens centrem en el desenvolupament i la validació de sistemes de mapes òptics de baix cost per a imatges panoràmiques mitjançant models clínicament rellevants per a la investigació bàsica i la bioenginyeria. / [EN] Cardiac arrhythmias are a major problem for health systems in the developed world due to their high incidence and prevalence as the population ages. Atrial fibrillation (AF) and ventricular fibrillation (VF), are amongst the most complex arrhythmias seen in the clinical practice. Clinical consequences of such arrhythmic disturbances include developing complex cardio-embolic events in AF, and dramatic repercussions due to sustained life-threatening fibrillatory processes with subsequent neurological damage under VF, leading to cardiac arrest and sudden cardiac death (SCD). However, despite the technological advances in the last decades, their intrinsic mechanisms are incompletely understood, and, to date, therapeutic strategies lack of sufficient mechanistic basis and have low success rates. Most of the progress for developing optimal biomarkers and novel therapeutic strategies in this field has come from valuable techniques in the research of arrhythmia mechanisms. Amongst the mechanisms involved in the induction and perpetuation of cardiac arrhythmias such AF, dynamic high-frequency re-entrant and focal sources, in its different modalities, are thought to be the primary sources underlying the arrhythmia. However, little is known about the attractors and spatiotemporal dynamics of such fibrillatory primary sources, specifically dominant rotational or focal sources maintaining the arrhythmia. Therefore, a computational platform for understanding active, passive and structural determinants, and modulators of such dynamics was developed. This allowed stablishing a framework for understanding the complex multidomain dynamics of rotors with enphasis in their deterministic properties to develop mechanistic approaches for diagnostic aid and therapy. Understanding fibrillatory processes is key to develop physiologically and clinically relevant scores and tools for early diagnostic aid. Specifically, spectral and time-frequency properties of fibrillatory processes have shown to highlight major deterministic behaviour of intrinsic mechanisms underlying the arrhythmias and the impact of such arrhythmic events. Using prior knowledge, signal processing, machine learning techniques and data analytics, we aimed at developing a reliable mechanistic risk-score for comatose survivors of cardiac arrest due to VF. Cardiac optical mapping and electrophysiological mapping techniques have shown to be unvaluable resources to shape new hypotheses and develop novel mechanistic approaches and therapeutic strategies. This technology has allowed for many years testing new pharmacological or ablative therapeutic strategies, and developing multidomain methods to accurately track arrhymia dynamics identigying dominant sources and attractors. Even though, panoramic mapping is the primary method for simultaneously tracking electrophysiological parameters, its adoption by the multidisciplinary cardiovascular research community is limited mainly due to the cost of the technology. Taking advantage of recent technological advances, we focus on developing and validating low-cost optical mapping systems for panoramic imaging using clinically relevant models for basic research and bioengineering. / Calvo Saiz, CJ. (2022). Novel Cardiac Mapping Approaches and Multimodal Techniques to Unravel Multidomain Dynamics of Complex Arrhythmias Towards a Framework for Translational Mechanistic-Based Therapeutic Strategies [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/182329 / TESIS

El elevado riesgo tromboembólico y hemorrágico en la fibrilación auricular (FA) es altamente heterogéneo y condiciona la morbi-mortalidad de la FA. La anticoagulación oral previene eventos trombóticos y mortalidad, pero conlleva ciertos riesgos. Por ello, los pacientes son estratificados según escalas de riesgo, que se intentan refinar adicionando otros marcadores. Para evaluar su utilidad pronóstica, puntuamos según las escalas CHA2DS2-VASc y HAS-BLED a pacientes consecutivos, anticoagulados de forma estable. Además determinamos los títulos de troponina T (hsTnT) e interleukina 6 ultrasensibles (hsIL6), y el índice tobillo brazo (ITB). La escala CHA2DS2-VASc predice eventos cardiovasculares y mortalidad; la escala HAS-BLED no solo es útil en la valoración del riesgo hemorrágico sino que también muestra valor predictivo de eventos cardiovasculares y mortalidad. Los valores de hsTnT y los de hsIL6 añaden información pronóstica, mejorando el índice de discriminación integrado de ambas escalas. El ITB resultó predictor de eventos trombóticos y hemorrágicos / The high thrombotic risk determines the atrial fibrillation morbi-mortality. Oral anticoagulation results in stroke and mortality prevention, at the expense of bleeding-related risk. These risks are highly heterogeneous, reason why patients are stratified according to risk scores, refined by specific biomarkers. In order to evaluate their prognostic value, we recruited consecutive patients, steady on oral anticoagulation, in whom CHA2DS2-VASc and HAS-BLED scores were calculated. In addition levels of high sensitivity troponin T and interleukin 6 (hsTnT and hsIL6 respectively) were determined, and the ankle brachial index (ABI) measured. The CHA2DS2-VASc score predicts cardiovascular events and mortality; HAS-BLED score is not only useful to assess bleeding risk but also shows predictive value for cardiovascular events and mortality. In addition levels of both hsTnT and hsIL6 provided prognostic information, improving the integrated discrimination index of both scores. Abnormal ABI was an independent predictor for all-cause mortality and major bleeding.

