A subscription to JoVE is required to view this content. Sign in or start your free trial.
כאן אנו מציגים פרוטוקול שלב אחר שלב לגישה חצי אוטומטית לניתוח נתוני אלקטרוקרדיוגרפיה ארוכת טווח (ECG) עבור פרמטרים בסיסיים של א.ק.ג. והפרעות קצב נפוצות. הנתונים מתקבלים על ידי משדרי טלמטריה מושתלים בעכברים חיים וערים ומנותחים באמצעות פונמה ומודולי הניתוח שלה.
הפרעות קצב שכיחות ומשפיעות על מיליוני חולים ברחבי העולם. אסטרטגיות הטיפול הנוכחיות קשורות לתופעות לוואי משמעותיות ונותרות לא יעילות בחולים רבים. כדי לשפר את הטיפול בחולה, יש צורך בתפיסות טיפוליות חדשניות וחדשניות המכוונות באופן סיבתי למנגנוני הפרעות קצב. כדי לחקור את הפתופיזיולוגיה המורכבת של הפרעות קצב, יש צורך במודלים מתאימים של בעלי חיים, ועכברים הוכחו כמיני מודל אידיאליים להערכת ההשפעה הגנטית על הפרעות קצב, לחקר מנגנונים מולקולריים ותאיים בסיסיים ולזיהוי מטרות טיפוליות פוטנציאליות.
מכשירי טלמטריה מושתלים הם בין הכלים החזקים ביותר הזמינים לחקר אלקטרופיזיולוגיה בעכברים, ומאפשרים רישום א.ק.ג רציף במשך תקופה של מספר חודשים בעכברים ערניים הנעים בחופשיות. עם זאת, בשל המספר העצום של נקודות נתונים (>1 מיליון מתחמי QRS ביום), ניתוח נתוני טלמטריה נותר מאתגר. מאמר זה מתאר גישה שלב אחר שלב לניתוח אק"גים ולזיהוי הפרעות קצב בהקלטות טלמטריה ארוכות טווח באמצעות התוכנה, Ponemah, עם מודולי הניתוח שלה, ECG Pro ו- Data Insights, שפותחו על ידי Data Sciences International (DSI). כדי לנתח פרמטרים בסיסיים של אק"ג, כגון דופק, משך גל P, מרווח יחסי ציבור, מרווח QRS או משך QT, בוצע ניתוח תכונות אוטומטי באמצעות Ponemah כדי לזהות גלי P, Q ו- T בתוך חלונות מותאמים בנפרד סביב גלי R שזוהו.
לאחר מכן נבדקו התוצאות באופן ידני, מה שאפשר התאמה של ביאורים בודדים. הפלט מהניתוח מבוסס התכונות ומניתוח זיהוי התבניות שימש לאחר מכן את מודול Data Insights לזיהוי הפרעות קצב. מודול זה מאפשר סינון אוטומטי של הפרעות קצב מוגדרות בנפרד בתוך ההקלטה, ולאחר מכן סקירה ידנית של פרקים חשודים בהפרעות קצב. המאמר דן בקצרה באתגרים בהקלטה ובזיהוי אותות א.ק.ג., מציע אסטרטגיות לשיפור איכות הנתונים, ומספק הקלטות מייצגות של הפרעות קצב שזוהו בעכברים באמצעות הגישה שתוארה לעיל.
הפרעות קצב לב שכיחות, המשפיעות על מיליוני חולים ברחבי העולם1. אוכלוסיות מזדקנות מראות שכיחות הולכת וגדלה ולכן נטל גדול על בריאות הציבור הנובע מהפרעות קצב לב ותחלואה ותמותה2. אסטרטגיות הטיפול הנוכחיות מוגבלות ולעתים קרובות קשורות לתופעות לוואי משמעותיות ונותרות לא יעילות בחולים רבים 3,4,5,6. יש צורך דחוף באסטרטגיות טיפוליות חדשניות המכוונות באופן סיבתי למנגנוני הפרעות קצב. כדי ללמוד את הפתופיזיולוגיה המורכבת של הפרעות קצב, יש צורך במודלים מתאימים של בעלי חיים; עכברים הוכחו כמין מודל אידיאלי להערכת ההשפעה הגנטית על הפרעות קצב, לחקר מנגנונים מולקולריים ותאיים בסיסיים ולזיהוי מטרות טיפוליות פוטנציאליות 7,8,9. הקלטת אק"ג רציפה היא מושג מבוסס היטב בשגרה הקלינית של זיהוי הפרעות קצב10.
