[论文解读] Understanding the transition from paroxysmal to persistent atrial fibrillation from micro-anatomical re-entry in a simple model

Alberto Ciacci, Max Falkenberg+4 more|arXiv (Cornell University)|Aug 5, 2019

Atrial Fibrillation Management and Outcomes参考文献 68被引用 6

一句话总结

本研究采用一种基于渗流的最小模型（CMP），表明持续性心房颤动源于激活概率高于去激活概率的非对称折返环路，解释了为何相同模型参数会产生从数秒到数月不等的颤动发作。研究发现，复杂的、多样的颤动动力学可由简单的微结构折返机制产生。

ABSTRACT

Atrial fibrillation (AF) is the most common cardiac arrhytmia, characterised by the chaotic motion of electrical wavefronts in the atria. In clinical practice, AF is classified under two primary categories: paroxysmal AF, short intermittent episodes separated by periods of normal electrical activity, and persistent AF, longer uninterrupted episodes of chaotic electrical activity. However, the precise reasons why AF in a given patient is paroxysmal or persistent is poorly understood. Recently, we have introduced the percolation based Christensen-Manani-Peters (CMP) model of AF which naturally exhibits both paroxysmal and persistent AF, but precisely how these differences emerge in the model is unclear. In this paper, we dissect the CMP model to identify the cause of these different AF classifications. Starting from a mean-field model where we describe AF as a simple birth-death process, we add layers of complexity to the model and show that persistent AF arises from re-entrant circuits which exhibit an asymmetry in their probability of activation relative to deactivation. As a result, different simulations generated at identical model parameters can exhibit fibrillatory episodes spanning several orders of magnitude from a few seconds to months. These findings demonstrate that diverse, complex fibrillatory dynamics can emerge from very simple dynamics in models of AF.

研究动机与目标

• 理解为何在临床实践中，心房颤动（AF）表现为阵发性或持续性，尽管其潜在机制相同。
• 研究为何相同模型参数可产生持续时间截然不同的AF发作。
• 在简化的计算框架内，识别持续性AF的微结构与动力学起源。
• 阐明具有非对称激活/去激活概率的折返环路在AF持续性中的作用。

提出的方法

• 构建平均场出生-死亡过程模型，将AF表示为随机过程。
• 引入基于渗流的模型（Christensen-Manani-Peters, CMP），以模拟心肌组织中的微结构折返。
• 在折返环路的激活与去激活概率中引入非对称性，以模拟持续性动力学。
• 使用数值模拟分析在相同参数下发作持续时间的分布。
• 根据发作时长，将模型输出与临床AF分类（阵发性与持续性）进行比较。
• 分析临界结构与网络拓扑，识别支持长期折返环路存在的条件。

实验结果

研究问题

• RQ1 在最小模型中，何种动力学机制导致阵发性AF向持续性AF转变？
• RQ2 为何相同模型参数会产生从数秒到数月不等的AF发作？
• RQ3 折返环路激活与去激活概率的非对称性如何促进AF的持续性？
• RQ4 微结构在支持稳定、长期存在的折返环路中发挥何种作用？
• RQ5 一个简单模型能否在无需显式局部驱动因素的情况下重现临床AF动力学的完整谱系？

主要发现

• 持续性AF源于激活概率高于去激活概率的折返环路，形成持续活动的净趋势。
• 相同模型参数可产生从数秒到数月不等的颤动发作，与临床中阵发性与持续性AF的谱系相符。
• 该模型再现了临床观察：阵发性AF可进展为持续性AF，无需额外病理改变。
• 向持续性AF的转变并非源于纤维化负荷的增加，而是稳定、非对称折返环路的出现。
• 具有非对称动力学的微结构折返可从简单的随机规则生成复杂、长期的颤动活动。
• 该模型表明，多样且复杂的颤动动力学可由极简的动力学规则产生，挑战了对复杂驱动因素必要性的假设。