B. Approche mécanique
2. Limites
Les résultats sur une échelle de 12 patients montraient une erreur moyenne de 19,3 ms pour la prédiction de la durée des QRS, plus importante que celle des modèles présentés par SEEGERER et KAYVANPOUR. Plusieurs hypothèses peuvent expliquer l’imperfection de notre modélisation électrique.
a) Absence d’IRM
L’inclusion de modèles électriques sans connaissance des zones de fibrose du fait de l’absence de données IRM pouvait mener à des erreurs dans la prédiction du front d’onde de dépolarisation par la théorie des graphes et donc de l’ECG 12 dérivations virtuel. Cette hypothèse est corroborée par le traitement des résultats en sous- groupe puisque le coefficient kappa des patients disposant d’une IRM est de 0,64 pour la prédiction du sens de variation des QRS contre -0,27 pour le groupe sans IRM.
b) Modèle anatomique échographique ou IRM
La constitution du modèle anatomique était réalisée prioritairement à partir des données IRM ou à défaut à partir des acquisitions échographiques tridimensionnelles. L’IRM myocardique restant le gold standard pour l’appréciation des volumes VG et de la fraction d’éjection, l’hypothèse que les modèles anatomiques basés sur l’échographie sont sources d’erreur pour la cartographie électrique peut être posée. Dans notre population, les modèles IRM bénéficiaient systématiquement de la localisation des zones de fibrose contrairement aux modèles échographiques choisis par défaut, rendant impossible la comparaison directe des deux types de modélisation. Il pourrait être intéressant de créer un deuxième modèle échographique avec les zones de fibroses pour les patients ayant déjà un modèle IRM afin de comparer les deux techniques.
61
c) Modélisation du torse
L’obtention d’un ECG 12 dérivations virtuel s’appuyait sur la modélisation d’un torse. Dans le cas des modèles IRM, les images scouts dans les 3 axes permettaient la création d’un torse virtuel aux proportions respectées avec un positionnement du cœur fiable. Pour les modèles échographiques, des proportions standards du torse étaient appliquées avec un positionnement du cœur à l’appréciation de l’ingénieur. La modélisation du torse, peu reproductible pour les modèles échographiques, était probablement à l’origine d’imprécisions pour l’ECG virtuel estimé.
d) Délimitation des zones de fibrose
Pour le cas numéro 13, patient porteur d’une cardiopathie ischémique avec une large séquelle akinétique à l’échographie, la modélisation s’appuyait sur les acquisitions échographiques. Les ingénieurs ont dans un premier temps considéré les segments akinétiques comme zone de nécrose sans conduction électrique intrinsèque. Les résultats étaient peu comparables aux valeurs observées. Après modification des paramètres électrique de la zone akinétique et l’application d’une conduction à basse vélocité, la cartographie électrique semblait plus fiable avec un ECG virtuel plus proche des valeurs observées. Cette séquelle akinétique semble donc n’être pas entièrement constituée d’une nécrose transmurale. Cet exemple illustre l’intérêt de l’IRM par la nécessité d’une connaissance précise du type et de la taille des zones séquellaires dans les cardiopathies ischémiques.
e) Complexes de fusion
Le modèle électrophysiologique prenait en compte la fusion possible des fronts d’ondes de dépolarisation initiés par les voies de conduction nodo-hissiennes et par les sondes de stimulation en fonction du DAV. Dans plusieurs cas, il a été observé une meilleure prédiction électrique en désactivant complètement le front d’onde provenant des voies nodo-hissiennes. Une meilleure compréhension du mécanisme de la fusion électrique semble nécessaire à l’évolution de la technique de modélisation.
B.
Approche mécanique
1. Revue de littérature
Il n’existe pas d’étude comparable prédisant par un modèle personnalisé basé sur des données non-invasives la réponse mécanique à la stimulation par une CRT. En 2012 l’équipe de SERMESANT 31 a décrit un modèle personnalisé basé sur des données invasives (IRM associée à une cartographie électrophysiologique endocavitaire et à une mesure des pressions intracardiaques par cathétérisme) permettant d’évaluer la prédiction de la réponse mécanique à la stimulation par CRT. Pour les deux patients testés, les modèles
62 reproduisaient avec précision (erreur moyenne de 47,5mmHg/s) la fonction systolique observée par cathétérisme et estimée par la dP/dt.