[ES] Las enfermedades cardiovasculares son una de las principales causas de mortalidad y morbilidad en el mundo. Entre las arritmias más comunes en adultos destaca la Fibrilación Auricular (FA), presentando una tendencia de crecimiento muy significativa, sobre todo en población de edad avanzada o con trastornos de obesidad. En el otro extremo, nos encontramos con la Miocardiopatía Arritmogénica (MCA), considerada una enfermedad rara con una prevalencia de 1:2000-5000 pero con gran afectación entre familiares directos, causante de muerte súbita cardiaca (MSC), y con un diagnóstico clínico complicado. Más allá de la FA o la MCA, existe una amplia variedad de patologías derivadas de una disfunción en la activación y conducción eléctrica del corazón. Para todas ellas, el electrocardiograma (ECG) continúa figurando como la primera y principal técnica de diagnóstico clínico, siendo una herramienta fundamental de cribado y detección de patologías relativamente económica y ampliamente accesible. Sin embargo, el diagnóstico preciso a partir de la interpretación del ECG requiere de médicos experimentados, siendo ésta una tarea que consume recursos, tiempo y que además está sujeta a la variabilidad entre observadores. Respecto a las afecciones cardiacas más comunes, conseguir un diagnóstico de forma automática que sea fiable, utilizando tanto 12 como un número reducido o único de derivaciones, sigue presentándose como un desafío. Este aspecto cobra especial relevancia con el uso cada vez más extendido de dispositivos portátiles o wearables, los cuales están ganando un gran interés para la detección temprana y preventiva de enfermedades cardiacas, registrando normalmente un número reducido de derivaciones ECG. Dicho uso masivo les confiere un gran potencial para facilitar el cribado y seguimiento de distintas afecciones en una amplia variedad de escenarios, a pesar de registrar señales de peor calidad en comparación con equipos certificados para uso clínico. El principal reto con estos dispositivos es encontrar un equilibrio adecuado entre la sensibilidad y la especificidad en la detección de ritmos cardiacos susceptibles de ser patológicos. En consecuencia, es indispensable diseñar e implementar algoritmos precisos adecuados para dispositivos móviles o portátiles capaces de detectar distintas afecciones cardiacas en registros de ECG. Respecto las afecciones cardiacas menos comunes como el caso de la MCA, es necesario incrementar la sensibilidad en la detección durante los cribados intra-familiares realizados tras una MSC. Para ello, sería posible explorar biomarcadores propios a esta enfermedad obtenidos mediante técnicas de procesado de señales ECG, además de modelos de clasificación que hagan uso de ellos, contribuyendo así a reducir el número de casos de muerte súbita. En base a lo descrito anteriormente, la presente tesis estudia las posibilidades de diagnóstico basadas en técnicas de aprendizaje y clasificación automática en dos escenarios principales. El primero aborda la detección de la FA, así como un amplio abanico de otras patologías cardiacas comunes, donde proponemos y validamos distintos modelos de clasificación de bajo consumo computacional. Todo esto, utilizando extensas bases de datos de acceso abierto, y haciendo énfasis en enfoques de derivación única, ya que son los más utilizados en dispositivos móviles e inteligentes. El segundo escenario se centra en la detección de MCA mediante las 12 derivaciones estándar del ECG, donde proponemos y validamos nuevos biomarcadores y modelos de clasificación que tratan de incrementar la sensibilidad de los cribados intra-familiares realizados tras una MSC. Para ello, utilizamos una base de datos específica de la Unidad de Cardiopatías Familiares del Hospital Universitario y Politécnico La Fe de València. / [CA] Les malalties cardiovasculars són una de les principals causes de mortalitat i morbiditat en el món. Entre les arrítmies més comunes en adults destaca la Fibril·lació Auricular (FA), presentant una tendència de creixement molt significativa, sobretot en població d'edat avançada o amb trastorns d'obesitat. En l'altre extrem, ens trobem amb la Miocardiopatia Arritmogènica (MCA), considerada una malaltia rara amb una prevalença de 1:2000-5000 però amb gran afectació entre familiars directes, causant de mort sobtada cardíaca (MSC), i amb un diagnòstic clínic complicat. Més enllà de la FA o la MCA, existeix una àmplia varietat de patologies derivades d'una disfunció en l'activació i conducció elèctrica del cor. Per a totes elles, l'electrocardiograma (ECG) continua figurant com la primera i principal tècnica de diagnòstic clínic, sent una eina fonamental de cribratge i detecció de patologies relativament econòmica i àmpliament accessible. No obstant això, el diagnòstic precís a partir de la interpretació del ECG requereix de metges experimentats, sent aquesta una tasca que consumeix recursos, temps i que a més està subjecta a la variabilitat entre observadors. Respecte a les afeccions cardíaques més comunes, aconseguir un diagnòstic de manera automàtica que siga fiable, utilitzant tant 12 com un número reduït o únic de derivacions, continua presentant-se com un desafiament. Aquest aspecte cobra especial rellevància amb l'ús cada vegada més estés de dispositius portàtils o wearables, els quals estan guanyant un gran interés per a la detecció precoç i preventiva de malalties cardíaques, registrant normalment un nombre reduït de derivacions ECG. Aquest ús massiu els confereix un gran potencial per a facilitar el cribratge i seguiment de diferents afeccions en una àmplia varietat d'escenaris, malgrat registrar senyals de pitjor qualitat en comparació amb equips certificats per a ús clínic. El principal repte amb aquests dispositius és trobar un equilibri adequat entre la sensibilitat i l'especificitat en la detecció de ritmes cardíacs susceptibles de ser patològics. En conseqüència, és indispensable dissenyar i implementar algorismes precisos adequats per a dispositius mòbils o portàtils capaços de detectar diferents afeccions cardíaques en registres de ECG. Respecte les afeccions cardíaques menys comunes com el cas de la MCA, és necessari incrementar la sensibilitat en la detecció durant els cribratges intra-familiars realitzats després d'una MSC. Per a això, seria possible explorar biomarcadors propis a aquesta malaltia obtinguts mitjançant tècniques de processament de senyals ECG, a més de models de classificació que facen ús d'ells, contribuint així a reduir el nombre de casos de mort sobtada. Sobre la base del descrit anteriorment, la present tesi estudia les possibilitats de diagnòstic basades en tècniques d'aprenentatge i classificació automàtica en dos escenaris principals. El primer aborda la detecció de la FA, així com un ampli ventall d'altres patologies cardíaques comunes, on proposem i validem diferents models de classificació de baix consum computacional. Tot això, utilitzant extenses bases de dades d'accés obert, i fent èmfasi en enfocaments de derivació única, ja que són els més utilitzats en dispositius mòbils i intel·ligents. El segon escenari se centra en la detecció de MCA mitjançant les 12 derivacions estàndard de l'ECG, on proposem i validem nous biomarcadors i models de classificació que tracten d'incrementar la sensibilitat dels cribratges intra-familiars realitzats després d'una MSC. Per a això, utilitzem una base de dades específica de la Unitat de Cardiopaties Familiars de l'Hospital Universitari i Politècnic La Fe de València. / [EN] Cardiovascular diseases are one of the leading causes of mortality and morbidity worldwide. Atrial Fibrillation (AF) stands out among adults' most common arrhythmias, presenting a very significant growth trend, especially in the elderly population or those with obesity disorders. At the other extreme, we find Arrhythmogenic Cardiomyopathy (ACM), a rare disease with a prevalence of 1:2000-5000 but great affectation among direct relatives, causing sudden cardiac death (SCD), and with a complicated clinical diagnosis. Beyond AF or ACM, there is a wide variety of pathologies derived from dysfunctions in the activation or electrical conduction of the heart. For all of them, the electrocardiogram (ECG) continues to appear as the first and foremost clinical diagnostic technique, being a fundamental tool for screening and detecting pathologies that is relatively cheap and widely accessible. However, accurate diagnosis based on ECG interpretation requires experienced physicians, as this task consumes resources, time and is subject to variability between observers. For the most common cardiac conditions, achieving a reliable diagnosis automatically, using either 12 or a smaller or single number of leads, remains a challenge. This aspect is especially relevant with the increasingly widespread use of portable or wearable devices, which are gaining significant interest for the early and preventive detection of heart disease, typically recording a reduced number of ECG leads. Such massive use gives them great potential to facilitate screening and monitoring different conditions in different