Ein personalisiertes 3D-Modell der kardialen Elektrophysiologie unter Verwendung von MRT und optischem Mapping sagt Depolarisationsveränderungen unter Pacing in porzinen Ex-vivo-Herzen präzise voraus.
Computermodelle der kardialen Elektrophysiologie (EP) können ein sehr effizientes Werkzeug sein, um die Mechanismen von Arrhythmien besser zu verstehen. Eine quantitative Anpassung solcher Modelle an experimentelle Daten (Personalisierung) ist erforderlich, um ihren Realismus und ihre Vorhersagekraft zu überprüfen, bleibt jedoch auf Organebene eine Herausforderung. In dieser Arbeit stellen wir ein Framework zur Personalisierung eines 3D-kardialen EP-Modells, des Mitchell-Schaeffer- (MS-) Modells, vor und evaluieren dessen volumetrische Vorhersagekraft unter verschiedenen Pacing-Szenarien. Die Personalisierung wurde an gesunden großen Schweineherzen ex vivo unter Verwendung von Diffusions-Tensor-MRT- (DT-MRI-) und optischen Mapping-Daten durchgeführt. Das MS-Modell wurde auf einem 3D-Gitter simuliert, das lokale, aus der DT-MRI ermittelte Faserorientierungen berücksichtigte. Die 3D-Modellparameter wurden anhand von Merkmalen wie 2D-epikardialen Depolarisations- und Repolarisationskarten optimiert, die aus dem optischen Mapping extrahiert wurden. Wir evaluierten zudem die Sensitivität unseres Personalisierungs-Frameworks gegenüber verschiedenen Pacing-Lokalisationen und zeigten Ergebnisse zu dessen Robustheit. Darüber hinaus untersuchten wir volumetrische Modellvorhersagen für verschiedene epi- und endokardiale Pacing-Szenarien. Wir konnten vielversprechende Ergebnisse mit einem mittleren Personalisierungsfehler von etwa 5 ms und einem mittleren Vorhersagefehler von etwa 10 ms (5 % der gesamten Depolarisationszeit) nachweisen. Schließlich diskutierten wir die potenzielle Übertragung dieser Arbeit auf klinische Daten und pathologische Herzen.
Relan et al. (Fri,) untersuchten diese Frage.