知財求人 - 知財ポータルサイト「IP Force」
▶ バイオセンス・ウエブスター・（イスラエル）・リミテッドの特許一覧
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公表特許公報(A)
(11)【公表番号】
(43)【公表日】2024-11-06
(54)【発明の名称】心房細動患者のための心房のデジタルツイン
(51)【国際特許分類】
A61B 5/287 20210101AFI20241029BHJP
A61B 5/367 20210101ALI20241029BHJP
A61B 5/343 20210101ALI20241029BHJP
A61B 5/33 20210101ALI20241029BHJP
A61B 34/10 20160101ALI20241029BHJP
A61B 18/12 20060101ALI20241029BHJP
【ＦＩ】
A61B5/287 200
A61B5/367
A61B5/343
A61B5/33 100
A61B34/10
A61B18/12
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2024522303
(86)(22)【出願日】2022-10-13
(85)【翻訳文提出日】2024-05-17
(86)【国際出願番号】 IB2022059805
(87)【国際公開番号】W WO2023062566
(87)【国際公開日】2023-04-20
(31)【優先権主張番号】63/255,614
(32)【優先日】2021-10-14
(33)【優先権主張国・地域又は機関】US
(31)【優先権主張番号】17/962,905
(32)【優先日】2022-10-10
(33)【優先権主張国・地域又は機関】US
(81)【指定国・地域】
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＢＬＵＥＴＯＯＴＨ
２．ＺＩＧＢＥＥ
(71)【出願人】
【識別番号】511099630
【氏名又は名称】バイオセンス・ウエブスター・（イスラエル）・リミテッド
【氏名又は名称原語表記】Ｂｉｏｓｅｎｓｅ Ｗｅｂｓｔｅｒ （Ｉｓｒａｅｌ）， Ｌｔｄ．
(74)【代理人】
【識別番号】100088605
【弁理士】
【氏名又は名称】加藤 公延
(74)【代理人】
【識別番号】100130384
【弁理士】
【氏名又は名称】大島 孝文
(72)【発明者】
【氏名】アモス・ヤリブ・アブラハム
(72)【発明者】
【氏名】アミット・マティットヤフ
(72)【発明者】
【氏名】ツォレフ・リアット
【テーマコード（参考）】
4C127
4C160
【Ｆターム（参考）】
4C127AA02
4C127BB05
4C127GG05
4C127HH13
4C127LL08
4C160KK03
4C160KK63
4C160MM33
(57)【要約】
アブレーション処置ガイダンス方法が本明細書で提供される。アブレーション処置ガイダンス方法は、プロセッサ上で実行される生成エンジンによって実施される。アブレーション処置ガイダンス方法は、画像及び伝導速度ベクトル推定値を含む入力を受信することと、画像及び伝導速度ベクトル推定値を利用して、解剖学的構造のデジタルツインを生成することと、を含む。アブレーション処置ガイダンス方法はまた、生成エンジンのユーザインターフェースを介して、デジタルツインを提示させて、解剖学的構造の精密アブレーションガイダンスを提供させ、解剖学的構造の電気生理学情報を提供させることを含む。
【特許請求の範囲】
【請求項1】
アブレーション処置ガイダンスを提供するための生成エンジンを実行する少なくとも１つのプロセッサを備えるシステムであって、前記生成エンジンは、前記システムに、１つ以上の画像及び伝導速度ベクトル推定値を含む１つ以上の入力を受信させて、
前記１つ以上の画像及び前記伝導速度ベクトル推定値を利用して、解剖学的構造のデジタルツインを生成させて、
前記生成エンジンのユーザインターフェースを介して、前記デジタルツインを提示させて、前記解剖学的構造の精密アブレーションガイダンスを提供させ、前記解剖学的構造の電気生理学情報を提供させる
ように構成されている、システム。
【請求項2】
前記１つ以上の入力は、前記１つ以上の画像、前記伝導速度ベクトル推定値、及びベースライン記録又は格子ボルツマンモデルを含む、請求項１に記載のシステム。
【請求項3】
前記生成エンジンは、到来方向推定、クラスタリング、ボクセル化、及び動的３次元生成のうちの１つ以上を実行することに基づいて、前記解剖学的構造を通る電気の流れを決定する、請求項１に記載のシステム。
【請求項4】
前記１つ以上の入力は、心内心電図又は体表面心電図からの催不整脈作用を含む、請求項１に記載のシステム。
【請求項5】
前記生成エンジンは、前記１つ以上の入力から前記伝導速度ベクトル推定値を自動的に識別して前記デジタルツインを生成するために、到来方向推定値を利用する、請求項１に記載のシステム。
【請求項6】
前記精密アブレーションガイダンスは、前記伝導速度ベクトル推定値に基づいて、電気が前記デジタルツインを通ってどのように流れるかをシミュレートすることを含む、請求項１に記載のシステム。
【請求項7】
前記生成エンジンは、１つ以上の追加の入力を受信し、前記生成エンジンは、アブレーション処置のための１つ以上の異なるアブレーションアプローチ提案を生成するか、又は前記１つ以上の追加の入力に基づいて、前記デジタルツインの再マッピング動作を行う、請求項１に記載のシステム。
【請求項8】
前記生成エンジンは、デジタルツインモデルに基づいてデジタルツイン局所興奮時間マップを生成し、前記生成エンジンは、前記デジタルツイン局所興奮時間マップに影響を与えたアブレーションモデルに基づいて、前記デジタルツインモデルにおけるアブレーションされた細胞の伝導速度ベクトル推定値を更新する、請求項１に記載のシステム。
【請求項9】
前記精密アブレーションガイダンスは、前記デジタルツインに関して巣状興奮間の１つ以上の相互作用をシミュレートすることと、前記１つ以上の相互作用に基づいてアブレーションのための病巣を決定することとを含む、請求項１に記載のシステム。
【請求項10】
前記解剖学的構造は、心臓の心房を含み、前記１つ以上の入力は、患者固有のデータを含む、請求項１に記載のシステム。
【請求項11】
少なくとも１つのプロセッサ上で実行される生成エンジンによって実施されるアブレーション処置ガイダンス方法であって、前記生成エンジンによって、１つ以上の画像及び伝導速度ベクトル推定値を含む１つ以上の入力を受信することと、
前記生成エンジンによって、前記１つ以上の画像及び前記伝導速度ベクトル推定値を利用して解剖学的構造のデジタルツインを生成することと、
前記生成エンジンのユーザインターフェースを介して、前記デジタルツインを提示して、前記解剖学的構造の精密アブレーションガイダンスを提供し、前記解剖学的構造の電気生理学情報を提供することと、
を含むアブレーション処置ガイダンス方法。
【請求項12】
前記１つ以上の入力は、前記１つ以上の画像、前記伝導速度ベクトル推定値、及びベースライン記録又は格子ボルツマンモデルを含む、請求項１１に記載のアブレーション処置ガイダンス方法。
【請求項13】
前記生成エンジンは、到来方向推定、クラスタリング、ボクセル化、及び動的３次元生成のうちの１つ以上を実行することに基づいて、前記解剖学的構造を通る電気の流れを決定する、請求項１１に記載のアブレーション処置ガイダンス方法。
【請求項14】
前記１つ以上の入力は、心内心電図又は体表面心電図からの催不整脈作用を含む、請求項１１に記載のアブレーション処置ガイダンス方法。
【請求項15】
前記生成エンジンは、前記１つ以上の入力から前記伝導速度ベクトル推定値を自動的に識別して前記デジタルツインを生成するために、到来方向推定値を利用する、請求項１１に記載のアブレーション処置ガイダンス方法。
【請求項16】
前記精密アブレーションガイダンスは、前記伝導速度ベクトル推定値に基づいて、電気が前記デジタルツインを通ってどのように流れるかをシミュレートすることを含む、請求項１１に記載のアブレーション処置ガイダンス方法。
【請求項17】
前記生成エンジンは、１つ以上の追加の入力を受信し、前記生成エンジンは、アブレーション処置のための１つ以上の異なるアブレーションアプローチ提案を生成するか、又は前記１つ以上の追加の入力に基づいて、前記デジタルツインの再マッピング動作を行う、請求項１１に記載のアブレーション処置ガイダンス方法。
【請求項18】
前記生成エンジンは、デジタルツインモデルに基づいてデジタルツイン局所興奮時間マップを生成し、前記生成エンジンは、前記デジタルツイン局所興奮時間マップに影響を与えたアブレーションモデルに基づいて、前記デジタルツインモデルにおけるアブレーションされた細胞の伝導速度ベクトル推定値を更新する、請求項１１に記載のアブレーション処置ガイダンス方法。
【請求項19】
前記精密アブレーションガイダンスは、前記デジタルツインに関して巣状興奮間の１つ以上の相互作用をシミュレートすることと、前記１つ以上の相互作用に基づいてアブレーションのための病巣を決定することとを含む、請求項１１に記載のアブレーション処置ガイダンス方法。
【請求項20】
前記解剖学的構造は、心臓の心房を含み、前記１つ以上の入力は、患者固有のデータを含む、請求項１１に記載のアブレーション処置ガイダンス方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、信号処理に関する。より詳細には、本発明は、心房細動（ａＦｉｂ）患者のために心房のデジタルツインを生成することに関する。
【背景技術】
【0002】
ａＦｉｂなどの心不整脈は、心組織の領域が、正常な伝導性組織に関連する同期拍動周期に従わない場合に発生する。一般に、心不整脈は、投薬、アブレーション又は他の組織破壊手段によって治療することができる。しかし、進行期のａＦｉｂに関して、アブレーションのための最適な位置を知ることは、非常に困難になる。例えば、ａＦｉｂは患者ごとに異なる可能性があり、心房組織は瘢痕及び／又はトリガを含む可能性があるので、最適なアブレーション位置をケースバイケースで決定することが必要な場合がある。
【0003】
現在、アブレーション位置の決定を支援するために、アブレーション処置は、心臓のデジタルシミュレーションを構築及び利用する。これらのデジタルシミュレーションは、標準的な解剖学的情報に基づいており、標準的な電気伝導を仮定している。したがって、これらのシミュレーションは十分に正確ではなく、効果的なガイダンスを促進しないことが分かっている。
【発明の概要】
【発明が解決しようとする課題】
【0004】
したがって、改善されたアブレーション位置決定技術が必要とされている。
【課題を解決するための手段】
【0005】
例示的な実施形態によれば、アブレーション処置ガイダンス方法が本明細書において提供される。アブレーション処置ガイダンス方法は、少なくとも１つのプロセッサ上で実行される生成エンジンによって実施される。アブレーション処置ガイダンス方法は、生成エンジンによって、１つ以上の画像及び伝導速度ベクトル推定値を含む１つ以上の入力を受信することを含む。アブレーション処置ガイダンス方法はまた、生成エンジンによって、１つ以上の画像及び伝導速度ベクトル推定値を利用して、解剖学的構造のデジタルツインを生成することを含む。アブレーション処置ガイダンス方法はまた、生成エンジンのユーザインターフェースを介して、デジタルツインを提示させて、解剖学的構造の精密アブレーションガイダンスを提供させ、解剖学的構造の電気生理学情報を提供させることを含む。
【0006】
１つ以上の実施形態によれば、上記のアブレーション処置ガイダンス方法の実施形態は、装置、システム、及び／又はコンピュータプログラム製品として実施することができる。
【図面の簡単な説明】
【0007】
より詳細な理解は、添付の図面と併せて例として示される以下の説明から得ることができ、図中の同様の参照番号は、同様の要素を示す。
【図1】１つ以上の実施形態によって、本開示の主題の１つ以上の特徴を実装することができる例示的なシステムの図を示す。
【図2】１つ以上の実施形態によるａＦｉｂ患者の心房のデジタルツインを生成するための例示的なシステムのブロック図を示す。
【図3】１つ以上の実施形態による方法を示す。
