Modélisation électromécanique 3D personnalisée du cœur pour la planification de la thérapie de resynchronisation chez les patients en insuffisance cardiaque

Personalised 3D electromechanical models of the heart for cardiac resynchronisation therapy planning in heart failure patients

• Auteur / Autrice : Gaëtan Desrues
• Direction : Maxime Sermesant
• Type : Thèse de doctorat
• Discipline(s) : Automatique, traitement du signal et des images
• Date : Soutenance le 28/03/2023
• Etablissement(s) : Université Côte d'Azur
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication
• Partenaire(s) de recherche : Laboratoire : Institut national de recherche en informatique et en automatique (France). Unité de recherche (Sophia Antipolis, Alpes-Maritimes)
• Jury : Président / Présidente : Hervé Delingette
• Jury : Examinateurs / Examinatrices : Maxime Sermesant, Hervé Delingette, Joakim Sundnes, Martyn Nash, Delphine Feuerstein, Serge Cazeau
• Jury : Rapporteurs / Rapporteuses : Joakim Sundnes, Martyn Nash

Mots clés

Mots clés contrôlés

Intelligence artificielle

Éléments finis, Méthode des

Biomécanique

Électrocardiographie

Stimulateurs cardiaques

Resynchronisation cardiaque

Simulation par ordinateur

Coeur

Mots clés libres

Simulation personnalisée

Jumeau numérique

ECG

CRT

Électrophysiologie cardiaque

Biomécanique

Méthode des éléments finis

Intelligence artificielle

Patient-specific simulation

Digital twin

ECG

CRT

Cardiac electrophysiology

Biomechanics

Finite element method

Artificial intelligence

Résumé

L'insuffisance cardiaque est la finalité de toutes les maladies cardiaques. Elle touche aujourd'hui 8% de la population générale vivant dans les pays développés et devrait atteindre 11% d'ici 2030. Malgré les améliorations majeures apportées par l'optimisation des thérapies et de la prévention, cette maladie a toujours un taux de mortalité élevé et représente 1 à 2% des dépenses totales dans le secteur de la santé. Parmi les différents nouveaux traitements disponibles ces dernières années, la thérapie de resynchronisation cardiaque (CRT) est apparue comme une technique très originale utilisée pour corriger l'arythmie dans ces cœurs défaillants, par stimulation directe du myocarde dans des zones précises.Depuis les débuts de la CRT, l'identification de la désynchronie est basée sur la durée de l'activation électrique ventriculaire (QRS) mesurée sur un électrocardiogramme (ECG) standard par le clinicien. Cependant, des modèles d'évaluation plus avancés permettent de mieux comprendre la cause de la désynchronie et donc d'adapter le traitement. Les récentes avancées scientifiques en matière de modélisation mathématique et de simulation numérique permettent désormais de développer des modèles personnalisés de la fonction cardiaque du patient et d'utiliser les données cliniques pour décrire la désynchronie et prédire la réponse à la thérapie de resynchronisation.Cette thèse évalue la faisabilité de l'utilisation d'un jumeau numérique pour prédire la réponse à la thérapie de resynchronisation cardiaque. Le modèle est personnalisé à partir des données de routine des patients en utilisant des méthodes rapides basées sur l'IA. Les résultats sont comparés aux données cliniques fournies par un fabriquant de dispositifs cardiaques.Un premier travail de modélisation permet de construire un modèle cardiaque générique incluant un maillage tridimensionnel de l'anatomie, de l'activité électrophysiologique, ainsi que de la dynamique complexe du cœur à travers des modèles biomécaniques. Ce modèle générique est ensuite personnalisé sur les données de santé du patient : phénotype, échocardiographie, ECG et mesures hémodynamiques. Une méthode basée sur l'optimisation d'un modèle réduit est proposée et permet de rapidement paramétrer le jumeau numérique. Enfin, nous avons mis en place un protocole de stimulation à partir du modèle personnalisé afin d'étudier la réponse à la thérapie de resynchronisation. Les prédictions des mesures électromécaniques sont comparées aux données des patients pour différentes configurations de stimulation.

Heart failure is the final funnel of all cardiac diseases, affects today 8% of the general population living in developed countries and is expected to reach 11% by 2030. Despite major improvements provided by optimization of medical therapy and prevention, this disease still has a high mortality rate and represents 1-2% of the total medical expenses. Among the different new treatments that became available in the last years, Cardiac Resynchronization Therapy (CRT) has emerged as a very original technique used to correct arrhythmia in these failed hearts, by direct stimulation of the myocardium in selected locations.Since the early times of CRT, identification of dyssynchrony is based on the duration of the ventricular electrical activation (QRS) measured on a standard electrocardiogram (ECG) by the clinician. However, more advanced evaluation models allow for a better understanding of the cause of dyssynchrony and therefore the ability to adapt therapy. Recent scientific advances in mathematical modelling and numerical simulation now allow for the development of personalized models of the patient’s cardiac function and the use of patient data to describe dyssynchrony and predict the response to resynchronization therapy.This thesis assesses the feasibility of using a digital twin to predict the response to cardiac resynchronization therapy. The model is personalized from routine patient data using fast AI-based methods. The results are compared to clinical data provided by a cardiac devices manufacturer.A first modelling work allows for the construction of a generic heart model including a three-dimensional mesh of the anatomy, the electrophysiological activity, as well as the complex dynamics of the heart through biomechanical models. This generic model is then personalized to the patient's health data: phenotype, echocardiography, ECG, haemodynamic measures. A method based on the optimization of a reduced model is proposed and allows for the parameterisation of the digital twin. Finally, we have set up a stimulation protocol from the personalized model in order to study the response to CRT. Predictions of electromechanical measures are compared to patient data for different pacing configurations.