Resumen
La miocardiopatía arritmogénica (MCA) es una cardiopatía hereditaria que provoca infiltración de fibro-adiposa entre el tejido miocárdico. En consecuencia, se producen alteraciones en la conducción eléctrica que pueden provocar arritmias ventriculares e incluso causar la muerte del paciente. La MCA es una de las principales causas de muerte súbita por fallo cardiaco, y tiene por tanto una gran transcedencia social, económica y mediática. Como enfermedad rara que es, existe una dificultad inherente en el conocimiento de la misma, y la investigación sobre esta patología es una tarea enormemente compleja. Con las actuales directrices para su diagnóstico, un elevado porcentaje de casos permanecen inadvertidos (muchos de las personas afectadas lo desconocen, con el riesgo de muerte súbita que ello conlleva). El número de falsos negativos se incrementa significativamente para la afectación de ventrículo izquierdo, para la que
todavía no existen criterios establecidos. En consecuencia, las directrices vigentes para su diagnóstico son insuficientes.
Este proyecto prentende explorar en profundidad nuevas técnicas de adquisición y procesado de señales e imágenes cardiacas con el objetivo de encontrar nuevos criterios que mejoren el diagnóstico de MCA. Para ello se utilizarán señales electrocardiográficas, mapas de potenciales de superficie, resonancia magnética (RM) y tomografía computarizada (TAC), y se implementarán algoritmos de procesado de señales e imágenes biomédicas específicos para evaluar cuantitativamente las características propias de la MCA.
Mediante el procesado del ECG se estudiará la morfología del QRS y la búsqueda de potenciales tardíos, entre otros. En el caso de mapas de potenciales, se utilizarán métodos de análisis vectorial para estratificar las velocidades de conducción por segmentos, detectar regiones con retardos anómalos en la activación y cuantificar la ordenación en la propagación del frente de onda. Para el procesado de RM y TAC se emplearán técnicas de procesado de imágenes de alto nivel, en concreto modelos activos para la detección de contornos (endocardio y epicardio) y algoritmos de seguimiento para cuantificar su deformación durante el ciclo cardiaco. Estas técnicas permitirán evaluar asincronías en la función ventricular. Con la finalidad de estimar el grado de fibrosis, se emplearán técnicas de segmentación basadas en umbralización automática del histograma y agrupación de píxels/voxels mediante operadores de morfología matemática.
Finalmente, se explorará por primera vez en MCA la novedosa técnica de RM por tensor de difusión, para determinar la orientación de las fibras miocárdicas y el grado de disarray. Esta técnica se utilizará inicialmente en corazones exvivo para compararla con estudios histológicos, cuyas imágenes se analizarán, por una parte, mediante algoritmos morfológicos para discriminar entre fibras del miocardio (alargadas) y tejido adiposo (redondos), y por otra, con métodos basados en ridge detection para determinar la orientación de las fibras, y con ello, poder evaluar el grado de disarray.
Mediante este proyecto se exploran de forma extensiva nuevas técnicas diagnósticas para MCA. Los resultados obtenidos a partir de todas ellas se compararán entre sí y se evaluarán de forma global e integrada. Como resultado principal de este estudio se pretende proponer un conjunto de nuevos marcadores diagnósticos para MCA que pueda ejercer influencia sobre la futura revisión de criterios.