מכשירי טלמטריה מושתלים הם בין הכלים החזקים ביותר הזמינים לחקר אלקטרופיזיולוגיה בעכברים מכיוון שהם מאפשרים הקלטה רציפה של האק"ג (גישה נפוצה היא להשתיל את המוליכים במצב עופרת-II) במשך תקופה של מספר חודשים בעכברים ערנייםהנעים בחופשיות 11,12. עם זאת, בשל המספר העצום של נקודות נתונים (עד יותר ממיליון מתחמי QRS ביום) והידע המוגבל על ערכי תקן מורין, ניתוח נתוני הטלמטריה נותר מאתגר. משדרי טלמטריה נפוצים לעכברים נמשכים עד 3 חודשים, מה שמוביל להקלטה של עד 100 מיליון מתחמי QRS. משמעות הדבר היא שפרוטוקולי ניתוח פרגמטיים נחוצים מאוד כדי להפחית את הזמן המושקע עם כל מערך נתונים בנפרד ויאפשרו לחוקרים לטפל ולפרש את כמות הנתונים העצומה הזו. כדי לקבל אות אק"ג נקי בעת ההקלטה, השתלת המשדר צריכה להיות אופטימלית - מיקומי העופרת צריכים להיות רחוקים ככל האפשר זה מזה כדי לאפשר משרעת אות גבוהה יותר.
הקורא המעוניין עשוי להיות מופנה לפרוטוקול על ידי McCauley et al.12 לקבלת מידע נוסף. יתר על כן, כדי למזער רעש, כלובים ומשדרים חייבים להיות ממוקמים בסביבה שקטה שאינה מועדת להפרעות כלשהן, כגון ארון מאוורר עם גורמים סביבתיים מבוקרים (טמפרטורה, אור ולחות). במהלך תקופת הניסוי, יש לבדוק את מיקום העופרת באופן קבוע כדי למנוע אובדן אות עקב ניקוב עופרת או בעיות ריפוי פצעים. מבחינה פיזיולוגית, קיים שינוי צירקדי בפרמטרים של א.ק.ג. במכרסמים כמו בבני אדם, מה שיוצר את הצורך בגישה סטנדרטית לקבלת פרמטרי א.ק.ג. בסיסיים מהקלטה רציפה. במקום לחשב ערכים ממוצעים של פרמטרים של א.ק.ג. לאורך תקופה ארוכה, יש לבצע ניתוח של אק"ג במנוחה הדומה לזה שבבני אדם כדי לקבל פרמטרים בסיסיים כגון דופק במנוחה, משך גל P, מרווח יחסי ציבור, משך QRS או מרווח QT/QTc. בבני אדם, א.ק.ג במנוחה נרשם מעל 10 שניות, בקצב לב רגיל של 50-100 לדקה. אק"ג זה כולל 8 עד 17 מתחמי QRS. ניתוח של 20 מתחמי QRS רצופים מומלץ בעכבר כ"שווה ערך לאק"ג במנוחה ". בגלל השינוי הצירקדיאני הנ"ל, גישה פשוטה היא לנתח שני אק"גים במנוחה ביום, אחד בשעות היום ואחד בלילה. בהתאם למחזור ההדלקה/כיבוי של האור במתקן החי, נבחרים זמנים מתאימים (למשל, 00:00/00), ומתקבלים פרמטרים בסיסיים.
לאחר מכן, נעשה שימוש במתווה דופק לאורך זמן כדי לזהות טכיה וברדיקרדיה רלוונטיים, עם חקירה ידנית רצופה של פרקים אלה כדי לקבל רושם ראשוני. עלילת דופק זו מובילה לפרמטרים החשובים של דופק מקסימלי ומינימלי לאורך התקופה המתועדת, כמו גם השתנות הדופק לאורך זמן. לאחר מכן, מערך הנתונים מנותח עבור הפרעות קצב. מאמר זה מתאר גישה שלב אחר שלב להשגת נתוני אק"ג בסיסיים אלה מהקלטות טלמטריה ארוכות טווח של עכברים ערים במשך תקופת הקלטה של עד שלושה חודשים. יתר על כן, הוא מתאר כיצד לזהות הפרעות קצב באמצעות התוכנה, Ponemah גרסה 6.42, עם מודולי הניתוח שלה, ECG Pro ו- Data Insights, שפותחו על ידי מדעי הנתונים הבינלאומי (DSI). גירסה זו תואמת הן ל- Windows 7 (SP1, 64 סיביות) והן ל- Windows 10 (64 סיביות).
