Analyse des caractéristiques électriques pour la détection des sujets à risque de mort cardiaque subite

Analysis of electrical features for detection of subjects at risk for sudden cardiac death

• Auteur / Autrice : Mariette Dupuy
• Direction : Marie Chavent, Remi Dubois
• Type : Projet de thèse
• Discipline(s) : Mathématiques appliquées et calcul scientifique
• Date : Inscription en doctorat le 29/10/2021
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale de mathématiques et informatique (Talence, Gironde ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Institut de mathématiques de Bordeaux
• Partenaire(s) de recherche : Equipe de recherche : Optimisation Mathématique Modèle Aléatoire et Statistique

Mots clés

Mots clés libres

Sélection de variables

Réduction de dimension

Analyse statistique multidimensionnelle

Bio-statistique

Bio-informatique

Modélisation statistique

Bioinformatics

Dimension reduction

Biostatistic

Variables selection

Multidimensional statistical analysis

Statistical modeling

Résumé

Environ 10% de la mortalité adulte est due en Europe à la mort subite d'origine cardiaque (MCS). Malgré l'accès à des thérapies efficaces, la majorité des personnes qui meurent d'une MCS ne peuvent actuellement pas être identifiées de manière préventive. Le développement de marqueurs sensibles sur la cartographie électrique de surface du corps serait la technique idéale pour identifier les sujets à risque de mort cardiaque subite. Au cours des trois dernières années, le Liryc a enregistré les signaux électriques de surface du corps de plus de 200 patients à l'aide d'un dispositif haute résolution à 128 électrodes. A partir de chaque électrode, des caractéristiques ont été extraites du signal (durée, fréquence, fractionnement de l'amplitude,....) et plus de 1000 caractéristiques par enregistrements sont disponibles. L'objectif principal de cette thèse est de développer un score de stratification du risque de mort subite cardiaque à partir de ces caractéristiques électriques mesurées sur le torse et le dos du patient. Pour ce faire, il s'agira : - d'analyser les caractéristiques disponibles et leur structuration (par exemple : clustering de variables, analyse de causalité), - analyser l'organisation spatiale des électrodes afin éventuellement d'en réduire le nombre (par exemple par clustering sous contrainte de contiguïté), - construire un modèle de prévision de MCS par des approches d'apprentissage supervisé sparses et développer un score de stratification du risque utilisable en clinique.

Approximately 10% of adult mortality in Europe is due to sudden cardiac death (SCD). Despite access to effective therapies, the majority of people who die from SCD cannot currently be identified in a preventive manner. The development of sensitive markers on the surface electrical mapping of the body would be the ideal technique to identify subjects at risk of sudden cardiac death. Over the past three years, the Liryc has recorded the body surface electrical signals of more than 200 patients using a high-resolution 128-electrode device. From each electrode, features have been extracted from the signal (duration, frequency, amplitude splitting,....) and more than 1000 features per recording are available. The main objective of this thesis is to develop a risk stratification score for sudden cardiac death based on these electrical characteristics measured on the patient's torso and back. To do so, we will : - analyze the available features and their structuring (e.g., clustering of variables, causality analysis), - analyze the spatial organization of the electrodes in order to possibly reduce their number (for example by clustering under contiguity constraint) - to build a prediction model of SCM by supervised sparse learning approaches and to develop a risk stratification score that can be used in clinical practice.