scenarios, despite registering signals of lower quality compared to equipment certified for clinical use. The main challenge with these devices is finding the right balance between sensitivity and specificity in detecting pathologic heart rhythms. Consequently, designing and implementing accurate algorithms suitable for mobile or portable devices capable of detecting different cardiac conditions in ECG recordings is essential. Concerning less common cardiac conditions such as the case of ACM, it is necessary to increase the sensitivity in detection during intra-family screenings carried out after an SCD. Hence, it would be possible to explore specific biomarkers to this disease obtained through ECG signal processing techniques, as well as classification models that use them, thus contributing to reduce the number of cases of sudden death. Based on the previously described, this thesis studies the diagnostic possibilities based on machine learning and classification techniques in two main scenarios. The first deals with detecting AF and a wide range of other common cardiac pathologies, where we propose and validate different classification models with low computational consumption. All this, using extensive open access databases, and emphasizing single-lead approaches, since they are the most used in mobile and smart devices. The second scenario focuses on detecting ACM using the standard 12-lead ECG, where we propose and validate new biomarkers and classification models that try to increase the sensitivity of intra-family screenings carried out after an MSC. For this task, we used a specific database of the Familial Cardiopathies Unit of the Hospital Universitario y Politécnico La Fe de València. / Jiménez Serrano, S. (2023). Desarrollo de nuevos marcadores y clasificadores de bajo coste computacional para identificar afecciones cardiacas en registros ECG [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/196826

Tesis por compendio / [ES] La fibrilación auricular (FA) es la arritmia cardíaca más común. A pesar de la gran popularidad de la ablación con catéter (AC) como tratamiento principal, todavía hay margen de mejora. Aunque las venas pulmonares (VPs) son los principales focos de FA, muchos sitios pueden contribuir a su propagación, formando el sustrato de la FA (SFA). El mapeo preciso del SFA y el registro de la modificación del SFA, como marcador positivo después de AC, son fundamentales. Los electrocardiogramas (ECG) y los electrogramas (EGM) se reclutan para este propósito. Los EGM se utilizan para detectar candidatos de AC como áreas que provocan o perpetúan la FA. Por lo tanto, el análisis de EGM es una parte indispensable de AC. Con la capacidad de observar las aurículas globalmente, la principal aplicación de los ECG es evaluar la modificación del SFA analizando las ondas f o P. A pesar del extenso análisis de cualquiera de los tipos de registro, existen algunas brechas. La AC no-VP aumenta el tiempo en quirófano, provocando mayores riesgos y costos. En cuanto al análisis de la modificación del SFA, se utilizan varios umbrales para definir una onda P prolongada. El principal objetivo de la presente Tesis es contribuir al esfuerzo de análisis de SFA y de modificación de SFA. Para ello, la presente Tesis se desarrolló bajo dos hipótesis principales. Que la calidad de la información extraída durante el SFA y el análisis de modificación del SFA se puede mejorar mediante la introducción de pasos innovadores. Además, la combinación de análisis de ECG y EGM puede aumentar la resolución del mapeo y revelar nueva información sobre los mecanismos de FA. Para cumplir con el objetivo principal, el análisis se divide en 4 partes, conformando los 4 capítulos del Compendio de articulos. En primer lugar, se reclutó la dimensión de correlación de grano grueso (DCGG). DCGG localizó de manera confiable EGM complejos y la clasificación por tipos de FA arrojó una precisión del 84 %. Luego, se adoptó un análisis alternativo de la onda P, estudiando por separado su primera y su segunda parte, correspondientes a la aurícula derecha (AD) e izquierda (AI). Los resultados indicaron LA como la principal fuente de modificación del SFA y subrayaron la importancia de estudiar partes integrales de ECG. Los hallazgos de este estudio también sugieren la implementación de partes integrales de ondas P como un posible alivio de las discrepancias en los umbrales de ondas P para definir el tejido fibrótico. Posteriormente, se estudió el efecto diferente del aislamiento de la VP izquierda (AVPI) y derecha (AVPD) sobre la