2. Limites
Dans notre étude, la variation prédite du VES et de la FEVG était peu corrélée aux valeurs observées. La corrélation entre variation de dP/dt prédite et mesurée sur les modèles électriquement concordants était correcte à 0,75. Plusieurs mécanismes pouvaient expliquer ces résultats.
a) Imperfection du modèle électrique
La première cause à évoquer afin d’expliquer les prédictions non corrélées du modèle mécanique est l’imperfection du modèle électrique. La construction du modèle mécanique s’appuyant sur la cartographie électrique, son imprécision aura pour conséquence des erreurs dans la prédiction de la cinématique. Les progrès du modèle électrique devraient être à l’avenir associés aux progrès du modèle mécanique.
b) Evaluation de la fonction systolique échographique
Les variations instantanées attendues de la fonction systolique étant minimes, une bonne précision de la technique d’évaluation de la fonction systolique est indispensable. Cette évaluation était associée aux limites des techniques échographiques pour la mesure des volumes. Le volume d’éjection systolique devait malgré tout être évalué par échographie 3D, ITV sous-aortique et débit couleur 3D selon la réalisabilité. Les valeurs étaient ensuite moyennées. La faible variation des VES mesurée (0,6 ml, 6,0 ml et 5,0 ml respectivement pour la stimulation VD, VG et BiV) confirme le risque lié à l’imprécision de la technique échographique.
Cette hypothèse était corroborée par les prédictions correctes de la dP/dt, technique d’évaluation plus précise que la mesure du VES ou de la FEVG.
c) Mesure tensionnelle au brassard pour les paramètres hémodynamiques
La prédiction des paramètres hémodynamiques s’appuyait sur une mesure au brassard de la tension artérielle du fait du choix d’une approche non invasive. Des imprécisions liées à la technique 42 et à la variabilité des tensions au cours de l’examen peuvent être évoquées.
Pour les modèles échographiques, les paramètres hémodynamiques pourraient être évalués par Doppler pour plus de précision.
d) Position des sondes
La prédiction de la réponse à la CRT dépendait enfin de la position des sondes VD et VG. Le recueil du positionnement se faisait à partir du compte-rendu de l’intervention et de la relecture des radiographies de thorax par un rythmologue confirmé. Il donnait le positionnement sur la segmentation AHA de la sonde VG et le
63 positionnement septal, apical ou au niveau du plancher de la sonde VD. Des imprécisions pouvaient exister du fait de la difficulté à distinguer ces zones à partir des seules images de scopie et de radiographie de thorax.
e) Variabilité temporelle des conditions de charge
Le volume d’éjection systolique peut varier dans le temps à la faveur des modifications de la fréquence cardiaque ou de tension artérielle. L’IRM cardiaque et les acquisitions échographiques n’étant pas réalisées de manière contemporaine, les volumes de base IRM et échographiques pouvaient être différents entrainant des imprécisions pour les corrélations quantitatives volumiques.
C.
Interdépendance des paramètres modélisés
La modélisation nous permettait de rechercher une interdépendance entre les paramètres électriques et mécaniques. Il semblait exister une association entre l’affinement du QRS obtenu par la stimulation et la progression de la valeur de la dP/dt. Il n’y a pas d’étude, à notre connaissance, ayant testé l’interdépendance de ces paramètres en post-implantation précoce.
Cette association semble logique puisque l’affinement des QRS traduit la diminution de l’asynchronisme ventriculaire, lui-même partiellement responsable de la dysfonction systolique.
La mise en évidence de cette tendance illustre l’apport de la modélisation cardiaque pour l’étude « virtuelle » et la compréhension des mécanismes physiopathologiques.
D.
Evolution de la technique de modélisation
Les optimisations à appliquer à la technique de modélisation seraient donc les suivants : - Réalisation systématique d’une IRM pour l’obtention des zones de fibrose,
- Personnalisation de l’orientation des fibres myocardiques par l’IRM sur les modèles anatomiques,
- Choix d’un modèle IRM, ou si choix d’un modèle échographique, application des zones de fibrose et travail sur la modélisation du torse,
- Meilleure connaissance des célérités myocardiques et dans les zones de fibrose, - Paramètres hémodynamiques basés sur le Doppler,
- Multiplication des paramètres d’évaluation de la fonction systolique en favorisant la dP/dt comme critère de jugement principal.
La prochaine étape est l’amélioration de la technique de modélisation électrique indispensable à l’obtention de résultats mécaniques cohérents.