1. סידורים מראש
2. ניתוח פרמטרים בסיסיים של א.ק.ג.
הערה: בנוסף לסימני אימות/נתונים שגויים, התוכנה גם מודדת ומחשבת באופן אוטומטי מגוון רחב של פרמטרים נגזרים המדווחים לאחר מכן ברשימת הפרמטרים הנגזרים.
3. זיהוי הפרעות קצב באמצעות זיהוי תבניות (מודול ECG PRO)
הערה: מודול ECG PRO של פונמה משתמש במתחמי QRS נבחרים כתבניות לניתוח נוסף. תבניות האק"ג של התבניות מושוות לכל מתחמי ה-QRS בהקלטה כדי לחשב את אחוז הדמיון ("התאמה") ולזהות הפרעות קצב (למשל, פעימות לכידה מוקדמת של פרוזדורים או חדרים). מספר מתחמי ה- QRS הדרושים לסימון תלוי בשונות של משרעת ה- QR בתוך ההקלטה. במקרים מסוימים, בחירה וסימון של קומפלקס QRS אחד נותן דמיון של 80 אחוז עם ההקלטה המתאימה, ומסמן את רוב מחזורי ה- QRS. עם זאת, זהו מקרה אידיאלי ובמהלך הניתוח, מספר מתחמי ה- QRS שיש לסמן כתבניות הוא בדרך כלל גבוה יותר.
4. זיהוי הפרעות קצב: גישה ידנית פשוטה באמצעות תובנות נתונים
הערה: עבור ניתוח הפרעות קצב, יש צורך בביאור נכון של גלי P ו- R. עם זאת, גם אם גלי P צלולים נראים בתוך מעקב האק"ג, גלי P אלה לעתים אינם מזוהים כראוי גם לאחר התאמת הגדרות התכונה . מכיוון שגלי R בדרך כלל מוכרים ומבוארים כראוי, גישה מעשית לניתוח הפרעות קצב נוספות באמצעות Data Insights מוצעת להלן. לקבלת סקירה כללית על זיהוי הפרעות קצב באמצעות Data Insights והחיפושים הספציפיים למינים המוגדרים מראש שלה, הקורא המעוניין יכול להיות מופנה ל- Mehendale et al.13.
הקלטת אק"גים ארוכי טווח מביאה לערכות נתונים עצומות. האפשרויות לניתוחים נוספים הן רבות ותלויות בפרויקט המחקר הבודד. פרוטוקול זה מספק תיאור של כמה קריאות בסיסיות מאוד שיכולות לשמש את רוב החוקרים, במיוחד לניסויי סינון, למשל, בעת אפיון קו עכברים מהונדסים או בעת חקירת ההשפעות של טיפול ספצ?...
אק"ג פני השטח הוא כלי האבחון העיקרי לחולים הסובלים מהפרעות בקצב הלב, ומספק תובנות על תופעות אלקטרופיזיולוגיות רבות. עם זאת, ניתוח מספיק של פתולוגיות א.ק.ג. על פני הלב דורש ידע והגדרה של פרמטרים פיזיולוגיים נורמליים. שנים רבות של מחקר אפידמיולוגי הובילו להסכמה רחבה על מה שפיזיולוגי בבני אדם ...
ללא
עבודה זו נתמכה על ידי קרן המחקר הגרמנית (DFG; תוכנית מדענים קליניים ברפואת כלי דם (PRIME), MA 2186/14-1 לפ' טומסיטס וד' שוטלר), המרכז הגרמני לחקר הלב וכלי הדם (DZHK; 81X2600255 עד ס' קלאוס), קרן קורונה (S199/10079/2019 ל- S. Clauss), ERA-NET על מחלות לב וכלי דם (ERA-CVD; 01KL1910 ל- S. Clauss), קרן היינריך-ולוטה מילפנצל (לס' קלאוס) ומועצת המלגות של סין (CSC, לר' שיה). למממנים לא היה כל תפקיד בהכנת כתבי היד.
Name | Company | Catalog Number | Comments |
Ponemah Software | Data Science international | ECG Analysis Software |
Request permission to reuse the text or figures of this JoVE article
Request PermissionThis article has been published
Video Coming Soon
Copyright © 2025 MyJoVE Corporation. All rights reserved