modificación del SFA. AVPI fue la parte crítica, siendo la fuente exclusiva de acortamiento de onda P. El análisis de los registros durante la AC también permitió una observación más cercana de las fluctuaciones de la variabilidad de la frecuencia cardíaca (VFC) a lo largo del procedimiento de CA, lo que reveló información sobre el efecto de la energía de radiofrecuencia (RF) en el tejido auricular. La última parte se centró en el seno coronario (SC), una estructura fundamental en el mapeo de FA para aumentar la resolución de la información. Se definieron los canales más y menos robustos durante el ritmo sinusal (RS) y se investigó la utilidad de SC en la evaluación de la modificación del SFA. Aunque CS no proporcionó una imagen global de la alteración del SFA, pudo registrar con mayor sensibilidad las fluctuaciones en la respuesta auricular durante la AC. Los hallazgos presentados en esta Tesis Doctoral ofrecen una perspectiva alternativa sobre la modificación del SFA y contribuyen al esfuerzo general sobre el mapeo de FA y la evaluación del sustrato posterior a la CAAC, abriendo futuras líneas de investigación hacia una resolución más alta y un mapeo más eficiente de los mecanismos desencadenantes de la FA. / [CA] La fibril·lació auricular (FA) és l'arítmia cardíaca més comú. Tot i la gran popularitat de l'ablació amb catèter (AC) com a tractament principal, encara hi ha marge de millora. Tot i que les venes pulmonars (VPs) són els principals focus de FA, molts llocs poden contribuir a la seva propagació, formant el substrat de la FA (SFA). El mapatge precís de l'SFA i el registre de la modificació de l'SFA, com a marcador positiu després d'AC, són fonamentals. Els electrocardiogrames (ECG) i els electrogrames (EGM) es recluten per a aquest propòsit. Els EGM es fan servir per detectar candidats d'AC com a àrees que provoquen o perpetuen la FA. Per tant, lanàlisi dEGM és una part indispensable dAC. Amb la capacitat d'observar les aurícules globalment, la principal aplicació dels ECG és avaluar la modificació de l'SFA analitzant les ones f o P. Tot i l'extensa anàlisi de qualsevol dels tipus de registre, hi ha algunes bretxes. L'AC no-VP augmenta el temps a quiròfan, provocant majors riscos i costos. Pel que fa a l'anàlisi de la modificació de l'SFA, s'utilitzen diversos llindars per definir una ona P perllongada. L'objectiu principal d'aquesta Tesi és contribuir a l'esforç d'anàlisi de SFA i de modificació de SFA. Per això, aquesta Tesi es va desenvolupar sota dues hipòtesis principals. Que la qualitat de la informació extreta durant el SFA i lanàlisi de modificació de lSFA es pot millorar mitjançant la introducció de passos innovadors. A més, la combinació d'anàlisi d'ECG i EGM pot augmentar la resolució del mapatge i revelar informació nova sobre els mecanismes de FA. Per complir amb l'objectiu principal, l'anàlisi es divideix en 4 parts i es conforma els 4 capítols del Compendi d'articles. En primer lloc, es va reclutar la dimensió de correlació de gra gruixut (DCGG). DCGG va localitzar de manera fiable EGM complexos i la classificació per tipus de FA va donar una precisió del 84%. Després, es va adoptar una anàlisi alternativa de l'ona P, estudiant per separat la primera i la segona part corresponents a l'aurícula dreta (AD) i esquerra (AI). Els resultats van indicar LA com la font principal de modificació de l'SFA i van subratllar la importància d'estudiar parts integrals d'ECG. Les troballes d'aquest estudi també suggereixen la implementació de parts integrals d'ones P com a possible alleugeriment de les discrepàncies als llindars d'ones P per definir el teixit fibròtic. Posteriorment, es va estudiar l'efecte diferent de l'aïllament de la VP esquerra (AVPI) i la dreta (AVPD) sobre la modificació de l'SFA. AVPI va ser la part crítica, sent la font exclusiva d'escurçament d'ona P. L'anàlisi dels registres durant l'AC també va permetre una observació més propera de les fluctuacions de la variabilitat de la freqüència cardíaca (VFC) al llarg del procediment de CA , cosa que va revelar informació sobre l'efecte de l'energia de radiofreqüència (RF) en el teixit auricular. L'última part es va centrar al si coronari (SC), una estructura fonamental al mapeig de FA per augmentar la resolució de la informació. Es van definir els canals més i menys robustos durant el ritme sinusal (RS) i es va investigar la utilitat de SC a l'avaluació de la modificació de l'SFA. Tot i que CS no va proporcionar una imatge global de l'alteració de l'SFA, va poder registrar amb més sensibilitat les fluctuacions a la resposta