【図4】１つ又は２つ以上の実施形態による、人工知能システムのグラフィック描写を示す。
【図5】１つ以上の実施形態による、ニューラルネットワークの一例、及びニューラルネットワーク内で実施される方法のブロック図を示す。
【図6】１つ又は２つ以上の実施形態による方法を示す。
【図7】１つ以上の実施形態によるインターフェースを示す。
【図8】１つ以上の実施形態によるインターフェースを示す。
【図9】１つ以上の実施形態によるインターフェースを示す。
【図10】１つ以上の実施形態によるインターフェースを示す。
【図11】１つ以上の実施形態によるインターフェースを示す。
【図12】１つ以上の実施形態によるグラフを示す。
【図13】１つ以上の実施形態によるインターフェースを示す。
【図14】１つ以上の実施形態によるグラフを示す。
【図15】１つ以上の実施形態による例示的なインターフェースを示す。
【図16】１つ以上の実施形態による方法を示す。
【発明を実施するための形態】
【0008】
本明細書では、信号処理システム、装置、及び方法が開示される。より詳細には、本明細書で開示されるのは、心房細動（ａＦｉｂ）患者のための心房のデジタルツインを生成する信号処理動作である。信号処理システム、装置、及び方法は、機械学習（ＭＬ）及び／又は人工知能（ＡＩ）を組み込んで、デジタルツイン及びそれに関連するデータを生成及び分析して、改善されたアブレーション位置決定技法を提供することができる。
【0009】
１つ以上の実施形態によれば、生成エンジンは、概して、信号処理システム、装置、及び方法に対応することができ、デジタルツインを生成及び分析するための１つ以上のＭＬ／ＡＩアルゴリズムを含むことができる。この点に関して、生成エンジンは、医療デバイス機器によるプロセス操作及びそのハードウェアの処理に必然的に根差したプロセッサ実行可能なコード又はソフトウェアである。説明を容易にするため、生成エンジンは、心臓（例えば、その心房）をマッピングすることに関して本明細書に記載されている。しかしながら、任意の解剖学的構造、身体部分、器官、又はその部分を、本明細書に記載される生成エンジンによるマッピングの標的とすることができる。
【0010】
一般に、生成エンジンは、ａＦｉｂ患者のアブレーションのためのガイドツールとして機能する、心房のデジタルツインを生成／作成する。特に、デジタルツインは、パーソナライズされた心臓の電気的活動を有さない現在のデジタルシミュレーションよりも頑強である。言い換えると、デジタルシミュレーションは、標準的な電気伝導を仮定するとともに不整脈がそれ自体を繰り返すと仮定しているが、これはａＦｉｂの症状ではない。この点に関して、例えば、生成エンジンは、ａＦｉｂ患者の心臓の電気的活動を（例えば、不整脈トリガ及び心房壁物質に関する情報を考慮しながら）測定及び利用して、デジタルツインを生成及び作成する。更なる例として、生成エンジンは、伝導速度（conduction velocity、ＣＶ）ベクトル（例えば、直接心臓測定値）を入力として利用して、デジタルツインを生成及び作成する。ＣＶベクトルは、本明細書で説明されるように、リアルタイムデータに基づくことができる。ＣＶベクトルは、局所信号の進行に基づく。したがって、生成エンジンは、遠隔電場低減（far field reduction）アルゴリズムを利用して、ＣＶベクトルを計算する前に遠隔電場（すなわち、心室活性化に基づく信号）を除去することができる。加えて、アブレーション処置中に、生成エンジンは、デジタルツインを連続的に更新すること、並びにデジタルツインに基づいて最適なアブレーション及び／又は追加の処置を提案することができる。
【0011】
生成エンジンの動作の結果として、デジタルツインは、現在のデジタルシミュレーションと比較して非常に正確なものとなる。したがって、生成エンジンの１つ以上の利点、技術的効果、及び／又は利益は、デジタルツインを使用してアブレーション処置中に心臓医師及び医療関係者に効果的なガイダンスを提供することを含むことができる。したがって、生成エンジンは、特に医療デバイス機器を利用及び変形して、心臓医師及び医療関係者が現在利用できないか、又は心臓医師及び医療関係者が現在行っていない信号処理動作を可能にする／実装する。
【0012】
図１は、本明細書の主題の１つ以上の特徴を１つ以上の実施形態に従って実装することができる、システム１０として示される例示的なシステム（例えば、医療デバイス機器）の図である。システム１０の全部又は一部は、本明細書に記載されるように、情報（例えば、生体測定データ及び／又は訓練データセット）の収集及び／又はＭＬ／ＡＩアルゴリズム（例えば、生成エンジン１０１）の実装のために使用することができる。システム１０は、図示されるように、レコーダ１１と、心臓１２と、カテーテル１４と、モデル又は解剖学的マップ２０と、電位図２１と、スプライン２２と、患者２３と、医師２４（又は医療専門家若しくは臨床医）と、位置パッド２５と、電極２６と、ディスプレイデバイス２７と、遠位先端部２８と、センサ２９と、コイル３２と、患者インターフェースユニット（patient interface unit、ＰＩＵ）３０と、電極皮膚パッチ３８と、アブレーションエネルギー発生器５０と、ワークステーション５５（少なくとも１つのプロセッサ６１と、生成エンジン１０１を記憶する少なくとも１つのメモリ６２とを含む）とを含む。システム１０の各要素及び／又はアイテムは、１つ以上のその要素及び／又はそのアイテムの代表であることに留意されたい。図１に示されるシステム１０の例を変形して、本明細書に開示される実施形態を実施することができる。本開示の実施形態も、他のシステム構成要素及び設定を使用して、同様に適用することができる。更に、システム１０は、電気的活動を感知するための要素、有線又は無線コネクタ、処理装置及びディスプレイデバイスなどの、付加的な構成要素を含んでもよい。
【0013】
システム１０は、患者２３の血管系を通じて、心臓１２の心腔又は血管構造内に医師２４によって経皮的に挿入される複数のカテーテル１４を含む。典型的には、送達シースカテーテル（カテーテル１４の一例である）は、心臓１２内の所望の場所付近の左心房又は右心房に挿入される。その後、複数のカテーテル１４を送達シースカテーテルに挿入して、所望の位置に到達させることができる。複数のカテーテル１４は、心内電位図（Intracardiac Electrogram、ＩＥＧＭ）信号の感知専用のカテーテル、アブレーション専用のカテーテル、及び／又は感知及びアブレーションの両方に専用のカテーテルを含み得る。ＩＥＧＭを感知するように構成された例示的なカテーテル１４が本明細書に示されている。医師２４は、心臓１２の標的部位を感知するために、カテーテル１４の遠位先端部２８を心臓壁と接触させる。アブレーションのために、医師２４は、同様に、アブレーションカテーテルの遠位端をアブレーションのための標的部位に運ぶ。
【0014】
カテーテル１４は、遠位先端部２８において複数のスプライン２２にわたって任意選択的に分布し、ＩＥＧＭ信号を感知するように構成された１つ、好ましくは複数の電極２６を含む例示的なカテーテルである。カテーテル１４は、遠位先端部２８の位置及び配向を追跡するために、遠位先端部２８内又はその近くに埋め込まれたセンサ２９を更に含んでもよい。任意選択的にかつ好ましくは、位置センサ２９は、三次元（three-dimensional、３Ｄ）位置及び配向を感知するための３つの磁気コイルを含む磁気ベースの位置センサである。
【0015】
センサ２９（例えば、位置ベース又は磁気ベースの位置センサ）は、所定の作業体積内に磁場を生成するように構成された複数の磁気コイル３２を含む位置パッド２５とともに動作してもよい。カテーテル１４の遠位端部２８のリアルタイム位置は、位置パッド２５によって生成され、センサ２９によって感知される磁場に基づいて追跡されてもよい。磁気ベースの位置検知技術の詳細は、米国特許第５，５３９１，１９９号、同第５，４４３，４８９号、同第５，５５８，０９１号、同第６，１７２，４９９号、同第６，２３９，７２４号、同第６，３３２，０８９号、同第６，４８４，１１８号、同第６，６１８，６１２号、同第６，６９０，９６３号、同第６，７８８，９６７号、及び同第６，８９２，０９１号に記載される。
【0016】
システム１０は、位置パッド２５の位置参照及び電極２６のインピーダンスベースの追跡を確立するために、皮膚接触のために患者２３上に配置された１つ以上の電極パッチ３８を含む。インピーダンスベースの追跡のために、電流が電極２６に向けられ、パッチ３８において検知され、それにより、各電極の場所をパッチ３８を介して三角測量することができる。インピーダンスベースの場所追跡技術の詳細は、米国特許第７，５３６，２１８号、同第７，７５６，５７６号、同第７，８４８，７８７号、同第７，８６９，８６５号及び同第８，４５６，１８２号に記載され、これらの各々は参照により本明細書に組み込まれる。
【0017】
レコーダ１１は、電極１８（例えば、体表面心電図（electrocardiogram、ＥＣＧ）電極）で捕捉された電位図２１と、カテーテル１４の電極２６で捕捉されたＩＥＧＭとを表示する。レコーダ１１は、心拍リズムをペーシングするためのペーシング能力を含んでもよく、及び／又は独立型ペーサに電気的に接続されてもよい。
【0018】
システム１０は、アブレーションするように構成されたカテーテル１４の遠位先端部２８にある１つ以上の電極２６にアブレーションエネルギーを伝達するように適合されたアブレーションエネルギー発生器５０を含んでもよい。アブレーションエネルギー発生器５０によって生成されるエネルギーは、不可逆エレクトロポレーション（ＩＲＥ）をもたらすために使用され得るような単極又は双極高電圧ＤＣパルスを含む、無線周波数（ＲＦ）エネルギー若しくはパルス場アブレーション（ＰＦＡ）エネルギー、又はそれらの組み合わせを含み得るが、それらに限定されない。
【0019】
患者インターフェースユニット（ＰＩＵ）３０は、カテーテルと、電気生理学的機器と、電源と、システム１０の動作を制御するワークステーション５５との間の電気通信を確立するように構成されたインターフェースである。システム１０の電気生理学的機器は、例えば、複数のカテーテル１４、場所パッド２５、体表面ＥＣＧ電極１８、電極パッチ３８、アブレーションエネルギー発生器５０、及びレコーダ１１を含んでもよい。任意選択的に、かつ好ましくは、ＰＩＵ３０は、カテーテルの位置のリアルタイム計算を実装し、ＥＣＧ計算を実行するための処理能力を追加的に含む。
【0020】
ワークステーション５５は、本明細書で更に説明されるように、メモリ６２と、適切なオペレーティングソフトウェアがロードされたメモリ６２又は記憶装置を有するプロセッサユニット６１と、ユーザインターフェース機能とを含む。ワークステーション５５は、任意選択的に、（１）心内膜解剖学的構造を３次元（３Ｄ）でモデリングし、モデル又は解剖学的マップ２０をディスプレイデバイス２７上に表示するためにレンダリングすることと、（２）記録された電位図２１からコンパイルされた活性化シーケンス（又は他のデータ）を、レンダリングされた解剖学的マップ２０上に重ね合わされた代表的な視覚的指標又は画像でディスプレイデバイス２７上に表示することと、（３）心腔内の複数のカテーテルのリアルタイム位置及び配向を表示することと、（５）アブレーションエネルギーが印加された場所などの関心部位をディスプレイデバイス２７上に表示することと、を含む、複数の機能を提供してもよい。システム１０の要素を具現化する１つの市販製品は、Ｂｉｏｓｅｎｓｅ Ｗｅｂｓｔｅｒ，Ｉｎｃ．（３１Ａ Ｔｅｃｈｎｏｌｏｇｙ Ｄｒｉｖｅ，Ｉｒｖｉｎｅ，ＣＡ，９２６１８）から市販されている、ＣＡＲＴＯ（商標）３システムとして、入手可能である。
【0021】
