Numerical learning methods to facilitate ventricular arrhythmias localisation during ablation procedures

Les maladies cardiovasculaires sont les principales causes de décès dans le monde. Parmi ces maladies, les arythmies ventriculaires sont des pathologies potentiellement graves, pouvant engendrer la mort subite cardiaque. Une arythmie ventriculaire est une anomalie qui affecte la propagation des ondes électriques parcourant les ventricules, ondes qui coordonnent la contraction de ceux-ci afin qu’ils puissent assurer leur rôle de pomper le sang dans l’organisme. Parmi ces arythmies, l’extrasystole ventriculaire est la forme la plus bénigne de cette catégorie, mais elle peut entraîner une tachycardie capable de déclencher une fibrillation, forme la plus dangereuse, et même mortelle si elle n’est pas interrompue par un défibrillateur.L’enjeu est donc de parvenir à soigner les extrasystoles si elles s’avèrent trop fréquentes. Pour cela, les cardiologues ont d’abord recours à des médicaments permettant d’agir sur l’activité électrique cardiaque. Néanmoins, il arrive que ces traitements ne soient pas suffisants. Les cliniciens procèdent alors à une procédure d’ablation par radiofréquence : cela consiste à introduire un cathéter dans les cavités ventriculaires du patient, de localiser les zones du tissu cardiaque responsables des extrasystoles, puis de les neutraliser via ce cathéter en chauffant à une température suffisante pour tuer les cellules malades. Ce type de procédure a un bon taux de réussite, cependant la localisation des zones responsables des extrasystoles peut s’avérer difficile pour le cardiologue, et ainsi rallonger le temps d’intervention, qui peut s’étendre sur plusieurs heures, ce qui est inconfortable pour le patient. C’est en particulier le cas lorsque les extrasystoles sont rares au moment de l’intervention.L’objectif de cette thèse est de créer des outils numériques permettant de faciliter la localisation des extrasystoles ventriculaires, outils qui s’intègrent facilement dans le procédé clinique. Pour cela, des simulations très précises de la propagation électrique dans le cœur ont été utilisées.Dans la première partie, une méthode itérative de guidage, basée sur des stimulations successives via cathéter, a été proposée. Cette méthode, qui utilise uniquement les signaux des électrocardiogrammes, a été testée sur des données simulées.Dans la seconde partie, une méthode d’apprentissage automatique a été construite sur des données simulées générées sur plusieurs modèles de patients réalistes, en utilisant l’imagerie ainsi que les signaux des électrocardiogrammes. Cette méthode a été entraînée sur les données simulées puis a pu être testée sur des données cliniques, récupérées de procédures d’ablation réalisées au CHU de Bordeaux.Cardiovascular diseases are leading causes of death in the world. Among these diseases, ventricular arrhythmias are potentially serious pathologies that can lead to sudden cardiac death. A ventricular arrhythmia is an abnormality that affects the propagation of the electrical activation wavefronts through the ventricles, which normally coordinates the contraction of the ventricles such that they can optimally perform their role of pumping blood through the body. Of these arrhythmias, premature ventricular contraction (PVC) is the most benign. However, it can lead to tachycardia, which can induce fibrillation -- the most dangerous cardiac arrhythmia and fatal if not interrupted by a defibrillator.The challenge is therefore to treat PVCs if they are too frequent. To do this, cardiologists first use drugs that act on the electrical activity of the heart. However, sometimes these treatments are not sufficient. In this case, clinicians resort to a catheter ablation procedure. It proceeds by inserting a catheter into the patient's ventricular cavities, locating the areas of the heart responsible for the PVCs and then neutralizing them by applying a radiofrequency current that locally heats the tissue sufficiently to kill the cells. These procedures have a good success rate, but locating the areas responsible for PVC can be difficult for the cardiologist, and thus lengthen the intervention, which can last for several hours, and is unpleasant for the patient.The objective of this thesis is to create numerical tools that facilitate PVC localisation and that are easy to integrate in the clinical workflow. To do this, highly accurate simulations of the electrical activity of the heart were used.In the first part, an iterative pace-mapping method was proposed. This method, which uses only electrocardiogram signals, has been tested on simulated data.In the second part, a machine learning method was constructed, based on in-silico data generated with several realistic patient-specific heart-torso models, using both imaging and electrocardiogram signals. This method was trained on the simulated data and then tested on clinical data, from ablation procedures performed at the Bordeaux University Hospital