心房頻脈のリップルマップのデータ収集と解釈を最適化するための診断アルゴリズム

背景：Ripple Mapping（RM）は、心臓内電子電圧マップの動的バーとして心臓内電圧マップの動的バーとして、エレクトログラム電圧の関係に応じて変化する表面双極電圧マップの動的バーとして表現することにより、既存の等切3Dマッピングシステムの制限を克服するように設計されています。受託ポイント。 目的：心房頻脈CARTO™活性化マップに対する標準的なアプローチがRMの作成と解釈には不十分であるという仮説をテストしました。結果から、臨床RMプラットフォームでの将来の前向きテストのためにRMSを最適化するアルゴリズムを開発することを目指しました。 方法：心房頻脈のアブレーションからのCARTO-XP™活性化マップは、オフラインRMワークステーションで2人の盲検化された評価者によってレビューされました。リップルマップは、診断信頼尺度（グレードI -Grade IV -Non -Dagnosticまでの明確なアクティベーションパターンを伴う高い信頼性）に従って等級付けされました。RMベースの診断は、臨床診断に対して裏付けられました。 結果：14人の患者からの43 RMSは、グレードI（5 [11.5％]）に分類されました。グレードII（17 [39.5％]）;グレードIII（9 [21％]）およびグレードIV（12 [28％]）。低い段階/エラーの原因には、以下が含まれます。チャンバーポイント密度が不十分です。窓<サイクル長（CL）の100％<100％;<95％頻脈Clマッピング。CLおよび/または不安定なFiducial Referenceマーカーのばらつき。そして、最適ではないバーの高さと瘢痕の設定。 結論：心房頻脈のリップルマップを最適化するために、データ収集とマップ解釈アルゴリズムが開発されました。このアルゴリズムには、リアルタイムの臨床プラットフォームでの前向きテストが必要です。

BACKGROUND: Ripple Mapping (RM) is designed to overcome the limitations of existing isochronal 3D mapping systems by representing the intracardiac electrogram as a dynamic bar on a surface bipolar voltage map that changes in height according to the electrogram voltage-time relationship, relative to a fiduciary point. OBJECTIVE: We tested the hypothesis that standard approaches to atrial tachycardia CARTO™ activation maps were inadequate for RM creation and interpretation. From the results, we aimed to develop an algorithm to optimize RMs for future prospective testing on a clinical RM platform. METHODS: CARTO-XP™ activation maps from atrial tachycardia ablations were reviewed by two blinded assessors on an off-line RM workstation. Ripple Maps were graded according to a diagnostic confidence scale (Grade I - high confidence with clear pattern of activation through to Grade IV - non-diagnostic). The RM-based diagnoses were corroborated against the clinical diagnoses. RESULTS: 43 RMs from 14 patients were classified as Grade I (5 [11.5%]); Grade II (17 [39.5%]); Grade III (9 [21%]) and Grade IV (12 [28%]). Causes of low gradings/errors included the following: insufficient chamber point density; window-of-interest<100% of cycle length (CL); <95% tachycardia CL mapped; variability of CL and/or unstable fiducial reference marker; and suboptimal bar height and scar settings. CONCLUSIONS: A data collection and map interpretation algorithm has been developed to optimize Ripple Maps in atrial tachycardias. This algorithm requires prospective testing on a real-time clinical platform.