Spatio-temporal characterization of the surface electrocardiogram for catheter ablation outcome prediction in persistent atrial fibrillation
Caractérisation spatio-temporelle de l'électrocardiogramme de surface pour prédire le résultat de l'ablation par cathéter de la fibrillation atriale persistante
Résumé
Atrial fibrillation (AF) is the most common sustained cardiac arrhythmia encountered in clinical practice, and one of the main causes of ictus and strokes. Despite the advances in the comprehension of its mechanisms, its thorough characterization and the quantification of its effects on the human heart are still an open issue. In particular, the choice of the most appropriate therapy is frequently a hard task. Radiofrequency catheter ablation (CA) is becoming one of the most popular solutions for the treatment of the disease. Yet, very little is known about its impact on heart substrate during AF, thus leading to an inaccurate selection of positive responders to therapy and a low success rate; hence, the need for advanced signal processing tools able to quantify AF impact on heart substrate and assess the effectiveness of the CA therapy in an objective and quantitative manner. This approach would help understand which patients could effectively benefit from ablation, thus avoiding unnecessary and expensive procedures, and helping in the selection of a patient-tailored therapy. Valuable information about AF can be provided by multilead electrocardiogram (ECG) recordings of heart electrical activity in a noninvasive and cost-effective manner. However, most of standard ECG processing techniques are affected by several shortcomings. First, some CA outcome predictors are manually determined on surface ECG, thus affected by low repetitiveness. In addition, several parameters are merely computed in one ECG lead, therefore neglecting potential information about AF and its spatial distribution coming from the other leads. This doctoral thesis aims at exploiting the multi-lead character of the standard ECG to enhance CA outcome prediction accuracy and the ability of the extracted features to characterize CA. Application of multivariate signal decomposition techniques, such as principal component analysis (PCA), weighted PCA (WPCA) and nonnegative matrix factorization (NMF), allow enhancing the most discriminant components of ECG content. Features determined in this multivariate framework will act as classifiers for distinguishing between successful and failing CA procedures prior to their performance. Spatial variability of the standard ECG can be exploited to highlight some properties of the ECG signal typically observed during AF. In particular, the role of fibrillatory wave (f-wave) amplitude as a predictor of AF termination by CA is effectively enhanced in a multilead framework based on the PCA of the observed data matrix. Higher amplitude values prove to be correlated with CA success, and drawbacks of traditional methods, such as manual computation and single-lead analysis, are overcome. Variations in this parameter measured between the beginning and the end of the procedure are also able to quantify CA effects on AF dynamics, related to ablation outcome. Similarly, some multivariate signal decomposition techniques are employed to assess the predictive power of AF spatio-temporal variability (STV) on the 12-lead ECG. Previous studies have demonstrated the correlation between single-lead STV measures and AF organization. The present study exploits the multivariate character of standard ECG enhanced by WPCA and underlines the ability of multilead STV descriptors to predict long-term CA outcome in persistent AF: the more irregular and dispersive the AF pattern, the less likely AF termination by CA. To the same extent, the NMF method proves to be an effective tool for processing STV variability content of the ECG. The aforementioned ECG properties can be also exploited for a combined analysis of AF content by means of the logistic regression (LR) technique. This model condenses in a unique index the most relevant contributions provided by surface recordings by selectively enhancing the most content-bearing ECG leads, while reducing the influence of the other electrodes. LR measures can effectively assess AF termination by CA at several follow-up periods. Further contributions to AF analysis are provided by information theory, which actually helps exploring surface ECG spatial variability by assessing the degree of similarity between AF patterns observed on different leads. These regularity measures also prove to quantify CA effectiveness, and a link between the degree of interlead correlation and the procedural success is demonstrated. Another line of investigation focuses on the analysis of the ventricular response, as changes in atrioventricular (AV) node function and its refractoriness during AF are reflected on the irregularity of the RR interval (RRI) distribution. Heartbeat occurrences are modeled as a point process, and effects of sino-atrial (SA) node response to sympathetic and parasympathetic inputs from the autonomous nervous system are taken into account in this probabilistic framework. Such a method allows for the extraction of heart rate variability (HRV) indexes which effectively highlight asymmetry and dispersion characteristics of the RRI distribution in presence of AF.
La fibrillation auriculaire (FA) est la trouble cardiaque la plus courante, ainsi que une des causes principales des accidents vasculaires cérébraux. Malgré le progrès dans la compréhension de cette pathologie, les mécanismes à la base de la FA ses effets sur le coeur humain ne sont pas encore très clairs. D'où il vient le problème du choix de la stratégie de traitement la plus appropriée. La thérapie d'ablation par cathéter (CA) est de plus en plus utilisée pour traiter la FA, mais ses effets sur le substrat cardiaque ne sont pas suffisamment compris, d'où un taux de réussite très variable et le besoin d'outils du traitement des signaux capables de quantifier cette action. Cette approche perméttrait de traiter par CA seulement les sujets qui peuvent béneficier de cette thérapie. L'électrocardiogramme (ECG) à 12 voies représente un outil non invasif peu coûteux pour caractériser la FA à partir de l'activité électrique du coeur. Cependant, les prédicteurs classiques de l'issue de la CA présentent plusieurs inconvénients, notamment leur calcul manuel sur une seule voie de l'ECG, qu'amène à négliger l'information sur la FA présente sur les autres dérivations. Cette thèse exploite explicitement le caractère multi-capteur de l'ECG au moyen de techniques de décomposition multivariées, par exemple, l'analyse en composantes principales (PCA), la PCA pondérée (WPCA), la factorisation en matrices non négatives (NMF), démontrant qu'elles peuvent améliorer la puissance prédictive de certaines propriétés de l'ECG dans le cadre de la CA. La variabilité spatiale de l'ECG standard peut être exploitée pour souligner certaines proprietés du signal ECG qui sont typiquement observées en présence de la FA. En particulier, l'amplitude des ondes fibrillatoires est corrélée avec le résultat de la CA, et traitée par une méthode multi-capteur basée sur la PCA. Valeurs plus élévées de ce paramètre prédisent la réussite de l'ablation, et les inconvenients des méthodes classiques (en particulier, le calcule manuel sur une seule dérivation) sont eliminés. Les variations de ce déscripteur mésurée entre le début et la fin de l'ablation sont également capables de quantifier les effets de la CA sur la dynamique de la FA, en rélation avec le résultat de l'ablation. D'autres techniques comme la WPCA et la NMF peuvent aussi quantifier la variabilité spatio-temporelle (STV) de la FA sur l'ECG. Des études précedents ont démontré une corrélation entre des mésures de la STV sur une seule voie et la complexité de la FA. Cette thèse souligne la valeur prédictive de cette mésure obténue dans un cadre multicapteur au moyen de la WPCA. Formes d'onde plus varaibles et irrégulieres sont associées à l'échec de la CA. Résultats similaires sont obténus en utilisant la NMF. Ces propriétés de l'ECG peuvent aussi être combinées par la régression logistique (LR), qui mets en valeur les contributions les plus significatives pour la caractérisation du résultat de l'ablation. La théorie de l'information permet également d'estimer le niveau de corrélation entre les voies de l'ECG, mis en relation avec le résultat de la CA grâce à des approches multicapteurs. Enfin, une dernière ligne de recherche concerne la réponse ventriculaire manifestée sur la variabilité cardiaque. L'approche paramétrique de processus ponctuel est capable de quantifier les effets de la réponse vagale sur le noeud sino-atriale, et souligner certaines propriétés de cette variabilité, améliorant ainsi la caractérisation de la FA.