システム１０は、（例えば、生成エンジン１０１を使用して）心臓の状態を検出、診断、及び／又は治療するために利用することができる。心不整脈などの心疾患は、特に老年人口において一般的かつ危険な医学的疾患として根強く残っている。例えば、システム１０は、生体測定データ（例えば、心臓１２など本明細書に記載されるような患者の器官の解剖学的及び電気的測定値）を取得し、心臓アブレーション処置を実施するように構成された外科用システム（例えば、Ｂｉｏｓｅｎｓｅ Ｗｅｂｓｔｅｒより販売されているＣＡＲＴＯ（登録商標）システム）の一部とすることができる。より詳細には、心不整脈などの心疾患の治療では、心臓組織、心腔、静脈、動脈、及び／又は電気的経路の詳細なマッピングを得ることがしばしば求められる。例えば、（本明細書に記載されるような）カテーテルアブレーションを成功裏に行うための前提条件として、心不整脈の原因が心臓１２の心腔において正確に位置特定されることがある。このような位置特定は、電気生理学的検査によって行われて、その調査の間に、心臓１２の心腔内に導入されたマッピングカテーテル（例えば、カテーテル１４）によって空間的に分解された電位を検出することができる。この電気生理学的検査、いわゆる電気解剖学的マッピングは３Ｄマッピングデータを提供し、これをディスプレイデバイス２７上に表示することができる。多くの場合、マッピング機能及び治療機能（例えば、アブレーション）は単一のカテーテル又は一群のカテーテルによって提供され、マッピングカテーテルはまた、同時に治療（例えば、アブレーション）カテーテルとしても動作する。
【0022】
正常洞調律（ＮＳＲ）を有する患者（例えば、患者２３）では、心房、心室、及び興奮性伝導組織を含む心臓（例えば、心臓１２）は、電気的に興奮して、同期した、パターンを有する形で拍動する。なお、この電気的興奮は、心内心電図（ＩＣ ＥＣＧ）データなどとして検出することができる。
【0023】
１つ以上の実施形態によれば、心不整脈（例えば、心房細動又はａＦｉｂ）を有する患者（例えば、患者２３）では、心臓組織の異常領域は、正常な導電性組織に伴う同期した拍動周期に従わず、ＮＳＲを有する患者とは対照的である。これに対して、心組織の異常領域は隣接組織に異常伝導し、このため心臓周期が乱れて非同期的な心臓リズムになる。この非同期的心律動はまた、ＩＣ ＥＣＧデータとして検出することができる点に留意されたい。こうした異常伝導は、例えば、房室（ＡＶ）結節の伝導経路に沿った洞房（ＳＡ）結節の領域、又は心室及び心房の壁を形成する心筋組織など、心臓１２の様々な領域で生じることがこれまでに知られている。異常な導電性の組織のパターンがリエントリー経路につながることにより、洞律動の複数倍になり得る規則的なパターンで心腔が拍動する、心房粗動などの他の状態も存在する。
【0024】
例として、システム１０が心疾患を検出、診断、及び／又は治療することを支援するため、医師２４はベッド上に横たわる患者２３の心臓１２内にカテーテル１４を誘導することができる。例えば、医師２４は、カテーテル１４の近位端の近くのマニピュレータ及び／又はシースからの偏向を用いてシャフトの遠位端を操作しながら、シースを通してシャフトを挿入することができる。１つ以上の実施形態によれば、カテーテル１４をシャフトの遠位端に取り付けることができる。カテーテル１４は、折り畳まれた状態でシースを通して挿入することができ、次いで、心臓１２内で拡張させることができる。
【0025】
一般に、心臓１２内のある点における電気的活動は典型的には、遠位先端部又はその近く（例えば、少なくとも１つの電極２６）に電気センサ（例えば、センサ２９）を収容したカテーテル１４を心臓１２内のその点へと前進させ、組織を電気センサと接触させ、その点におけるデータを取得することによって測定することができる。単一の遠位先端電極のみを収容したカテーテルタイプを使用して心腔をマッピングすることに伴う１つの難点は、心腔全体としての詳細なマップに求められる必要な数の点にわたって各点ごとにデータを集積するために長い時間が必要とされることがあることである。したがって、心腔内の複数の点における電気的活動を同時に測定するために、多電極カテーテル（例えば、カテーテル１４）が開発されてきた。
【0026】
少なくとも１つの電極２６及びその本体上に連結されたカテーテル針を含むことができるカテーテル１４は、体内臓器（例えば、心臓１２）の電気的信号などの生体測定データを得て、かつ／又はその組織領域（例えば、心臓１２の心腔）をアブレーションするように構成することができる。電極２６は、追跡コイル、圧電変換器、電極、又は組織領域をアブレーションするか又は生体測定データを取得するように構成された要素の組み合わせなどの任意の同様の要素を代表するものである点に留意されたい。１つ以上の実施形態によれば、カテーテル１４は、軌跡情報を決定するために使用される１つ以上の位置センサを含むことができる。この軌跡情報を使用して、組織の収縮性などの運動特性を推測することができる。
【0027】
生体測定データ（例えば、患者生体測定値、患者データ、又は患者生体測定データ）は、局所興奮時間（local activation time、ＬＡＴ）、電気的活動、トポロジー、双極マッピング、基準活動、心室活動、優位周波数、インピーダンスなどのうちの１つ又は２つ以上を含むことができる。ＬＡＴは、正規化された初期開始点に基づいて計算された、局所活性化に対応する閾値活動の時点であり得る。電気的活動は、１つ又は２つ以上の閾値に基づいて測定され得る任意の適用可能な電気信号であってもよく、信号対ノイズ比及び／又は他のフィルタに基づいて、感知及び／又は拡張され得る。トポロジーは、身体部分又は身体部分の一部の物理的構造に対応し得、身体部分の異なる部分に関する、又は異なる身体部分に関する物理的構造における変化に対応し得る。優位周波数は、身体部分の一部で一般的に見られる周波数又は周波数の範囲であってよく、同じ身体部分の異なる部分において異なり得る。例えば、心臓のＰＶの優位周波数は、同じ心臓の右心房の優位周波数と異なり得る。インピーダンスは、身体部分の特定の領域における抵抗測定値であり得る。
【0028】
生体測定データの例としては、これらに限定されるものではないが、患者識別データ、ＩＣ ＥＣＧデータ、双極心臓内基準信号、解剖学的及び電気的測定値、軌跡情報、身体表面（body surface、ＢＳ）ＥＣＧデータ、履歴データ、脳生体測定値、血圧データ、超音波信号、無線信号、音声信号、２次元又は３次元（３Ｄ）画像データ、血糖データ、及び温度データが挙げられる。生体測定データは一般的に、心血管疾患（例えば、不整脈、心筋症、及び冠動脈疾患）、及び自己免疫疾患（例えば、Ｉ型及びＩＩ型糖尿病）などの任意の数の様々な疾患を監視、診断、及び治療するために使用され得る。ＢＳ ＥＣＧデータは、患者の表面上の電極から収集されたデータ及び信号を含むことができ、ＩＣ ＥＣＧデータは、患者体内の電極から収集されたデータ及び信号を含むことができ、アブレーションデータは、アブレーションされた組織から収集されたデータ及び信号を含み得る点に留意されたい。更に、ＢＳ ＥＣＧデータ、ＩＣ ＥＣＧデータ、及びアブレーションデータは、カテーテル電極位置データとともに、１つ又は２つ以上の処置記録から導出され得る。
【0029】
例えば、カテーテル１４は、電極２６を使用して血管内超音波及び／又はＭＲＩカテーテル法を実施して心臓１２を画像化する（例えば、生体測定データを取得及び処理する）ことができる。心臓１２の心腔内部の、カテーテル１４を拡大図で示す。１つ以上の電極２６を含む任意の形状が、本明細書に開示される実施形態を実装するために使用され得ることが理解されるであろう。
【0030】
カテーテル１４の例としては、これらに限定されるものではないが、複数の電極を有する直線状カテーテル、バルーンを形成する複数のスパイン上に分散した電極を含むバルーンカテーテル、ラッソ、グリッド形状の複数の電極を有するカテーテル若しくは複数の電極を有するループカテーテル、高密度カテーテル、又は他の任意の適用可能な形状若しくは複合体が挙げられる。直線状カテーテルは、受信信号に基づいて及び／又は直線状カテーテルに対する外力（例えば、心臓組織）の作用に基づいて、捻れ、折れ曲がり、及び／又は他の形でその形状を変化させることができるように、完全に又は部分的に弾性であってよい。バルーンカテーテルは、患者の身体内に配備される際、その電極を心内膜表面に対して密接に接触した状態に保持することができるように設計することができる。一例として、バルーンカテーテルは、肺静脈（ＰＶ）などの管腔内に挿入され得る。バルーンカテーテルは収縮状態でＰＶに挿入することができ、それにより、ＰＶに挿入されている間にバルーンカテーテルがその最大体積を占有することはない。バルーンカテーテルは、ＰＶの内側にある間に拡張することができ、それにより、バルーンカテーテル上の電極は、ＰＶの円形部分全体と接触する。ＰＶ又は任意の他の管腔の円形部分全体とのこのような接触は、効率的な撮像及び／又はアブレーションを可能とする。カテーテル１４の他の例としては、ＰｅｎｔａＲａｙ（登録商標）カテーテル及びＣｏｎｓｔｅｌｌａｔｉｏｎカテーテルが挙げられる。
【0031】
他の例によれば、身体パッチ及び／又は身体表面電極（例えば、１つ以上の電極パッチ３８）を患者２３の身体上又は身体に近接して配置してもよい。１つ以上の電極２６を有するカテーテル１４を身体内（例えば、心臓１２内）に配置することができるが、カテーテル１４の位置を、カテーテル１４の１つ以上の電極２６と身体パッチ及び／又は身体表面電極との間で送受信される信号に基づいて１００システムにより決定することができる。更に、電極２６は、心臓１２内などの患者２３の身体内から生体測定データを感知することができる（例えば、電極２６は、組織の電位をリアルタイムで感知する）。生体測定データは、決定されたカテーテル１４の位置と関連付けることができ、それにより、患者の身体部分（例えば、心臓１２）のレンダリングを表示し、身体部分の形状に重ね合わされた生体測定データを示すことができる。
【0032】
更なる例として、カテーテル１４及びシステム１０の他のアイテムは、ワークステーション５５に接続することができる。ワークステーション５５は、ＭＬ／ＡＩアルゴリズム（これは生成エンジン１０１に含むことができる）を用いる任意のコンピューティングデバイスを含むことができる。例示的な実施形態によれば、ワークステーション５５は、１つ以上のプロセッサ６１（任意のコンピューティングハードウェア）及びメモリ６２（任意の非一時的有形媒体）を含み、１つ以上のプロセッサ６１は、生成エンジン１０１に関するコンピュータ命令を実行し、メモリ６２は、１つ以上のプロセッサ６１により実行するためのこれらの命令を記憶する。例えば、ワークステーション５５は、生体測定データを受信及び処理して特定の組織領域が電気を伝導するかどうかを判定するように構成することができる。いくつかの実施形態では、ワークステーション５５は、アブレーション処置ガイダンス方法の機能を実行するために、生成エンジン１０１（ソフトウェア内）によって更にプログラムされ得る。例えば、アブレーション処置ガイダンス方法は、入力（例えば、１つ以上の画像及び伝導速度ベクトル推定値を含む）を受信することと、画像及び伝導速度ベクトル推定値を利用して、解剖学的構造のデジタルツインを生成することと、デジタルツインを提示させて、解剖学的構造の精密アブレーションガイダンスを提供させ、解剖学的構造の電気生理学情報を提供させることと、を含むことができる。
【0033】
１つ以上の実施形態によれば、生成エンジン１０１は、ワークステーション５５の外部にあってもよく、例えばカテーテル１４内、外部デバイス内、モバイルデバイス内、クラウドベースのデバイス内に位置してもよく、又はスタンドアロン型プロセッサであってもよい。この点に関して、生成エンジン１０１は、ネットワークを介して電子形態で転送可能であり得る／ダウンロードすることができる。
【0034】
一例として、ワークステーション５５は、ソフトウェア（例えば、生成エンジン１０１）及び／又は、カテーテル１４への信号及びそのカテーテルからの信号を送信及び受信するとともに、システム１０の他の構成要素を制御するための適当なフロントエンド回路及びインターフェース回路を備えた汎用コンピュータなどのハードウェア（例えば、プロセッサ６１及びメモリ６２）を含む、本明細書に記載の任意のコンピューティングデバイスであってもよい。例えば、フロントエンド回路及びインターフェース回路は、ワークステーション５５が少なくとも１つの電極２６から信号を受信及び／又は少なくとも１つの電極１１１に信号を伝送することを可能にする入出力（Ｉ／Ｏ）通信インターフェースを含む。ワークステーション５５は、典型的には、フィールドプログラマブルゲートアレイ（field programmable gate array、ＦＰＧＡ）として構成されたリアルタイムノイズ低減回路を含み得る。リアルタイムノイズ低減回路の後にはアナログデジタル（analog-to-digital、Ａ／Ｄ）ＥＣＧ又は心電図／筋電図（electromyogram、ＥＭＧ）信号変換集積回路が続く。ワークステーション５５は、Ａ／Ｄ ＥＣＧ又はＥＭＧ回路から別のプロセッサへ信号を伝えることができ、及び／又は本明細書に開示される１つ以上の機能を実行するようにプログラムすることができる。