auricular durant l'AC. Les troballes presentades en aquesta Tesi Doctoral ofereixen una perspectiva alternativa sobre la modificació de l'SFA i contribueixen a l'esforç general sobre el mapeig de FA i l'avaluació del substrat posterior a la CAAC, obrint futures línies de recerca cap a una resolució més alta i un mapeig més eficient dels mecanismes desencadenants de la FA. / [EN] Atrial fibrillation (AF) is the commonest cardiac arrhythmia. Despite the high popularity of catheter ablation (CA) as the main treatment, there is still room for improvement. Time spent in AF affects the AF confrontation and evolution, with 1,15% of paroxysmal AF patients progressing to persistent annually. Therefore, from diagnosis to follow-up, every aspect that contributes to the AF confrontation is of utmost importance. Although pulmonary veins (PVs) are the main AF foci, many sites may contribute to the AF propagation, by triggering or sustaining the AF, forming the AF substrate. Precise AF substrate mapping and recording of the AF substrate modification, as a positive marker after CA sessions, are critical. Electrocardiograms (ECGs) and electrograms (EGMs) are vastly recruited for this purpose. EGMs are used to detect candidate CA targets as areas that provoke or perpetuate AF. Hence, EGMs analysis is an indispensable part of the CA procedure. With the ability to observe the atria globally, ECGs' main application is to assess the AF substrate modification by analyzing f- or P-waves from recordings before and after CA. Despite the extensive analysis on either recording types, some gaps exist. Non-PV CA increases the time in operation room, provoking higher risks and costs. Furthermore, whether non-PV CA is beneficial is under dispute. As for the AF substrate modification analysis, various thresholds are used to define a prolonged P-wave, related with poor CA prognostics. The main objective of the present Thesis is to contribute to the effort of AF substrate and AF substrate modification analysis. For this purpose, the present Thesis was developed under two main hypotheses. That the information quality extracted during AF substrate and AF substrate modification analysis can be improved by introducing innovative steps. Also, that combining ECG and EGM analysis can augment the mapping resolution and reveal new information regarding AF mechanisms. To accomplish the main objective, the analysis is split in 4 parts, forming the 4 chapters of the Compendium of publications. Firstly, coarse-grained correlation dimension (CGCD) was recruited. CGCD reliably localized highly complex EGMs and classification by AF types yielded 84% accuracy. Then, an alternative P-wave analysis was suggested, studying separately the first and second P-wave parts, corresponding to the right (RA) and left (LA) atrium. The findings indicated LA as the main AF substrate modification source and underlined the importance of studying integral ECG parts. The findings of this study additionally suggest the implementation of integral P-wave parts as a possible alleviation for the discrepancies in P-wave thresholds to define fibrotic tissue. Afterwards, the different effect of left (LPVI) and right pulmonary vein isolation (RPVI) on the AF substrate modification was studied. LPVI was the critical part, being the exclusive source of P-wave shortening. Analysis of recordings during CA also allowed a closer observation of the heart rate variability (HRV) fluctuations throughout the CA procedure, revealing information on the effect of radiofrequency (RF) energy on the atrial tissue. The last part was focused on coronary sinus (CS), a fundamental structure in AF mapping to increase the information resolution. The most and least robust channels during sinus rhythm (SR) were defined and the utility of CS in AF substrate modification evaluation was investigated. Although CS did not provide a global picture of the AF substrate alteration, it was able to record with higher sensitivity the fluctuations in the atrial response during the application of RF energy. The findings presented in this Doctoral Thesis offer an alternative perspective on the AF substrate modification and contribute to the overall effort on AF mapping and post-CA substrate evaluation, opening future lines of research towards a higher resolution and more efficient mapping of the AF drivers. / Vraka, A. (2022). Characterization of the Substrate Modification in Patients Undergoing Catheter Ablation of Atrial Fibrillation [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/191410 / Compendio