A NORMÁLIS SZIVMŰKÖDÉST LEGJOBBAN KÖZELÍTŐ MODELLPARAMÉTEREK MEGHATÁROZÁSA

Ahhoz, hogy a modell egy patológiás állapotának szimulálásakor korrekt következtetéseket lehessen levonni az eltérések karakterisztikáját illetően, a modellezéses vizsgálatok első lépése az egészségesekre jellemző paraméter értékek szimulálása kell, hogy legyen [206]. Az elektrokardiológiai modell használatakor szükségessé vált a normál populáció TPT jeleinek és a modell kimeneteinek beható vizsgálata, valamint iteratív eljárással a normál populáció statisztikai jellemzőit legjobban közelítő beállítások megadása. A numerikus kardiológiai szív kamrai és testgeometriai modell normál populációra vonatkozó beállításának folyamatát a Szlovák Tudományos Akadémia munkatársai kezdték el. Saját vizsgálataimban első lépésként meghatároztam, hogy a kamramodell méretét tekintve milyen pontosan közelíti a valós szív méretét: ehhez a vizsgálathoz echo és angiográfiás felvételek sorozatát használtam és képfeldolgozási eljárással határoztam meg a főbb befoglaló méreteket [236]. A szív mozgásából adódó eltéréseket referenciapontok kijelölésével és egymásra illesztésével oldottam meg. A vizsgálatok szerint a modell szív és a valós szív (példák) méretei közelítőleg egyeznek.

Majd az aktivációs szekvencia ingerületátadási helyeinek első becslését (Purkinje réteggel való érintkezési pontjai), illetve ezek egymáshoz viszonyított időbeli sorrendjét iteratív módon tovább finomítottam úgy, hogy az amerikai normál populáció átlagos tulajdonságait a lehető legjobban közelítse. A kiindulási adatok részben Durrer, fiziológiai mérésein alapulnak, részben felhasználtam Szathmáry becsléseit [10, 137]. A fiziológiai méréseken túlmenően figyelembe vettem, hogy a jobb és a balkamra közötti, továbbá az endokardiális és epikardiális területek, valamint a bazális és az apikális

részek akciós potenciál karakterisztikája közötti karakterisztikus eltéréseket is. Ezeknek az eltéréseknek a jellemzésére Szathmáry által szintén szimulációs eljárással közelített gradiens értékeit vettem alapul: vagyis az akciós potenciálok hossza (ezen belül a plató és repolarizáció időtartama) az endokardiumtól az epikardium felé fokozatosan csökken [214]. A csúcsi és bazális részek közötti AP hossz eltérés hatását elhanyagoltam, mert a rendelkezésemre álló modell héjszerkezetével ilyen jellegű szimuláció nem megoldható. A jobb és a bal kamra AP hosszának különbsége esetemben 4 modell időegység (MTU, vagyis 10 msec) volt. A repolarizáció –a T hullám karakterisztikája - a fenti paraméter-beállításokra igen érzékeny. Kísérleteket folytattam még az un. M cellák szimulálásával is, hiszen bizonyított, hogy a kamrafal középső rétege eltérő az azokat határoló rétegek karakterisztikájától, és ez hosszabb lefutású akciós potenciálokat jelent [215]. Ezek a kísérletek lényegi javulást az eredményben nem jelentettek. A szimuláció nehézségét jelentette, hogy pontos fiziológiai méréseket nem publikáltak ezekről az értékekről.

A modell normál értékének közelítéshez felhasználtam a CVRTI adatbázis egészséges populációjának 3.4. fejezetben részletezett átlagát és szórását. A testgeometriai modell esetén 6 tartományonként homogén vezetési tulajdonságú térfogatot alkalmaztam a 2. Táblázat táblázatban definiált konduktivitási paraméterekkel, a kimenetet 12x16-os elvezetés-rendszerre adtam meg.