【0035】
生体測定データを視覚的に提示するための任意の電子デバイスであり得るディスプレイデバイス２７は、ワークステーション５５に接続されている。例示的な実施形態によれば、処置中、ワークステーション５５は、ディスプレイデバイス２７上で、医師２４への身体部分のレンダリングの提示を促進し、身体部分のレンダリングを表すデータをメモリ６２に記憶することができる。例えば、運動特性を示すマップを、心臓１２内の十分な数の点でサンプリングされた軌跡情報に基づいてレンダリング／構築することができる。一例として、ディスプレイデバイス２７は、身体部分のレンダリングを提示することに加えて、医療専門家１１５からの入力を受けるように構成され得るタッチスクリーンを含むことができる。
【0036】
いくつかの実施形態では、医師２４は、タッチパッド、マウス、キーボード、ジェスチャ認識装置などの１つ以上の入力デバイスを使用して、システム１０の要素及び／又は身体部分のレンダリングを操作してもよい。例えば、入力デバイスを使用して、レンダリングが更新されるようにカテーテル１４の位置を変更することができる。ディスプレイデバイス２７は、同じ場所、又は別の病院若しくは別の医療提供者ネットワークなどの遠隔の場所に位置し得る点に留意されたい。
【0037】
１つ以上の実施形態によれば、システム１０は、超音波、コンピュータ断層撮影（ＣＴ）、ＭＲＩ、又はカテーテル１４若しくは他の医療機器を利用する他の医療撮像技術を使用して生体測定データを得ることもできる。例えば、システム１０は、１つ以上のカテーテル１４又は他のセンサを使用して、心臓１２のＥＣＧデータ及び／又は解剖学的及び電気的測定値（例えば、生体測定データ）を得ることができる。より詳細には、ワークステーション５５は、ケーブルによって、患者２３に貼付された接着皮膚パッチを含むＢＳ電極に接続することができる。ＢＳ電極は、ＢＳ ＥＣＧデータの形態で生体測定データを取得／生成することができる。例えば、プロセッサ６１は、患者２３の身体部分（例えば、心臓１２）内のカテーテル１４の位置座標を決定することができる。位置座標は、身体表面電極と、カテーテル１４又は他の電磁構成要素の電極２６との間で測定されるインピーダンス又は電磁場に基づいたものであってよい。追加的に、又は代替的に、操縦に使用される磁場を生成する場所パッドは、ベッド（又はテーブル）の表面上に位置し得、また、ベッドとは別個であり得る。生体測定データは、ワークステーション５５に送信し、メモリ６２に記憶させることができる。代替的に、又は追加的に、生体データは、本明細書で更に記載するようなネットワークを使用して、ローカル又はリモートであってもよいサーバに送信されてもよい。
【0038】
１つ以上の実施形態によれば、カテーテル１４は、心臓１２の心腔の組織領域をアブレーションするように構成され得る。例えば、心臓１２の心腔内のカテーテル１４を拡大図で示す。更に、少なくとも１つの電極２６などのアブレーション電極を、体内の臓器（例えば、心臓１２）の組織領域にエネルギーを与えるように構成してもよい。エネルギーは、熱エネルギーであってもよく、組織領域の表面から始まって組織領域の厚さに延びる組織領域への損傷を引き起こす可能性がある。アブレーション処置に関する生体測定データ（例えば、アブレーション組織、アブレーション位置など）は、アブレーションデータとみなすことができる。
【0039】
一例によれば、生体測定データを取得することに関して、多電極カテーテル（例えば、カテーテル１４）を心臓１２の心腔内に前進させることができる。電極のそれぞれの位置及び向きを確立するために、前後方向（ＡＰ）及び横方向の蛍光写真を取得することができる。ＥＣＧは、ＢＳ ＥＣＧからの洞律動におけるＰ波の発生及び／又は冠状静脈洞内に配置されたカテーテル１４の電極２６からの信号などの時間基準と関係のある心臓表面と接触する電極２６のそれぞれから記録することができる。本明細書で更に開示されるシステムは、電気的活動を記録する電極と、心内膜壁に近接していないことにより電気的活動を記録しない電極と、を区別することができる。最初のＥＣＧが記録された後、カテーテルを再配置することができ、蛍光写真及びＥＣＧを再び記録することができる。次に、（例えば、心臓マッピングを介して）電気的マップは、上記のプロセスの反復から構築することができる。
【0040】
心臓マッピングは、１つ以上の技術を使用して実施することができる。一般に、心臓１２の心臓領域、組織、静脈、動脈、及び／又は電気経路などの心臓領域のマッピングによって、瘢痕組織、不整脈源（例えば、電気的ローター）などの問題領域、健康な領域などの特定につながり得る。心臓領域は、本明細書で更に開示されるように、マッピングされた心臓領域の視覚的レンダリングがディスプレイを使用して提供されるようにマッピングすることができる。更に、心臓マッピング（心臓撮像の一例である）は、これらに限定されるものではないが、ＬＡＴ、局所興奮速度、電気的活動、トポロジー、双極マッピング、優位周波数、又はインピーダンスなどの１つ以上のモダリティに基づくマッピングを含み得る。複数のモダリティに対応するデータ（例えば、生体測定データ）は、患者の身体に挿入されたカテーテル（例えば、カテーテル１４）を使用して取得してもよく、対応する設定及び／又は医師２４の好みに基づいて、同時に又は異なる時間にレンダリングするために与えてもよい。
【0041】
第１の技術の一例として、心臓マッピングは、心臓１２内の正確な位置の関数として、心臓組織の電気的特性、例えばＬＡＴを感知することによって実施してもよい。対応するデータ（例えば、生体測定データ）は、心臓１２内に前進させられ、かつその遠位先端部に電気センサ及び位置センサ（例えば、電極２６）を有する、１つ以上のカテーテル（例えば、カテーテル１４）により取得してもよい。具体例として、場所及び電気的活動は、心臓１２の内側表面上の約１０～約２０箇所の点で最初に測定してもよい。これらのデータ点は一般に、心臓表面の予備再構成又はマップを満足な品質で生成するのに十分であり得る。予備マップは多くの場合、更なる点で測定されたデータと結合されて心臓の電気的活動の更に包括的なマップが生成され得る。臨床現場では、心腔の電気的活動の詳細な包括的マップを生成するために１００箇所以上の部位（例えば数千）のデータを集積することも珍しいことではない。その後、生成された詳細なマップは、心臓の電気的活動の伝播を変化させ、正常な心律動を回復させるための治療活動方針、例えば、本明細書に記載される組織のアブレーションについての決定を行うための基準となり得る。
【0042】
更に、心臓マッピングは、心内電位場（例えば、ＩＣ ＥＣＧデータ及び／又は双極心内基準信号の一例である）の検出に基づいて生成することができる。大量の心臓電気的情報を同時に取得するために非接触的な方法を実施することができる。例えば、遠位端部分を有するカテーテルタイプは、その表面上にわたって分布し、信号感知及び処理手段への接続のために絶縁導電体に接続された一連のセンサ電極を備えることができる。端部のサイズ及び形状は、電極が心腔の壁から大きな間隔を隔てて配置されるようなものとすることができる。心内電位場は、１回の心拍の間に検出することができる。一例によれば、センサ電極は、互いに間隔を置いた平面内に位置する一連の円周上に分布させることができる。これらの平面は、カテーテルの端部の長軸に対して垂直であってよい。少なくとも２個の更なる電極を、端部の長軸の両端に隣接して配設することができる。より具体的な例として、カテーテルは、各円周上に等角で間隔を置いて配置された８個の電極を有する４つの円周を含んでもよい。したがって、この特定の実装形態では、カテーテルは、少なくとも３４個の電極（３２個の周方向電極と２個の端部電極）を含むことができる。別のより具体的な例として、カテーテルは、５本の柔軟な可撓性分枝、８本の放射状スプライン、又は平行なスプラインを有するフライ返し型（例えば、いずれも合計４２個の電極を有し得る）などの他の多スプライン型カテーテルを含み得る。
【0043】
電気的又は心臓マッピングの例として、非接触式及び非拡張式多電極カテーテル（例えば、カテーテル１４）に基づく電気生理学的心臓マッピングシステム及び技術を実施することができる。ＥＣＧは、複数の電極（例えば、４２～１２２個の電極など）を有する１つ以上のカテーテル１４を用いて取得してもよい。この実装形態により、プローブ及び心内膜の相対的な幾何学的形状の知見を、経食道心エコー法などの独立した撮像モダリティによって得ることができる。独立した撮像の後、非接触式電極を使用して心臓表面電位を測定し、この表面電位からマップを構築することができる（例えば、場合によっては、双極心内基準信号を使用する）。この技術は、（独立した撮像工程の後に）以下の工程を含むことができる。すなわち、（ａ）心臓１２内に配置されたプローブ上に配置された複数の電極を用いて電位を測定する工程、（ｂ）プローブ表面と心内膜表面及び／又は他の基準との幾何学的関係を決定する工程、（ｃ）プローブ表面と心内膜表面との幾何学的関係を表す係数の行列を生成する工程、及び（ｄ）電極電位及び係数の行列に基づいて心内膜電位を決定する工程。
【0044】
電気的又は心臓マッピングの別の例として、心腔の電位分布をマッピングするための技術及び装置を実装することができる。心臓内多電極マッピングカテーテルアセンブリを心臓１２に挿入することができる。マッピングカテーテル（例えば、カテーテル１４）アセンブリは、１つ以上の一体型基準電極（例えば、１つ以上の電極２６）を有する複数電極アレイ又はコンパニオン基準カテーテルを含むことができる。
【0045】
１つ又は２つ以上の実施形態によれば、電極は、ほぼ球状のアレイの形態で展開することができ、この球状のアレイは、基準電極によって、又は心内膜表面と接触させられる基準カテーテルによって心内膜表面上の点に対して空間的に参照することができる。好ましい電極アレイカテーテルは、多数の個々の電極部位（例えば、少なくとも２４個）を有することができる。加えて、この例示的な技術は、アレイ上の電極部位の各々の位置を知ること、及び心臓の幾何学的形状を知ることで実施することができる。これらの位置は好ましくは、インピーダンスプレチスモグラフィ法によって決定される。
【0046】
電気的又は心臓マッピングの観点から、また、別の例によれば、カテーテル１４は、多数の電極部位を画定する電極アレイを含み得る心臓マッピングカテーテルアセンブリとすることもできる。この心臓マッピングカテーテルアセンブリはまた、心臓壁を短針するために使用することが可能な遠位先端電極アセンブリを有する基準カテーテルを受容するための管腔を備えている。マップ心臓マッピングカテーテルアセンブリは、絶縁ワイヤの編組（例えば、編組内に２４～６４本のワイヤを有する）を含むことができ、ワイヤのそれぞれを使用して電極部位を形成することができる。心臓マッピングカテーテルアセンブリは、非接触電極部位の第１のセット及び／又は接触電極部位の第２のセットから電気的活動情報を取得するために使用されるように心臓１２内に容易に配置可能である。
【0047】
更に、別の例によれば、心臓内の電気生理学的活動のマッピングを実施することができるカテーテル１４は、心臓をペーシングするための刺激パルスを供給するように適合された遠位先端部、又は先端部と接触する組織をアブレーションするためのアブレーション電極を含むことができる。このカテーテル１４は、直交電極の近傍の局所的な心臓電気的活動を示す差分信号を生成するための少なくとも一対の直交電極を更に備えることができる。
【0048】
本明細書で述べられるように、システム１０を用いて心臓状態を検出、診断、及び／又は治療することができる。例示的な動作では、心腔内の電気生理学的データを測定するためのプロセスを、システム１０によって実施してもよい。このプロセスは、部分的に、能動電極と受動電極のセットを心臓１２内に配置することと、能動電極に電流を供給し、それにより心腔内に電場を発生させることと、受動電極部位の電場を測定することとを含んでもよい。受動電極は、バルーンカテーテルの膨張可能なバルーン上に配置されたアレイに含まれる。好ましい実施形態では、アレイは６０～６４個の電極を有すると言われる。
