Computational models of the heart for planning and treatment of outflow tract ventricular arrhythmias

Abstract

The purpose of this thesis was to develop personalised cardiovascular therapy guided by multimodal noninvasive imaging and simulations, combined with artificial intelligence tools, for the management of the outflow tract ventricular arrhythmias. The main contributions of this thesis are twofold: -We propose a pipeline to build heart computational models for simulation of ventricular tachycardia that incorporates a new specific rule-base method for fiber generation, including the ventricular outflow tracts. The pipeline allows carrying out multiscale simulations, obtaining the patient ECG for different scenarios. -We exploit the simulated data in two different ways. First, we analyse the patient's ECG preoperatively and compare it with the simulated ECGs to find the most probable site of origin of the tachycardia. In cases in which we do not have patient imaging data, we classify the patient ECG by machine learning techniques to predict the site of origin, using the simulated ECGs for training.

El objetivo principal de esta tesis fue el desarrollo de una terapia cardiovascular personalizada guiada por información multimodal no invasiva y simulaciones, combinadas con herramientas de inteligencia artificial, para el manejo de taquicardias ventriculares idiopáticas originadas en los tractos de salida del ventrículo. Las principales contribuciones de esta tesis son dos: -Desarrollo de un método de creación de modelos computacionales del corazón con el fin de simular taquicardias ventriculares, que incluye un nuevo modelo específico para calcular la orientación de las fibras en los tractos de salida del corazón. Este método permite realizar simulaciones multiescala, obteniendo el ECG virtual de cada paciente para diferentes escenarios. -Tratamiento de los resultados de las simulaciones. Primero, los ECG reales de los pacientes fueron comparados con ECGs simulados para encontrar el sitio de origen más probable de la taquicardia. En los casos en los que no se disponía de datos de imagen del paciente, el ECG del paciente fue clasificado mediante técnicas de aprendizaje automático, entrenadas con los datos simulados, para predecir el sitio de origen.