A normál paraméterértékeket kereső vizsgálatot iteratív módon hajtottam végre, hiszen a szabad paraméterek száma nagyon magas, a kombinációkból adódó potenciálváltozás térbeli eloszlása tartományonként inhomogén térfogati vezetőben nehezen meghatározható. Az aktivációs pontokat nem, az aktiváció sorrendjét kis mértékben változtattam, a szív egyéb paraméter beállításait változatlanul hagytam. Meghatároztam továbbá a fenti modell szív optimális behelyezését az inhomogén numerikus testmodellbe úgy, hogy meghatároztam a szív pozícióját, normál tengelyállását, és tengely körüli elfordulását.. Az iteráció eredményeit a CVRTI normál adatai szórására vonatkozó DIM értékekkel (QRS, QRST és decilis integrálok), valamint RMS hiba és pattern korrelációs értékekkel jellemeztem. Statisztikai vizsgálatokkal már CVRTI adatbázisán és állatkísérletekkel is bizonyították, hogy a szív tengelyállásának hatása van a testfelszíni potenciál eloszlására [59, 140, 142]. A feladatom ebből a normált a numerikus kardiológiai modell esetében legjobban közelítő tengelyállás meghatározása volt.

A szív tengelyállásának becslésére 50 beállítást szimuláltam, melyből az első kísérletben 5-fokos egyenletes lépésközzel, második kísérletben pedig egy szélső, biztosan kórosnak számító szívorientáció szögállásából egyre finomodó (5 foktól 1 fokos lépésközig) léptékkel közelítettem Szathmáry munkacsoportja által megadott normál szögállást és próbáltam X és Y koordinátatengely mentén dönteni és Z tengelye körül forgatni a szívet. Az 50 beállításból csak 42 esetben kaptam valid, szimulálható beállítást, a többi esetben a térfogatok (tüdő és szív) egymásba átlapolódtak.

14. ábra Példa a numerikus kamramodellel szimulált (kék) és átlagos normál (piros) potenciál-értékek TPT jeleinek egyes mellkasi elvezetéseire normalizált időskálán (1-300 pillanat). Adatok μV-ban értendők.

A CVRTI normál populációt legjobban közelítő beállítást a testben, mint térfogati vezetőben az X=120, Y=45 és Z=-45 - fokos paraméterszögekkel jellemezhető. A szögállás kiválasztásánál azt is figyelembe vettem, hogy a miokardiális infarktusok detektálása szempontjából fontos 3 decilis integrálra vonatkozó paraméterek a –QRS integrálra hasonló eredményt adó eredmények közül – a lehetőség szerint optimálisabbak legyenek. A pattern korreláció és a DIM értékek a számos iteratív lépés ellenére sem érték el a várakozást. A legjobb QRS integrál térkép pattern korreláció csak: 78,1%

az I, II, elvezetések esetén a legjobb EKG hullám korreláció 94,47% volt. Az elvezetések közül a laterális elvezetéseket a modell viszonylag rosszul becsülte. A DIM decilis értékek abszolút értékének átlaga 2,73 SD (CVRTI) volt és mivel a modell nem μV egységekkel, hanem egyedi potenciál mértékegységgel dolgozik, a decilisekre vonatkozó érték a korrekció után nem haladta meg a 2,4 SD értéket. A korrekciós értéket a modell és a CVRTI egészséges populáció maximális és minimális potenciáljának hányadosából határoztam meg.

V2

A DIM QRS integrál abszolút maximuma az optimális paraméter-beállítás esetén a normál populáció szórásának 1,6-szoros sávján belül mozgott. Az eltérés egy része feltételezhetően a modell izotróp és homogén jellegéből adódik.

Lényeges megjegyezni, hogy a CVRTI adatainak sajátossága miatt – ahol az adatokat QRS és QRST szakaszon is külön-külön normalizáltan tárolják, az eredményeket a J pont (fiductial point) körüli normalizálási és rekonstrukciós hiba (ld. 3.3. fejezet) is tovább ronthatja. QRST decilis és QRST integrál esetén az eredmények sajnos koránt sem ennyire kedvezőek. A korrelációs érték átlaga nem haladja meg a 60%-ot, a DIM decilisre vonatkozó értékek átlaga pedig meghaladja az 5 szórásértéket.

A fenti eredmények alapján megfogalmazható, hogy a modell a normál szív depolarizációs tulajdonságait elvárható mértékben szimulálja, de a repolarizációs szakasz megközelítése nem elfogadható. Ezen okok miatt - bár lényegesen egyszerűsített modellről van szó- a modellt alkalmasnak tekintettem olyan esetek szimulálására, ahol a változás a depolarizációs szakaszon következik be, illetve ahol tömörített, vagy csak egyes mellkasi elvezetésekre vonatkozó (pl. QRS integrál, illetve V1-V2) paraméterek értékelése elegendő. Az eredményeket az akciós potenciál karakterisztikák normál aktivációhoz hasonló függvénye a későbbiekben javíthatja.