L’inclusion dans notre centre de l’ensemble des patients bénéficiant de l’implantation d’une CRT et possédant une IRM myocardique pourrait permettre à l’avenir de poursuivre l’amélioration de la technique de modélisation. L’inclusion et l’étude de cardiopathies
64 ischémiques pourraient permettre de mieux préciser les célérités et le comportement des zones de fibrose.
La dernière étape de la progression de la modélisation cardiaque pour la CRT sera la prédiction de la réponse à long terme avec la prise en compte du remodelage lié la stimulation permanente. Outre la connaissance de la réponse cardiaque à la CRT, les progrès dans la technique de modélisation permettront à l’avenir une meilleure compréhension physiopathologique des mécanismes du remodelage ventriculaire dans l’insuffisance cardiaque, encore incertains.
Bibliographie
1 P. Curie et J. Curie, « Developpement, par pression de l’electricite polaire dans les cristaux hemiedres a faces inclinees », Compte-rendus, 1880.
2 A. G. Emser, « Inge Edler and the origins of clinical echocardiography. », Eur J Echocardiogr, 2001.
3 Edler, « Mitral and aortic valve movements recorded by an ultrasonic echo-method », Acta med Scand, 1961. 4 Feigenbaum, « Ultrasound diagnosis of pericardial effusion », J am Med Assoc, 1965.
5 Henry et al., « Echocardiographic measurements in normal subjects. Growth-related changes that occur between infancy and early adulthood. », Circulation 57, no 2 (1978): 278–285.
6 Griffith et al., « A sector scanner for real time two-dimensional echocardiography », Circulation 49, no 6 (1974): 1147–1152.
7 J. Holen et al., « Determination of pressure gradient in mitral stenosis with Doppler echocardiography », Br Heart J, 1961.
8 P. Hannath et al., « Transosophageeale echokardiographie : ein neues verfahren zur dynamischen ventrikelfunktionsanalyse », s. d.
9 JJ Jacobs et al., « Detection of left ventricular asynergy by echocardiography », Circulation, 1973.
10 Dekker et al., « A system for ultrasonically imaging the human heart in three dimensions », Comput Biomed Res, 1974.
11 C. Aggeli et al., « Real-Time Three-Dimensional Echocardiography: Never before Clinical Efficacy Looked so Picturesque », International Journal of Cardiology 198 (novembre 2015).
12 K. Isaaz et al., « Doppler echocardiographic measurement of low velocity motion of the left ventricular posterior wall », The American Journal of Cardiology, 1989.
13 T. Toyoda et al., « Assessment of Regional Myocardial Strain by a Novel Automated Tracking System from Digital Image Files », Journal of the American Society of Echocardiography 17, no 12 (1 décembre 2004).
14 O. Mirea et al., « Recent advances in echocardiography: strain and strain rate imaging », F1000 research, 2016.
15 E. Shimada et al., « Quantitative Assessment of Mitral Inflow and Aortic Outflow Stroke Volumes by 3- Dimensional Real-Time Full-Volume Color Flow Doppler Transthoracic Echocardiography An In Vivo Study », Journal of Ultrasound in Medicine 34, no 1 (1 janvier 2015).
16 C. Gruner et al., « Quantification of Mitral Regurgitation by Real Time Three-Dimensional Color Doppler Flow Echocardiography Pre– and Post–Percutaneous Mitral Valve Repair », Echocardiography 32, no 7 (1 juillet 2015).
17 WT. Abraham et al., « Cardiac resynchronization in chronic heart failure », New England Journal of Medicine 346, no 24 (2002): 1845–1853.
18 Farwell et al, « How many people with heart failure are appropriate for biventricular resynchronization? », European Heart Journal, 2000.
19 Saxon et al., « Acute effects of intraoperative multisite ventricular pacing on left ventricular function and activation/contraction sequence in patients with depressed ventricular function », J Cardiovasc Electrophysiol, 1998.
66
20 TV. Salukhe et al., « Comparison of medical therapy, pacing and defibrillation in heart failure (COMPANION) trial terminated early; combined biventricular pacemaker-defibrillators reduce all-cause mortality and hospitalization », International Journal of Cardiology 87, no 2–3 (février 2003).
21 J. van ’t Sant et al., « Echo Response and Clinical Outcome in CRT Patients », Netherlands Heart Journal: Monthly Journal of the Netherlands Society of Cardiology and the Netherlands Heart Foundation 24, no 1 (janvier 2016).
22 I. Goldenberg et al., « Predictors of response to cardiac resynchronization therapy in the Multicenter Automatic Defibrillator Implantation Trial with Cardiac Resynchronization Therapy (MADIT-CRT) », Circulation 124, no 14 (2011): 1527–1536.