【0049】
別の例示的な動作として、心臓マッピングは、１つ以上の超音波トランスデューサを使用してシステム１０によって実施されてもよい。超音波トランスデューサは、患者の心臓１２に挿入されてもよく、心臓１２内の様々な位置及び向きの複数の超音波スライス（例えば、２次元又は３次元スライス）を収集してもよい。特定の超音波トランスデューサの位置及び向きが分かる場合もあり、収集された超音波スライスは、後で表示することができるように記憶させることができる。カテーテル１４（例えば、治療カテーテル）の位置に対応する１つ以上の超音波スライスを後で表示してもよく、カテーテル１４は、１つ以上の超音波スライス上に重ね合わせてもよい。
【0050】
システム１０を考慮すると、心房性不整脈を含めた心不整脈は、心房の周りで散乱して、しばしば自己伝播する電気インパルスの複数の非同期的ループを特徴とする、マルチウェーブレット・リエントラント型であり得ることが分かる（例えば、ＩＣ ＥＣＧデータの別の例）。マルチウェーブレット・リエントラント型に代わって、又はそれに加えて、心不整脈はまた、心房の組織の孤立領域が、急速かつ反復する形で自律的に興奮する場合などの、巣状興奮源を有する場合もある（例えば、ＩＣ ＥＣＧデータの別の例）。心室頻拍（Ventricular tachycardia、Ｖ－ｔａｃｈ又はＶＴ）は、心室のうちの１つから発生する頻脈症又は高速な心律動である。これは、心室細動及び突然死につながり得るため、潜在的に致死性の不整脈である。
【0051】
例えば、ａＦｉｂは、洞房結節によって生成される通常の電気インパルス（例えば、ＩＣ ＥＣＧデータの別の例）が心房静脈及びＰＶで生じる無秩序な電気インパルス（例えば、信号干渉）によって圧倒され、不規則なインパルスを心室に伝導させる場合に発生する。その結果、不規則な心拍が生じ、数分～数週間、又は更には数年間持続する場合がある。多くの場合、ａＦｉｂは、しばしば脳卒中による死亡リスクをわずかに増加させる慢性的な状態である。ａＦｉｂの治療方針は、心拍数を減らすか又は心律動を正常に戻す投薬治療である。更には、ａＦｉｂを有する患者は、脳卒中のリスクから守るために抗凝血剤を投与される場合が多い。そのような抗凝血剤の使用は、それ自体のリスクである内出血を伴う。一部の患者では、投薬治療は十分ではなく、その患者のａＦｉｂは、薬剤不応、すなわち、標準的な薬理学的介入では治療不可能であると判断される。同期された電気的除細動もまた、ａＦｉｂを通常の心律動に変換するために使用することができる。あるいは、ａＦｉｂの患者には、カテーテルアブレーションによる治療も行われる。
【0052】
カテーテルアブレーションベースの治療には、心臓組織、特に心内膜及び心臓容積の電気的特性をマッピングすること、並びにエネルギーの印加によって心臓組織を選択的にアブレーションすることが含まれてもよい。電気又は心臓マッピング（例えば、本明細書に記載される任意の電気生理学的心臓マッピングシステム及び技術によって実施される）には、心臓組織に沿った波伝播の電位マップ（例えば、電圧マップ）、又は様々な組織内に位置する点への到達時間のマップ（例えば、ＬＡＴマップ）を作成することが含まれる。局所的な心臓組織の機能不全を検出するために、電気的又は心臓マッピング（例えば、心臓マップ）を使用することができる。心臓マッピングに基づくアブレーションなどのアブレーションは、不要な電気信号の、心臓１２のある部分から別の部分への伝播を停止又は変化させることができる。
【0053】
アブレーション法は、非伝導性の損傷部を形成することによって望ましくない電気経路を破壊するものである。様々なエネルギー送達の様式が、損傷部を形成する目的でこれまでに開示されており、心臓組織壁に沿って伝導ブロックを作るためのマイクロ波、レーザ、及びより一般的には無線周波エネルギーの使用が挙げられる。エネルギー送達法の別の例としては、細胞膜を損傷する高い電場を与える不可逆的エレクトロポレーション（irreversible electroporation、ＩＲＥ）が挙げられる。２段階の処置（マッピングと、その後に続くアブレーション）においては、典型的には、１つ以上の電気センサ（例えば、電極２６）を収容したカテーテル１４を心臓１２内に前進させ、多数の点におけるデータ（例えば、一般には生体測定データとして、又は具体的にはＥＣＧデータとして）を取得／獲得することによって、心臓１２内の点における電気的活動が感知及び測定される。次いでＥＣＧデータを用いて、アブレーションを実施する心内膜の標的領域が選択される。
【0054】
心房細動及び心室頻拍などの困難な状態を医師が治療する際の心臓アブレーション及び他の心臓の電気生理学的処置は、ますます複雑化している。難治性不整脈の治療は現在、対象となる心腔の解剖学的構造を再構成するうえで３Ｄマッピングシステムの使用を頼りにすることができる。この点に関して、本明細書のシステム１０によって採用される生成エンジン１０１は、一般的には生体測定データを、具体的にはＥＣＧデータを操作及び評価して、異常心拍又は不整脈を治療するためのより正確な診断、画像、スキャン、及び／又はマップを可能にする改善された組織データを生成する。例えば、心臓専門医は、ＥＣＧデータを生成及び分析するうえで、Ｂｉｏｓｅｎｓｅ Ｗｅｂｓｔｅｒ，Ｉｎｃ．（Ｄｉａｍｏｎｄ Ｂａｒ，Ｃａｌｉｆ．）により製造されるＣＡＲＴＯ（登録商標）３ ３ＤマッピングシステムのＣｏｍｐｌｅｘ Ｆｒａｃｔｉｏｎａｔｅｄ Ａｔｒｉａｌ Ｅｌｅｃｔｒｏｇｒａｍｓ（ＣＦＡＥ）モジュールなどのソフトウェアに依存する。システム１０の生成エンジン１０１は、このソフトウェアを強化して、改善された生体測定データを生成及び分析し、これにより、ａＦｉｂの（解剖学的及び機能的）心臓基質を表す心臓１２（瘢痕組織を含む）の電気生理学的特性に関する複数の情報を更に提供する。
【0055】
したがって、システム１０は、異常ＥＣＧの検出の観点から、心筋症の潜在的な不整脈原性基質の位置を特定するために、ＣＡＲＴＯ（登録商標）３ ３Ｄマッピングシステムなどの３Ｄマッピングシステムを実装することができる。これらの心臓疾患に関連する基質は、心室腔（右及び左）の心内膜及び／又は心外膜層の細分化及び遅延ＥＣＧの存在と関連付けられている。例えば、低電圧又は中電圧の領域は、ＥＣＧの細分化及び遅延活動を示し得る。更に、洞律動の間において低電圧又は中電圧の領域は、持続性のまとまりのある心室性不整脈において識別される臨界峡部（critical isthmus）に対応し得る（例えば、許容されない心室頻拍、並びに心房内に当てはまる）。一般に、異常組織は、低電圧のＥＣＧによって特徴付けられる。しかしながら、心内膜－心外膜マッピングにおける初期の臨床経験によって、低電圧の領域は、こうした患者における唯一の不整脈発生機序として常に存在するとは限らないことが示されている。実際に、低電圧又は中電圧の領域は、洞律動の間にＥＣＧの細分化及び遅延活動を示す場合があり、これは、持続性のまとまりのある心室性不整脈の際に識別される臨界峡部（critical isthmus）に対応する（例えば、許容されない心室頻拍のみに当てはまる）。更に、多くの場合、ＥＣＧの細分化及び遅延活動は、正常又はほぼ正常な電圧振幅（＞１～１．５ｍＶ）を示す領域で観察される。後者の領域は、電圧振幅に従って評価することができるが、心内信号によれば正常とはみなされず、したがって真の不整脈原性基質を表している。３Ｄマッピングは、主要疾患の進展によって分布にばらつきがあり得る、右／左心室の心内膜及び／又は心外膜層上の不整脈原性基質の位置を特定することができる。
【0056】
別の例示的な動作として、心臓マッピングは、１つ以上の多電極カテーテル（例えば、カテーテル１４）を使用してシステム１０によって実施することもできる。多電極カテーテルは、心臓１２内の電気的活動を刺激及びマッピングし、異常な電気的活動が見られる部位をアブレーションするために使用される。使用時には、多電極カテーテルは、主要な静脈又は動脈、例えば大腿静脈に挿入された後、対象となる心臓１２の心腔内へと案内される。典型的なアブレーション処置では、その遠位端に少なくとも１つの電極２６を有するカテーテル１４を心腔内に挿入することを伴う。基準電極が、患者の皮膚にテープで貼り付けられるか、あるいは心臓内又は心臓付近に配置される第２のカテーテルによって、あるいはカテーテル１４の１つ又は他の電極２６から選択することによって、提供される。高周波（ＲＦ）電流がアブレーションカテーテル１４の先端電極２６に印加され、先端電極の周囲の媒質（すなわち、血液及び組織）を通り、基準電極に向かって電流が流れる。電流分布は、組織よりも伝導率の高い血液と比べて、組織に接触している電極表面量によって決まる。その電気抵抗が原因で組織の加熱が発生する。組織が十分に加熱されると、心臓組織において細胞破壊が引き起こされ、結果として、心臓組織内に電気的に非伝導性である損傷が形成される。この過程では、加熱された組織から電極自体への伝導によって先端電極２６の加熱も生じる。電極の温度が十分に高くなり、場合により６０℃を超えると、脱水された血中タンパク質の薄く透明な皮膜が、電極２６の表面上に形成され得る。温度が上昇し続けると、この脱水層が徐々に厚くなり得、電極表面上に血液が凝固する。脱水された生物学的材料は、心内膜組織よりも高い電気抵抗を有するため、電気エネルギーの組織内部への流れに対するインピーダンスもまた増大する。インピーダンスが十分に高くなると、インピーダンス上昇が起こり、カテーテル１４を身体から抜き取り、先端電極２６を洗浄しなければならない。
【0057】
ここで図２を参照すると、１つ又は２つ以上の実施形態による、本開示の主題の１つ又は２つ以上の特徴が実装され得るシステム２００の略図が示される。システム２００は、ａＦｉｂ患者の心房のデジタルツインを生成するように構成することができる。
【0058】
システム２００は、患者２０２（例えば、図１の患者２３の一例）に対して、装置２０４、ローカルコンピューティングデバイス２０６、リモートコンピューティングシステム２０８、第１のネットワーク２１０、及び第２のネットワーク２１１を含んでいる。更に、装置２０４は、生体測定センサ２２１（例えば、図１のカテーテル１４の一例）、プロセッサ２２２、ユーザ入力（ＵＩ）センサ２２３、メモリ２２４、及び送受信機２２５を含むことができる。説明を容易にし、簡潔にするため、図１の生成エンジン１０１を図２で再使用している点に留意されたい。
【0059】
一実施形態によれば、装置２０４は、図１のシステム１０の一例であってよく、装置２０４は、患者の内部の構成要素及び患者の外部の構成要素の両方を含むことができる。別の実施形態によれば、装置２０４は、取り付け可能なパッチ（例えば、患者の皮膚に取り付けられる）を含む患者２０２の外部の装置であってよい。別の実施形態によれば、装置２０４は、患者２０２の身体の内部のもの（例えば、皮下移植可能な）とすることができ、装置２０４を、経口注入、静脈若しくは動脈を介した外科的挿入、内視鏡手術、又は腹腔鏡手術を含む任意の適用可能な方法によって患者２０２の体内に挿入することができる。一実施形態によれば、単一の装置２０４が図２に示されているが、例示的なシステムは、複数の装置を含むことができる。
【0060】
したがって、装置２０４、ローカルコンピューティングデバイス２０６、及び／又はリモートコンピューティングシステム２０８は、生成エンジン１０１に対するコンピュータ命令を実行するようにプログラムされ得る。一例として、メモリ２２３は、装置２０４が生体測定センサ２０１を介して生体測定データを受信及び処理することができるように、プロセッサ２２２が実行するこれらの命令を記憶する。このように、プロセッサ２２２及びメモリ２２３は、ローカルコンピューティングデバイス２０６及び／又はリモートコンピューティングシステム２０８のプロセッサ及びメモリを代表するものである。
【0061】
