New methods for hemodynamic evaluation : a multi-parametric approach

Abstract

As doenças cardiovasculares (DCV) são a principal causa de morte mundial, e a rigidez arterial, em particular, é considerada um importante factor de risco. Esta tese encontra a sua motivação no impacto previsível que um instrumento preciso, não invasivo e fácil de usar para avaliação da condição hemodinâmica poderá dar ao diagnóstico e acompanhamento das DCV. Tecnicamente, a abordagem a esta questão baseia-se na crença de que a onda de pressão arterial (OPA) transmite informações valiosas sobre a rigidez arterial, e que esta pode ser estudada com precisão por instrumentação de custo moderado. A inexistência de abordagens de análise da OPA eficientes, bem como o crescente interesse em sistemas de apoio à decisão clínica, deram motivação extra a este trabalho. O principal objectivo deste trabalho foi o desenvolvimento de uma plataforma electrónica dedicada à avaliação da rigidez arterial. A sua implementação incluiu quatro etapas fundamentais: (1) uma plataforma multi-modular concebida para incorporar vários módulos clínicos, nomeadamente o módulo OPA projectado para reprodução da morfologia de pulso; (2) uma ferramenta algorítmica capaz de identificar informação importante na OPA; (3) testes de validação usados na avaliação da repetibilidade e reprodutibilidade da sonda; e (4) algoritmos de aprendizagem implementados para lidar com características vectorizadas. Os primeiros ensaios do módulo OPA consistiram na avaliação do desempenho da sua sonda piezoeléctrica (interface entre o paciente e o próprio módulo) em uma bancada de teste concebida para este propósito, onde um erro quadrático médio (RMSE) de 1.8 ± 0.22% foi observado, usando ondas de pressão sintetizadas. A sonda foi incorporada em um colar, e testada usando um banco de dados especialmente desenvolvido, construído a partir de 217 sujeitos, organizados em grupos, com diferentes características. Foi demonstrado que a identificação de diferentes parametrizações temporais e de amplitude para cada um dos grupos é possível, bem como a identificação de alterações fisiológicas em um grupo de sujeitos, após a implantação de um ”stent”. Os testes de validação mostraram resultados reprodutíveis e repetíveis, quando os dados foram obtidos por operadores bem treinados. O uso de técnicas de mineração de dados demonstrou resultados confiáveis, em particular, para os algoritmos de classificação (p.ex., o algoritmo Random Forest alcançou uma precisão de 96.95%) e metodologias de agrupamento, para as quais foi obtida uma boa correlação entre as indicações de alto risco (obtidas usando a abordagem desenvolvida) e o Índice de Aumentação (AIx). Globalmente, os resultados dão bons indicadores, sobre o uso desta metodologia (protótipo e ferramentas algorítmicas associadas), em alternativa a técnicas dispendiosas, tais como técnicas de ultra-sons ou a tonometria de aplanação, em ambiente clínico e de investigação.

Cardiovascular diseases (CVD) are the leading cause of death worldwide and arterial stiffness, in particular, is considered a major determinant of risk. This thesis meets its motivation in the foreseeable impact that an accurate, non-invasive and easy-to-use instrument for hemodynamic condition assessment could impart to the diagnosis and follow-up of CVD. Technically, the approach to this question is based upon on the belief that the Arterial Pressure Waveform (APW) conveys invaluable information about the arterial stiffness which can be accurately evaluated by means of moderate-cost instrumentation. The lack of efficient APW analysis approaches, as well as the growing interest in clinical decision support systems, brought extra motivation to this work. The main goal along this work was the development of an electronic platform dedicated to arterial stiffness assessment. Its full implementation included four main steps: (1) a multi-modular platform designed to incorporate several clinical data modules, namely the APW module designed to accurately retrieve pulse morphology; (2) an algorithmic tool capable of extracting relevant information from the APW signal; (3) sets of validation tests used in the assessment of probe repeatability and reproducibility and; (4) machine learning algorithms capable of dealing with vectorized features. The first trials of the APW module consisted in the assessment of its piezoelectric front end performance (interface between the patient and the probe itself) in a special purpose test bench, where a root mean square error (RMSE) of 1.8 ± 0.22% was observed using artificial cardiac-like pressure waves. The probe was incorporated in a collar and tested using a specially developed database built from 217 subjects, organized in groups, with different characteristics. It has been demonstrated that the identification of different time and amplitude parameterizations for each group is possible, as well the identification of physiological changes in a group of subjects, after a ”stent” implementation. The validation tests showed reproducible and repeatable results whenever data were obtained by well-trained operators. The use of data mining techniques demonstrated reliable results, in particular, classification algorithms (e.g., the Random Forest algorithm achieved an accuracy of 96.95%) and clustering methodologies, for which a good correlation between the high risk labels (retrieved from the implemented approach) and the Augmentation Index (AIx) was observed. Globally, results give clear positive indications concerning the use of the developed methodology (prototype and associated algorithmic tools) as an alternative to costly techniques, such as ultrasound or applanation tonometry, in clinical and in research environments.