РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ ПО ПРОЕКТУ РНФ №19-14-00134 (рук. Соловьева О.Э.)
1. На основе сегментации данных МРТ с отсроченным контрастированием построены 26 детализированных моделей миокардиального фиброза и интегрированы в персонифицированные геометрические модели желудочков. Показано, что точность детализации фиброза влияет на его объемные характеристики и частоту встречаемости сегментов желудочка с фиброзными включениями. Вместе с тем средние электрофизиологические характеристики диссинхронии активации миокарда значимо не отличаются в моделях с различной точностью описания фиброза и при собственный ритме с БЛНПГ, и при бивентрикулярной (БиВ) стимуляции желудочков. Результаты говорят в пользу возможности использования относительно грубых оценок положения и размеров фиброза для прогнозирования эффектов стимуляции желудочков.
2. Разработана усовершенствованная модель проводящей системы Гиса-Пуркинье. Для каждой из построенных нами 57 анатомических моделей желудочков протестировано несколько конфигураций левой и правой ножек пучка Гиса (ЛНПГ и ПНПГ): 10 моделей ПНПГ; 10 -- ЛНПГ с удаленной передней ветвью; 10 -- ЛНПГ с удаленной задней ветвью; 10 -- ЛНПГ без обеих ветвей; 10 моделей с несколькими уровнями блокады проводящей системы от дистального до проксимального блокада ЛНПГ. На основе результатов моделирования построена прогностическая модель, предсказывающая уровень БЛНПГ на основе значений индексов диссинхронии активации. Наиболее значимыми предикторами уровня блокады оказались полное время активации желудочков, ширина QRS комплекса.
3. Разработано 19 интегративных моделей, включающих данные о фиброзе, анатомии вен коронарного синуса и желудочков. С помощью разработанного нами ранее классификатора ответа на СРТ, обученного на клинических данных и результатах персонифицированного моделирования, протестирована зависимость оценки вероятности ответа на СРТ от выбора положения ЛЖ стимулирующего электрода в доступных венах коронарного синуса. Показано, что ML балл классификатора, дающий оценку вероятности успеха СРТ, может существенно изменяться при варьировании позиции электрода в целевых венах.
Рис. 1 Примеры построенных по клиническим данным интегративных моделей желудочков сердца, коронарного синуса и реалистичного фиброза. Зелеными точками отмечены стимулирующие ЛЖ и ПЖ электроды, установленные в клинике при имплантации устройств СРТ. Цветными красно-синими точками обозначены доступные положения для установки ЛЖ электрода в венах коронарного синуса. Бордовым цветом отмечен фиброз, построенный на основе сегментации МРТ изображений. Черными точками отмечены доступные для стимуляции точки вен коронарного синуса, у которых ML балл больше 0.8, красным отмечены точки с максимальным ML баллом.
4. Собраны и проанализированы клинические данные стандартного протокола ЭХОКГ и видео-записей изображений сердца в течение сердечного цикла у пациентов контрольной группы без сердечно-сосудистой патологии (n=34) и группы пациентов с ХСН, кандидатов на СРТ до (n=30) и после (n=23) имплантации устройств СРТ. Разработан новый метод морфометрического анализа динамики изменения формы ЛЖ в течение сердечного цикла в пространстве форм и пространстве траекторий. Показано, что морфометрические параметры значимо отличаются в контрольной группе и у пациентов с ХСН, ряд характеристик обладают прогностической значимостью и входят в классификаторы, со 100% точностью разделяющие норму и патологию. С помощью логистической регрессии на параметрах морфометрического анализа построен классификатор острого ответа на СРТ, определяемого по > 10% снижению конечно-систолического объема ЛЖ. Точность классификатора составила 87% (чувствительность 86% и специфичность 89%).
5. Новые результаты моделирования, полученные в рамках усовершенствованных моделей желудочков с детализированным описанием зон фиброза (п.1), были использованы для построения усовершенствованных классификаторов ответа на СРТ, прогнозирующих вероятность улучшения фракции выброса ЛЖ на 10% и более. Мы выяснили, что хотя расстояние от ЛЖ электрода до зоны фиброза (зависит от точности представления фиброза) является одним из наиболее значимых признаков в предсказательной модели, точность классификатора ответа на СРТ и его результаты практически не изменяются при обучении на данных с сегментированной зоной фиброза по сравнению с классификатором, обученном на результатах упрощенных моделей. Разница в точности классификаторов составляет всего 0.5%. Этот результат поддерживает гипотезу о возможности использовать упрощенные модели фиброза для надежного предсказания эффективности СРТ при отборе пациентов и планировании процедуры.