Tratamiento de la señal bipolar endocárdica durante la fibrilación auricular y análisis de su comportamiento evolutivo en el tiempo según estadios progresivos de la enfermedad en humanos

Abstract

La fibrilación auricular (FA) es la arritmia cardiaca sostenida más común. Su prevalencia se incrementa con la edad, estimándose en un 9% a la edad de 64 años. Desde el punto de vista clínico es una patología muy relevante, que ocasiona la mayor proporción de los accidentes cardiovasculares (ICTUs) y actúa como un factor pronóstico en cuanto a la mortalidad cardiovascular. Su diagnóstico se realiza por electrocardiografía mediante la identificación de ondas f fibrilatorias, las cuales varían en cuanto a su amplitud y forma en el tiempo, y van asociadas a una respuesta ventricular irregular dependiente del sistema eléctrico de conducción del corazón. La clasificación clínica de la FA identifica tres estadios que tienen relación con el perfil evolutivo de la enfermedad: (I) FA paroxística, consistente en eventos de duración menor de 7 días; (II) FA persistente, cuando las arritmias se mantiene más de 7 días; y (III) FA persistente de largo tiempo de evolución cuando la duración es mayor de un año. Algunos pacientes experimentan episodios de FA paroxística indefinidamente, pero una proporción significativa de ellos evolucionan a FA persistente, deteriorando su calidad de vida, incrementando la ratio de complicaciones y requiriendo un grado variable de intervenciones diagnósticas y terapéuticas. Predecir quienes mostrarán ese comportamiento evolutivo podría ayudar a la toma de decisiones precoces que mejorase el pronóstico de los pacientes. Y para ello, el análisis de las señales eléctricas en FA y su comportamiento evolutivo podría ser una estrategia de utilidad clínica. En la presente tesis doctoral se estudia cómo métodos de análisis y procesado de la señal eléctrica cardiaca en FA, (obtenida desde pacientes portadores de marcapasos (MP) con capacidad de registro, almacenaje y exportación digital de la misma), permiten el estudio de su comportamiento evolutivo y la predicción a formas persistentes de la FA humana. Para ello, esta tesis doctoral se estructura en 5 pasos consecutivos, cada uno de los cuales se vincula con objetivos concretos. En primer lugar, se abordan los problemas y limitaciones existentes en la actualidad para un correcto procesado de la señal eléctrica cardiaca registrada en la aurícula humana por los dispositivos marcapasos. Estos son (i) las variaciones en la calidad (amplitud y frecuencia) de la señal derivada de los cambios madurativos tras el implante del marcapasos y (ii) la contaminación de la señal con ruido fisiológico procedente de otras cámaras cardiacas (señal de campo lejano ventricular; del inglés Far Field [FF]). Para atender a estas limitaciones se desarrolla una metodología de evaluación semiautomática de la calidad de la señal (Objetivo 1; Capítulo 2) y se implementan nuevas técnicas de filtraje de la señal eléctrica cardiaca (Objetivo 2; Capítulo 2) basadas en técnicas de Análisis Espectral Singular (SSA) junto con un cambio en escala de tiempo de una forma no lineal. En segundo lugar, y ante la necesidad de disponer un número suficiente de señales que nos permitan evaluar los algoritmos planteados, se diseñó una metodología generadora de datos sintéticos que presentan una estadística compatible con los datos reales de los que disponemos (Objetivo 3; Capítulo 3). Para ello se desarrolló una red de células cardiacas que permite simular la señal cardiaca de la aurícula durante FA, basándonos en las distribuciones de probabilidad que gobiernan los componentes estocásticos de cada célula. En tercer lugar, se desarrolla una nueva metodología de análisis sobre los histogramas de los episodios de FA (Objetivo 4; Capítulo 4) que aumenta la fiabilidad en el proceso diagnóstico. Este apartado adquiere especial relevancia ya que en la práctica es frecuente que no se disponga de las duraciones de los eventos, o cuando se dispone de ellas se presentan dudas sobre su fiabilidad. Para ello se aplica el algoritmo de esperanza-maximización (EM) para estimar en el contexto de un modelo de Markov las duraciones de los episodios. Por último, se construyen mapas bidimensionales (Objetivo 5; Capítulo 5) que permiten de forma muy gráfica analizar la fiabilidad de los parámetros estimados y su evolución en el tiempo, disponiendo así de una herramienta que permitirá analizar y predecir la evolución temporal de los episodios de FA en los pacientes.