装置２０４、ローカルコンピューティングデバイス２０６、及び／又はリモートコンピューティングシステム２０８は、生成エンジン１０１及びその機能を個別又は集合的に記憶、実行、及び実装するソフトウェア及び／又はハードウェアの任意の組み合わせとすることができる。更に、装置２０４、ローカルコンピューティングデバイス２０６、及び／又はリモートコンピューティングシステム２０８は、本明細書に記載されるように、様々な通信技術を利用した任意の数及び組み合わせのコンピューティングデバイス及びネットワークを含む、及び／又は使用する電子的コンピュータフレームワークとすることができる。装置２０４、ローカルコンピューティングデバイス２０６、及び／又はリモートコンピューティングシステム２０８は、異なるサービスに合わせて変更することが可能な、又は他と独立していくつかの機能を再構成することが可能な、容易にスケーラブルで、拡張可能な、モジュール式のものとすることができる。
【0062】
ネットワーク２１０及び２１１は、有線ネットワーク、無線ネットワークであってもよく、又は１つ若しくは２つ以上の有線及び無線ネットワークを含んでもよい。一実施形態によれば、ネットワーク２１０は、近距離ネットワーク（例えば、ローカルエリアネットワーク（local area network、ＬＡＮ）、又はパーソナルエリアネットワーク（personal area network、ＰＡＮ））の一例である。情報は、Ｂｌｕｅｔｏｏｔｈ、Ｗｉ－Ｆｉ、Ｚｉｇｂｅｅ、Ｚ－Ｗａｖｅ、近接場通信（near field communication、ＮＦＣ）、ウルトラバンド、Ｚｉｇｂｅｅ、又は赤外線（infrared、ＩＲ）などの様々な近距離無線通信プロトコルのうちのいずれか１つを使用して、装置２０４とローカルコンピューティングデバイス２０６との間で近距離ネットワーク２１０を介して送信することができる。更に、ネットワーク２１１は、イントラネット、ローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（wide area network、ＷＡＮ）、メトロポリタンエリアネットワーク（metropolitan area network、ＭＡＮ）、直接接続若しくは一連の接続、セルラー電話ネットワーク、又はローカルコンピューティングデバイス２０６とリモートコンピューティングシステム２０８との間の通信を容易にすることが可能な任意の他のネットワーク若しくは媒体のうちの１つ又は２つ以上のものの一例である。情報は、様々な長距離無線通信プロトコル（例えば、ＴＣＰ／ＩＰ、ＨＴＴＰ、３Ｇ、４Ｇ／ＬＴＥ、又は５Ｇ／Ｎｅｗ Ｒａｄｉｏ）のいずれか１つを使用して、ネットワーク２１１を介して送信することができる。なお、ネットワーク２１０及び２１１の有線接続は、イーサネット、ユニバーサルシリアルバス（Universal Serial Bus、ＵＳＢ）、ＲＪ－１１、又は任意の他の有線接続を使用して実装することができ、無線接続は、Ｗｉ－Ｆｉ、ＷｉＭＡＸ、及びＢｌｕｅｔｏｏｔｈ、赤外線、セルラーネットワーク、衛星通信、又は任意の他の無線接続法を使用して実装することができる。
【0063】
動作中、装置２０４は、ネットワーク２１０を介して、患者２０２に関連する生体測定データを、連続的又は定期的に、取得、監視、記憶、処理、及び通信することができる。更に、装置２０４、ローカルコンピューティングデバイス２０６、及び／又はリモートコンピューティングシステム２０８は、ネットワーク２１０及び２１１を介して通信する（例えば、ローカルコンピューティングデバイス２０６は、装置２０４とリモートコンピューティングシステム２０８との間のゲートウェイとして構成することができる）。例えば、装置２０４は、ネットワーク２１０を介してローカルコンピューティングデバイス２０６と通信するように構成された図１のシステム１０の一例であり得る。ローカルコンピューティングデバイス２０６は、例えば、固定／独立型デバイス、基地局、デスクトップ／ラップトップコンピュータ、スマートフォン、スマートウォッチ、タブレット、又はネットワーク２１１及び２１０を介して他のデバイスと通信するように構成された他のデバイスとすることができる。ネットワーク２１１上の、若しくはネットワーク２１１に接続された物理サーバとして、又はネットワーク２１１のパブリッククラウドコンピューティングプロバイダ（例えば、Ａｍａｚｏｎ Ｗｅｂ Ｓｅｒｖｉｃｅｓ（ＡＷＳ）（登録商標））内の仮想サーバとして実装されるリモートコンピューティングシステム２０８は、ネットワーク２１１を介してローカルコンピューティングデバイス２０６と通信するように構成することができる。したがって、患者２０２に関連する生体測定データを、システム２００全体を通じて通信することができる。
【0064】
装置２０４の要素がここで説明される。生体測定センサ２２１は、例えば、異なる種類の生体測定データが観察／取得／入手されるように、１つ以上の環境条件を電気信号に変換するように構成された１つ以上のトランスデューサを含むことができる。例えば、生体測定センサ２２１は、電極（例えば、図１の電極２６）、温度センサ（例えば、熱電対）、血圧センサ、血糖センサ、血中酸素センサ、ｐＨセンサ、加速度計、及びマイクロフォンのうちの１つ以上を含むことができる。
【0065】
生成エンジン１０１を実行するうえで、プロセッサ２２２は、生体測定センサ２２１によって取得された生体測定データを受信、処理、及び管理し、かつ生体測定データを、記憶させるためにメモリ２２４に、かつ／又は送受信機２２５を介してネットワーク２１０全体に通信するように構成することができる。１つ又は２つ以上の他の装置２０４からの生体測定データはまた、送受信機２２５を介してプロセッサ２２２によって受信されてもよい。また、以下でより詳細に説明するように、プロセッサ２２２は、ＵＩセンサ２２３から受信される異なるタッピングパターン（例えば、シングルタップ又はダブルタップ）に選択的に応答して、パッチの異なるタスク（例えば、データの取得、記憶、又は送信）が、検出されたパターンに基づいて起動されるように構成することができる。いくつかの実施形態では、プロセッサ２２２は、ジェスチャの検出に関して可聴フィードバックを生成することができる。
【0066】
１つ以上の実施形態によれば、生成エンジン１０１は、実行時に、画像及び伝導速度ベクトル推定値を含む入力を受信し、画像及び伝導速度ベクトル推定値を利用して解剖学的構造のデジタルツインを生成し、ユーザインターフェースを介して、デジタルツインを提示し、解剖学的構造の精密アブレーションガイダンス及び電気生理学情報を提供することができる。
【0067】
１つ以上の実施形態によれば、生成エンジン１０１は、実行時に、１つ以上のアブレーション（アブレーションは電気穿孔であり得ることに留意されたい）を実行した後に、デジタルツインに基づいてＬＡＴ活動の再推定を行うことができる。この場合、デジタルツインは、生成エンジン１０１が、心拍源（例えば、洞房結節又はＳＡ結節）の識別に基づいてＬＡＴマップを生成し、各方向のＣＶに基づいて心臓１２内の信号の進行を計算することを可能にする。したがって、生成エンジン１０１の技術的効果、利点、及び利益のうちの１つ以上は、実際のＬＡＴマップ（ＣＡＲＴＯ（登録商標）３において現在生成されるような）及びデジタルツインＬＡＴマップを同じインターフェース上で提供可能にすることを含む。更に、アブレーションの後で、アブレーション推定モデル（ＣＡＲＴＯ ＶＩＳＩＴＡＧ（商標）モデルなど）を使用して、アブレーションされた位置のＣＶを生成エンジン１０１によって更新することができる。したがって、デジタルツインＬＡＴマップも、１２５０ｆ ＣＶ更新に基づいて更新することができる。したがって、生成エンジン１０１の技術的効果、利点、及び利益のうちの１つ以上は、心臓１４を再マッピングすることなくアブレーションの後でＬＡＴマップのシミュレーションを可能にすることを含む。したがって、１つ以上の実施形態によれば、生成エンジン１０１は、デジタルツインモデルに基づいてデジタルツインＬＡＴマップを生成することができ、デジタルツインＬＡＴマップに影響を与えたアブレーションモデルに基づいて、デジタルツインモデル内のアブレーションされた細胞／組織のＣＶベクトル推定値を更新することができる。１２５０
ＵＩセンサ２２３は、例えば、タップ又はタッチなどのユーザ入力を受信するように構成された圧電センサ又は静電容量センサを含む。例えば、ＵＩセンサ２２３は、患者２０２が装置２０４の表面をタップ又はタッチすることに応答して、容量性結合を実施するように制御されてもよい。ジェスチャ認識は、抵抗容量性、表面容量性、投影容量性、表面超音波、圧電及び赤外線タッチなどの、様々な容量型のうちのいずれか１つにより実施することができる。静電容量センサは、表面のタップ又はタッチが監視デバイスを起動させるように、表面の小さい領域又は長さにわたって配置されてもよい。
ＵＩセンサ２２３は、例えば、タップ又はタッチなどのユーザ入力を受信するように構成された圧電センサ又は静電容量センサを含む。例えば、ＵＩセンサ２２３は、患者２０２が装置２０４の表面をタップ又はタッチすることに応答して、容量性結合を実施するように制御されてもよい。ジェスチャ認識は、抵抗容量性、表面容量性、投影容量性、表面超音波、圧電及び赤外線タッチなどの、様々な容量型のうちのいずれか１つにより実施することができる。静電容量センサは、表面のタップ又はタッチが監視デバイスを起動させるように、表面の小さい領域又は長さにわたって配置されてもよい。
【0068】
メモリ２２４は、磁気、光学、又は電子メモリ（例えば、ランダムアクセスメモリ又はハードディスクドライブなどの任意の適当な揮発性及び／又は不揮発性メモリ）などの任意の非一時的有形媒体である。メモリ２２４は、プロセッサ２２２によって実行されるコンピュータ命令を記憶する。
【0069】
送受信機２２５は、別個の送信機及び別個の受信機を含み得る。あるいは、送受信機２２５は、単一のデバイスに一体化された送信機及び受信機を含み得る。
【0070】
動作中、装置２０４は、生成エンジン１０１を利用して、生体測定センサ２２１を介して患者２０２の生体測定データを観察／取得して、メモリに生体測定データを記憶し、送受信機２２５を介してシステム２００全体でこの生体測定データを共有する。生成エンジン１０１は、次いで、モデル、遠隔電場低減アルゴリズム、ニューラルネットワーク、ＭＬ、及び／又はＡＩを利用して、心房細動（ａＦｉｂ）患者のための心房のデジタルツインを生成する信号処理動作を実行することができる。
【0071】
ここで図３を参照すると、１つ以上の実施形態による、方法３００（例えば、図１及び／又は図２の生成エンジン１０１によって実行される）が示されている。方法３００は、心臓の心房をナビゲートするためのアブレーション処置ガイダンス方法の一例であり得る。方法３００は、デジタルツインを介してより正確に電気生理学をより良く理解することを可能にする、心臓１２の電気活動に対する多段階操作を提供することによって、改善されたアブレーション位置決定技術の必要性に対処する（例えば、心房壁物質に関する情報だけでなく、不整脈トリガも考慮する）。
【0072】
方法は、ブロック３１０で開始し、ここで、生成エンジン１０１は１つ以上の入力を受信する。１つ以上の入力は、本明細書に記載されるような生体データ、及び心臓１２の１つ以上の画像（例えば、ＣＴ、ＭＲＩなど）を含むことができる。１つ以上の入力は、リアルタイムデータであるとともに患者固有のものであり得る。より詳細には、１つ以上の入力は、ＩＣ ＥＣＧ及び／又はＢＳ ＥＣＧのベースライン記録、以前の／現在のＣＶベクトル推定値、及び／又は心房に沿って伝搬する典型的な波をシミュレートするための格子ボルツマンモデルを含むことができる。１つ以上の実施形態によれば、システム１０は、多電極カテーテル（例えば、カテーテル１４）を利用して、電極によって覆われた心臓領域から複数の取得物（例えば、ベースライン記録）を得ることができる。１つ以上の実施形態によれば、入力は、画像、伝導速度ベクトル推定値、及びベースライン記録又は格子ボルツマンモデルを含む。更に、入力は、ＩＣ ＥＣＧ及び／又はＢＳ ＥＣＧからの催不整脈作用であり得る。
【0073】