23 ES. Chung et al., « Results of the Predictors of Response to CRT (PROSPECT) Trial », Circulation 117, no 20 (20 mai 2008).
24 P. Bordachar et al., « Low Value of Simple Echocardiographic Indices of Ventricular Dyssynchrony in Predicting the Response to Cardiac Resynchronization Therapy », European Journal of Heart Failure 12, no 6 (juin 2010).
25 M. Brignole et al., « 2013 ESC Guidelines on Cardiac Pacing and Cardiac Resynchronization Therapy: The Task Force on Cardiac Pacing and Resynchronization Therapy of the European Society of Cardiology (ESC). Developed in Collaboration with the European Heart Rhythm Association (EHRA) », European Heart Journal 34, no 29 (1 août 2013).
26 RH Woods et al., « A few applications of a physical theorem to membranes in the human body in a state of tension », Trans R. Acad. Med. Ireland, 1892.
27 M. McCormick et al., « Simulating left ventricular fluid–solid mechanics through the cardiac cycle under LVAD support », Journal of Computational Physics, Multi-scale Modeling and Simulation of Biological Systems, 244 (1 juillet 2013).
28 M. McCormick et al., « Computational Analysis of the Importance of Flow Synchrony for Cardiac Ventricular Assist Devices », Computers in Biology and Medicine 49 (1 juin 2014): 83‑ 94, doi:10.1016/j.compbiomed.2014.03.013.
29 R. Chabiniok et al., « Multiphysics and Multiscale Modelling, Data–model Fusion and Integration of Organ Physiology in the Clinic: Ventricular Cardiac Mechanics », Interface Focus 6, no 2 (6 avril 2016).
30 Q. Wanget et al., « Patient-Specific Modeling of Biomechanical Interaction in Transcatheter Aortic Valve Deployment », Journal of Biomechanics 45, no 11 (26 juillet 2012).
31 M. Sermesant et al., « Patient-Specific Electromechanical Models of the Heart for the Prediction of Pacing Acute Effects in CRT: A Preliminary Clinical Validation », Medical Image Analysis 16, no 1 (1 janvier 2012): 201‑ 15, doi:10.1016/j.media.2011.07.003.
32 van Assen et al., « Patient-specific biomechanical modeling of cardiac amyloidosis–a case study », Functional imaging and modeling of the heart, 2015.
33 JD Moreno et al., « A Computational Model to Predict the Effects of Class I Anti-Arrhythmic Drugs on Ventricular Rhythms », Science Translational Medicine 3, no 98 (31 août 2011).
34 R. Chabiniok et al., « Estimation of Tissue Contractility from Cardiac Cine-MRI Using a Biomechanical Heart Model », Biomechanics and Modeling in Mechanobiology 11, no 5 (28 juillet 2011).
35 L. Asner et al., « Estimation of Passive and Active Properties in the Human Heart Using 3D Tagged MRI », Biomechanics and Modeling in Mechanobiology, 26 novembre 2015.
67
36 M. Wallman et al., « Estimation of activation times in cardiac tissue using graph based methods », in International Conference on Functional Imaging and Modeling of the Heart (Springer, 2011), 71–79.
37 M. Wallman et al., « A Comparative Study of Graph-Based, Eikonal, and Monodomain Simulations for the Estimation of Cardiac Activation Times », IEEE Transactions on Biomedical Engineering 59, no 6 (juin 2012). 38 P. Seegerer et al., « Estimation of regional electrical properties of the heart from 12-lead ECG and images », in International Workshop on Statistical Atlases and Computational Models of the Heart (Springer, 2014), 204– 212.
39 PM. Nielsen, « Mathematical model of geometry and fibrous structure of the heart », Am J Physiol Heart Circ Physiol, 1991.
40 R. Kerckhoffs et al., « Coupling of a 3D Finite Element Model of Cardiac Ventricular Mechanics to Lumped Systems Models of the Systemic and Pulmonic Circulation », Annals of Biomedical Engineering 35, no 1 (9 décembre 2006): 1‑ 18, doi:10.1007/s10439-006-9212-7.
41 GA. Holzapfel et al., « Constitutive Modelling of Passive Myocardium: A Structurally Based Framework for Material Characterization », Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences 367, no 1902 (13 septembre 2009).
42H. Smulyan et al., « Blood Pressure Measurement: Retrospective and Prospective Views », American Journal