ブロック３２０において、生成エンジン１０１はデジタルツインを生成する。例えば、生成エンジン１０１は、ａＦｉｂ患者２３の心臓１２の左心房のデジタルツインを作成する。心臓１２のデジタルツインは、画像及び他の入力に基づくことができる。１つ以上の実施形態によれば、生成エンジン１０１は、画像及び伝導速度ベクトル推定値を利用して心臓１２のデジタルツインを生成する。デジタルツインはまた、ベースライン記録、ＣＶベクトル推定値、及び／又は格子ボルツマンモデルに基づくことができる。したがって、生成エンジン１０１が画像及び他の入力を得ると、生成エンジン１０１は解剖学的構造を構築して、電気がその解剖学的構造を通ってどのように流れるかを決定することができる。ブロック３２０においてデジタルツインを生成する１つ以上の動作は、限定はしないが、到来方向（direction of arrival、ＤＯＡ）推定（３３０）、クラスタリング（３４０）、ボクセル化（３５０）、及び動的３Ｄ生成（３６０）の実行を含むことができる。この点に関して、生成エンジン１０１０は、ＤＯＡ推定、クラスタリング、ボクセル化、及び動的３次元生成のうちの１つ以上を実行することに基づいて、心臓１２を通る電気の流れを決定する。デジタルツインを生成する動作が本明細書で更に説明されるが、理解を容易にするためにそれぞれを簡単に説明する。
【0074】
ブロック３３０及び３４０において、ＤＯＡ推定及びクラスタリングは、単極信号から心房活動をセグメントごとに分析することによって局所ＣＶベクトルを推定するボトムアップ手法であり得る。ＤＯＡ推定は、催不整脈作用のＣＶベクトルを自動的に識別することに留意されたい（例えば、システム１０は、ＤＯＡ推定値を利用して、ＣＶベクトル推定値を自動的に識別し、デジタルツインを生成することができる）。すなわち、全てのセグメントが処理されると、生成エンジン１０１は、ＤＯＡクラスタを検出するためにクラスタリングする（例えば、クラスタリングの出力は、１～３個の典型的な伝導速度ベクトルであり得る）。より具体的には、ボトムアップステージ手法は、電気生理学測定値の点ごとに伝導速度ベクトル及び病巣源位置を出力し、最後のステージは、病巣源に基づいて電気流シミュレーションのパターンを推定するために格子ボルツマンモデルを使用する。
【0075】
ブロック３５０において、生成エンジン１０１は、最良のＣＶベクトルを見つけるためにボクセル化する（すなわち、１つ以上のボクセルを処理する）。この点に関して、心房は、Ｋ個のボクセルにボクセル化され（すなわち、心房は、１つ以上のボクセルに分割され）、各ボクセルからは、その最近傍の６つのみが見える。更に、生成エンジン１０１は、最も良いＣＶベクトルを決定するために、ごく近隣に興奮波が見られる確率を使用する。ブロック３６０において、生成エンジン１０１は、（最良のＣＶベクトルに沿って）波を提示する動的３Ｄ生成を実行する。この点に関して、１つ以上の入力から構築されるデジタルツイン（例えば、画像から構築された解剖学的構造）は、動的３Ｄ生成と位置合わせされる。
【0076】
ブロック３７０において、生成エンジン１０１は、医師２４のためのユーザインターフェースにおいてデジタルツインを提示する。１つ以上の実施形態によれば、生成エンジン１０１は、デジタルツインを提示して、精密アブレーションガイダンスを提供し、解剖学的構造（すなわち、心臓１２）の電気生理学情報を提供する。例えば、ユーザインターフェースの精密アブレーションガイダンスは、伝導速度ベクトル推定値に基づいて（例えば、最良のＣＶベクトルに基づいて）電気がデジタルツインを通ってどのように流れるかを示す１つ以上のシミュレーション及び／又はデジタルツインに関して巣状興奮間の１つ以上の相互作用を含むことができ、１つ以上の相互作用に基づいてアブレーションのための病巣を決定する。より具体的には、生成エンジン１０１は、任意のアブレーションが行われる前に、アブレーション処置のためのガイダンスツールとして作用する。このようにして、医師２４は、心臓１２の心房のリアルタイム状態を評価し、それに応じてデジタルツインと相互作用することができる。
【0077】
ブロック３８０において、生成エンジン１０１は、１つ以上の追加の入力を受信する。１つ以上の追加の入力は、リアルタイムデータであるとともに患者固有のものであり得る。１つ以上の入力は、バイオメトリックデータ、カテーテルの運動、ＣＴ画像、ＭＲＩ画像、リアルタイム超音波画像、追加のＩＣ ＥＣＧ及び／又はＢＳ ＥＣＧ記録、並びに／若しくは更新されたＣＶベクトル推定値を含むことができる。１つ以上の実施形態によれば、生成エンジン１０１は、１つ以上の追加の入力を受信し、アブレーション処置のための１つ以上の異なるアブレーションアプローチ提案を生成し、（１つ以上の追加の入力に基づいて）デジタルツインの再マッピング動作を行う。例えば、医師２４は、ブロック３７０で提示されたデジタルツインを見た後で、カテーテル１４を新しい位置に移動させるなど、１つ以上の決定を行う。生成エンジン１０１は、シミュレーションを生成するために、新しい位置、及び新しい位置に関連付けられて更新されたバイオメトリック情報を（１つ以上の追加の入力として）利用する。生成エンジン１０１は、異なるアブレーションアプローチをシミュレートし、最小面積のアブレーションで不整脈を低減するアプローチを提案する。生成エンジン１０１は、どの病巣がアブレーションにとってより重要であるかを決定するために、巣状興奮間の相互作用をシミュレートする。方法３００の技術的効果及び利点は、生成エンジン１０１が、バイポーラ電圧マップを使用して実際の瘢痕を含むこと、又は医師２４が各位置においてアブレーションしようとしているという仮定に基づいてシミュレートされた瘢痕を含むことを可能にすること含む。１つ以上の実施形態によれば、ブロック３８０の動作は任意選択であり得る。
【0078】
破線ブロック３８０（任意選択）において、アブレーションが行われる。この任意選択の工程は、１つ以上の追加の入力に従ってブロック３７０及び３８０で提示されたシミュレーションに基づいて医師２４によって実行することができる。１つ以上の追加の入力が受信され、及び／又はアブレーションが行われた後、生成エンジン１０１は、ブロック３２０に戻ることによって、再マッピング動作（矢印３９５によって表される）を行うことができる。
【0079】
方法３００の全部又は一部は、本明細書で説明されるように、ＭＬ／ＡＩに関する生成エンジン１０１によって実装され得る。図４は、１つ又は２つ以上の実施形態による、ＡＩシステム４００のグラフィック描写を示す。図示されるように、ＡＩシステム４００は、メモリ又は他の記憶ユニット上に記憶され得るデータ４１０（例えば、バイオメトリックデータ）を含む。更に、ＡＩシステム４００は、図１～図２の生成エンジン１０１のソフトウェア態様（例えば、その中のＭＬ／ＡＩアルゴリズム）を表すマシン４２０及びモデル４３０を含む。マシン４２０及びモデル４３０はともに、転帰４４０を生成することができる。ＡＩシステム４００は、図１のカテーテル１４、図１のワークステーション５５、及び／又は図２の装置２０４を表すことができるハードウェア４５０を含むことができる。適切な場合、理解を容易にするため、図４～図５の説明は、図１～図３を参照して行う。一般的に、ＡＩシステム４００のＭＬ／ＡＩアルゴリズム（例えば、図１～図２の生成エンジン１０１によって実施される）は、データ４１０を使用してハードウェア４５０に対して動作して、マシン４２０を訓練してモデル４３０を構築し、転帰４４０を予測する。
【0080】
例えば、マシン４２０は、ハードウェア４５０上で実行されるソフトウェアコントローラとして動作する。データ４１０（例えば、本明細書に記載される生体測定データ）は、ハードウェア４５０に関連付けられた進行中データ（すなわち、連続的に収集中のデータ）又は出力データであり得る。データ４１０はまた、現在収集中のデータ（例えば、カテーテル１４の位置）、履歴データ、又はハードウェア４５０からの他のデータを含むことができ、外科手術中の測定値を含むことができ、外科手術の転帰と関連付けることができ、収集され、心臓処置の転帰（又はＬＡ Ｔ、電気活動、トポロジー、双極マッピング、基準活動、心室活動、優位周波数、インピーダンスのうちの１つ以上）と相関がある図１の心臓１２の温度を含むことができる。データ４１０は、ハードウェア４５０に関連付けることができる。データ４１０は、マシン４２０によって１つ以上のサブセットに分割され得る。
【0081】
更に、マシン４２０を訓練する。これには収集されたデータ４１０の分析及び相関が含むことができる。例えば、心臓の場合では、温度及び転帰のデータ４１０を、心臓処置中の図１の心臓１２の温度と正又は負の処置転帰との間に相関又は関連が存在するかを判定するために訓練することができる。別の実施形態によれば、マシン４２０を訓練することは、１つ以上のサブセットを用いた図１の生成エンジン１０１による自己訓練を含むことができる。この点に関して、例えば、図１の生成エンジン１０１は、デジタルツインを生成し、波の伝搬をシミュレートするために、学習する。
【0082】
モデル４３０は、データ４１０上に構築される。モデル４３０を構築することは、物理的ハードウェア又はソフトウェアモデリング、アルゴリズムモデリング、及び／又は収集及び訓練されたデータ４１０（又はそのサブセット）を表すことを目的とした同様のモデリングを含むことができる。いくつかの態様では、モデル４３０の構築は、マシン４２０による自己訓練動作の一部である。モデル４３０は、ハードウェア４５０の動作をモデル化するとともに、ハードウェア４５０から収集されたデータ４１０をモデル化してハードウェア４５０によって得られる転帰４４０を予測するように構成することができる。（ハードウェア４５０に関連付けられたモデル４３０の）転帰４４０の予測では、訓練されたモデル４３０を用いることができる。例えば、また、本開示の理解を深めるため、心臓の場合、３６．５℃～３７．８９℃（すなわち、華氏９７．７度及び華氏１００．２度）の処置中の温度が心臓処置からの肯定的な結果をもたらす場合、これらの温度を使用した所与の処置で転帰４４０を予測してもよい。したがって、予測された転帰４４０を使用して、マシン４２０、モデル４３０、及びハードウェア４５０を適宜構成することができる。
【0083】
したがって、ＡＩシステム４００が説明されたように動作するために、その中のＭＬ／ＡＩアルゴリズムは、ニューラルネットワークを含むことができる。一般に、ニューラルネットワークは、ニューロンのネットワーク又は回路であり、あるいは現代的な意味では、人工ニューロン又はノード又はセルで構成される人工ニューラルネットワーク（ＡＮＮ）である。
【0084】
例えば、ＡＮＮは、処理要素と要素パラメータとの間の接続によって決定される複雑なグローバル挙動を示すことができる処理要素（人工ニューロン）のネットワークを含む。ニューロンのネットワーク又は回路のこれらの接続は、重みとしてモデル化される。正の重みは興奮性の接続を反映し、負の値は抑制性の接続を意味する。入力は重みで修正され、線形結合を使用して合計される。活性化関数が、出力の振幅を制御することができる。例えば、出力の許容範囲は通常０～１であるが、－１～１の場合もある。多くの場合、ＡＮＮは、ネットワークを通って流れる外部情報又は内部情報に基づいてその構造を変更する適応型システムである。
【0085】
より実用的な言葉で言えば、ニューラルネットワークは、入力と出力との間の複雑な関係をモデル化するために、又はデータのパターンを見つけるために使用することができる非線形統計データモデリング又は意思決定ツールである。したがって、ＡＮＮは、データセットを介して訓練される間に、予測モデリング及び適応制御アプリケーションに使用することができる。経験から生じる自己学習がＡＮＮ内で発生する可能性があり、複雑で一見無関係な一組の情報から結論を導き出すことができる点に留意されたい。人工ニューラルネットワークモデルの有用性は、それらを使用して、観測から関数を推定し、かつそれを使用することができるという事実にある。教師なしニューラルネットワークは、入力分布の顕著な特徴をキャプチャする入力の表現の学習、及び、最近では、観測データの分布関数を暗黙的に学習することができるディープラーニングアルゴリズムにも使用することができる。ニューラルネットワークでの学習は、データ（例えば、生体測定データ）又はタスク（例えば、任意の数の様々な疾患の監視、診断、及び治療）の複雑さのためにそのような関数の設計を手作業では行えない用途において特に有用である。
【0086】
ＡＩシステム４００では、その中のＭＬ／ＡＩアルゴリズムは、それらが適用されるタスクに従って一般的に分割されたニューラルネットワークを含むことができる。これらの分割は、時間系列予測及びモデリングを含む回帰分析（例えば、関数近似）、パターン及び配列認識を含む分類、新規な検出及び連続的意思決定の作成、フィルタリングを含むデータ処理、クラスタリング、盲信号分離、及び圧縮のカテゴリ内に入る傾向がある。例えば、ＡＮＮの適用領域は、医療処置から生じる患者バイオメトリックデータのセマンティックプロファイルを作成することを支援するための医療診断及び治療を含む。
【0087】
１つ以上の実施形態によれば、ニューラルネットワークは、長・短期記憶ニューラルネットワークアーキテクチャ、畳み込みニューラルネットワーク（ＣＮＮ）アーキテクチャ、又は他の同様のものを実装し得る。ニューラルネットワークは、多数の層、多数の接続（例えば、符号器／復号器接続）、規則化技術（例えば、ドロップアウト）、及び最適化特徴に関して構成可能であり得る。
【0088】
長・短期記憶ニューラルネットワークアーキテクチャは、フィードバック接続を含み、単一のデータ点（例えば、画像など）をデータのシーケンス全体（例えば、スピーチ又は動画）とともに処理することができる。長・短期メモリニューラルネットワークアーキテクチャの単位は、セル、入力ゲート、出力ゲート、及び忘却ゲートで構成することができ、セルは任意の時間間隔にわたって値を記憶し、ゲートは、セルへの及びセルからの情報の流れを調節する。
【0089】
ＣＮＮアーキテクチャは、１つの層内の各ニューロンが次の層内の全てのニューロンに接続される並進不変特性を有する共有重みアーキテクチャである。ＣＮＮアーキテクチャの正則化技術は、データ内の階層パターンを利用し、より小さくより単純なパターンを使用してより複雑なパターンを編成することができる。ニューラルネットワークがＣＮＮアーキテクチャを実装する場合、アーキテクチャの他の構成可能な態様は、それぞれのステージにおける多数のフィルタ、カーネルサイズ、層ごとの多数のカーネルを含み得る。
【0090】
ここで図５を参照すると、ニューラルネットワーク５００の一例及びニューラルネットワーク５００内で実行される方法５０１のブロック図が、１つ以上の実施形態に従って示されている。ニューラルネットワーク５００は、本明細書に記載されるＭＬ／ＡＩアルゴリズムの実装（例えば、図１～２の生成エンジン１０１によって実装される）を支援するように動作する。ニューラルネットワーク５００は、図４のマシン４２０及び／又はハードウェア４５０などのハードウェアに実装することができる。本明細書に示されるように、図４～図５の説明は、適切な場合、理解を容易にするため、図１～図３を参照して行う。
【0091】
例示的動作では、図１の生成エンジン１０１は、ハードウェア４５０からデータ４１０を収集することを含む。ニューラルネットワーク５００において、入力層５１０は、複数の入力（例えば、図５の入力５１２及び５１４）によって表される。方法５０１のブロック５２０に関して、入力層５１０は入力５１２及び入力５１４を受信する。入力５１２及び入力５１４は、生体測定データを含むことができる。例えば、データ４１０を収集することは、ハードウェア４５０の１つ以上の処置記録からデータセット（データ４１０によって表される）に生体測定データ（例えば、ＢＳ ＥＣＧデータ、ＩＣ ＥＣＧデータ、及びアブレーションデータ）を集積することであり得る。
【0092】
方法５０１のブロック５２５では、ニューラルネットワーク５００は、データ４１０の任意の部分（例えば、ＡＩシステム４００によって生成されたデータセット及び予測）を用いて入力５１２及び５１４をコード化して、潜在表現又はデータコード化を生成する。潜在表現は、複数の入力から導出される１つ以上の中間的データ表現を含む。１つ以上の実施形態によれば、潜在表現は、図１の生成エンジン１０１の要素ごとの活性化関数（例えば、シグモイド関数又は正規化線形関数）によって生成される。図５に示すように、入力５１２及び５１４は、ノード５３２、５３４、５３６、及び５３８を含むように示された隠れ層５３０に与えられる。ニューラルネットワーク５００は、ノード５３２、５３４、５３６、及び５３８の隠れ層５３０を介して処理を実行して、処理要素と要素パラメータとの間の接続によって決定される、複雑なグローバル挙動を示す。したがって、層５１０と層５３０との間の移行は、入力５１２及び入力５１４を受けて、これをディープニューラルネットワーク（層５３０内）に転送して、入力の一部のより小さな表現（例えば、結果的に生じる潜在表現）を学習する符号器段階とみなすことができる。
【0093】
ディープニューラルネットワークは、ＣＮＮ、長・短期記憶ニューラルネットワーク、完全接続ニューラルネットワーク、又はこれらの組み合わせであり得る。入力５１２及び５１４は、心内ＥＣＧ、身体表面ＥＣＧ、又は心内ＥＣＧ及び身体表面ＥＣＧであってよい。この符号化は、入力５１２及び入力５１４の次元数削減をもたらす。次元数削減は、一組の主要変数を得ることによって、考慮されているランダム変数（入力５１２及び入力５１４の）の数を低減するプロセスである。例えば、次元数削減は、データ（例えば、入力５１２及び入力５１４）を、高次元空間（例えば、１０次元よりも高い）から低次元空間（例えば、２～３次元）に変換する特性抽出であり得る。次元数削減の技術的効果及び利点としては、データ４１０の時間及び記憶空間要件を低減すること、データ４１０の可視化性を改善すること、及びＭＬのためのパラメータ解釈性を改善することが挙げられる。このデータ変換は、線形又は非線形であり得る。受信（ブロック５２０）及び符号化（ブロック５２５）の動作は、生成エンジン１０１による多段階データ操作のデータ準備部分とみなすことができる。
【0094】
方法５１０のブロック５４５において、ニューラルネットワーク５００は、潜在表現を復号化する。復号化ステージは、符号器出力（例えば、結果として生じる潜在表現）を受け、別のディープニューラルネットワークを使用して入力５１２及び入力５１４の特定の形態を再構築することを試みる。この点に関して、ノード５３２、５３４、５３６、及び５３８は組み合わされて、方法５１０のブロック５６０に示されるように、出力層５５０に出力５５２を生成する。すなわち、出力層５９０は、削減された次元で、ただし信号干渉、信号アーチファクト、及び信号ノイズなしで、入力５１２及び入力５１４を復元する。出力５５２の例としては、クリーンにされた生体測定データ（例えば、ＩＣ ＥＣＧデータのクリーン／ノイズ除去バージョンなど）が挙げられる。クリーンにされた生体測定データの技術的効果及び利益には、任意の数の様々な疾患のより正確な監視、診断、及び治療を可能にすることが含まれる。
【0095】
１つ以上の実施形態によれば、生成エンジン１０１は、ａＦｉｂ患者（例えば、患者１２０）のための心臓１２の心房のデジタルツイン（例えば、心房デジタルツイン（atria digital twin）又はＡＤＴ）を作成することに関して説明される。本明細書に記載されるように、ａＦｉｂは、世界的なヘルスケアの主要課題である。例えば、ａＦｉｂの開始及び維持は完全には理解されておらず、これが有効かつ信頼できる療法の開発を妨げてきた。ａＦｉｂの治療は、多くの場合、カテーテルアブレーションによるものであり、この場合、障害の開始又は永続化の原因であると判定された心筋の領域を標的として、高周波エネルギーの局所的な印加又は凍結により当該領域を電気的に不活性にする。
【0096】
例えば、発作性ａＦｉｂの場合、カテーテルアブレーションは、８０％～９０％の範囲の成功率で、比較的良好な転帰をもたらす。しかしながら、持続性ａＦｉｂ患者のためのカテーテルアブレーション療法は、補助的アブレーション戦略の全ての形態をもってしても、約５０％の成功率であまり有効ではない（また、アブレーション処置の約３３％が、持続性又は長期持続性ａＦｉｂを有する患者において行われる）。肺静脈隔離（pulmonary vein isolation、ＰＶＩ）は、第１のアプローチであり得るが、他のアブレーション戦略が、患者のこの区分に対する治療の有効性を高めるために開発されている。
【0097】
ａＦｉｂ維持を担う駆動機構がいくつかある。病巣、ローター、及び心外膜－心内膜解離。最近の臨床研究は、病巣、複合細分化心房電位図（complex fractionated atrial electrogram、ＣＦＡＥ）、及び高優位周波数（high dominant frequency、ＤＦ）を対象としている。しかしながら、これらのアブレーション戦略のいずれも、ＰＶＩアプローチに何らかの価値を加えることが示されていない。これらのアブレーション戦略が価値を付加しない１つ以上の理由は、これらのアブレーション戦略が、持続性ａＦｉｂにおいて１つのモダリティのみを調査し、そのモダリティ（例えば、単純又は複雑、病巣挙動又は非病巣挙動、早期又は後期、分割又は非分割）を、アブレーション処置から１年以上経過した後のａＦｉｂからの開放の成否に関連付けることを含み得る一方で、ＥＰ及びアブレーションパラメータの多くが無視されている。
【0098】
生成エンジン１０１は、ａＦｉｂ患者（例えば、患者１２０）のためのＡＤＴを生成及び提供することによって、これらの懸念を克服する。例えば、ＡＤＴは、アブレーション処置のベースライン記録中にＩＣ ＥＣＧデータをモデル化し、全ての利用可能な臨床観察と同じもの（例えば、同一条件下で）を作成する。ＡＤＴに基づき、生成エンジン１０１は、ａＦｉｂの速やかなかつ長期的な停止について異なるアブレーションアプローチを試験し、対応する成功を予測することができる。したがって、生成エンジン１０１の１つ以上の利点、技術的効果、及び／又は利益は、アブレーション治療調査のための費用効果が高く、安全で、倫理的な解決策を含む。すなわち、生成エンジン１０１は、心房の患者固有モデル（すなわち、ＡＤＴ）を作成する。患者固有モデルは、心房の３Ｄ表現、電気生理学モデリング、及び他のモデリングに関するいくつかの課題に対処することができる。生成エンジン１０１はまた、時変収縮伝導流をシミュレートし、心房の血行動態流をシミュレートし、心室のデジタルツインを作成するとき、同じことを適用することができる。生成エンジン１０１はまた、ＩＣ ＥＣＧ、ＣＶベクトルを推定するための心房の３Ｄ撮像、及びデータに最も良く適合するＮ個の典型的な電気流をシミュレートするための格子ボルツマンモデルを使用することによって、これらの懸念を克服する。例えば、生成エンジン１０１は、深層学習アルゴリズムを利用及び適用して、１２誘導ＥＣＧ信号のセットからボクセルごとのＣＶベクトルを推定することができる。図５に関して本明細書で述べたように、生成エンジン１０１は、３Ｄ解剖学的構造、ＢＣ ＥＣＧ、及びＢＳ電極の３Ｄ位置からＣＶ推定するためのＭＬ／ＡＩアーキテクチャを含むことができる。
【0099】
１つ以上の実施形態によれば、生成エンジン１０１は、ＡＤＴとして、ａＦｉｂ患者（例えば、患者１２０）の左心房のデジタルツインを生成する。このＡＤＴは、本明細書で説明されるように（少なくとも図３を参照）、ＩＣ－ＥＣＧのベースライン記録、ＣＶベクトル推定、及び左心房に沿って伝搬する典型的な波をシミュレートするための格子ボルツマンモデルから生成される。ＡＤＴは、双極電圧マップを使用した実際の瘢痕、又は医師２４が各位置でアブレーションしようとしているという仮定に基づく模擬瘢痕を含むことができる。したがって、ＡＤＴは、アブレーション処置のためのガイドツールとして使用することができる。ＡＤＴはまた、（ＡＤＴにわたって）異なるアブレーションアプローチをシミュレートし、最小面積のアブレーションで不整脈を低減するもの（例えば、最小有効面積を有するアプローチ）を選択することができる。ＡＤＴは、（心房デジタルツインに関して）巣状興奮間の１つ以上の相互作用をシミュレートしてどの病巣がアブレーションにとってより重要であるかを決定することができる。ａＦｉｂの性質を考慮して、ＡＤＴは、解剖学的情報に基づくデジタルシミュレーションなどにおいて不整脈がそれ自体を繰り返すと仮定せず、標準的な電気伝導を仮定することに留意されたい。
【0100】
ここで図６を参照すると、方法６００が１つ以上の実施形態に従って示されている。ブロック６０５は点線で示され、入力ブロックを示すことに留意されたい。ブロック６１０、６１５、６２０、６２５、６３０、６３５、６４０、６４５、６５０、６７５、及び６８０は破線であり、処理ブロックを示し、ブロック６５５、６６５、６７０、及び６８５は破線であり、出力ブロックを示す。方法６００は、ＤＯＡ推定に基づく速度推定及び病巣源検出（すなわち、ＤＯＡ推定に基づくＣＶ及び病巣検出のためのプロセス）を行う。ＤＯＡは、催不整脈作用のＣＶベクトルを自動的に識別するための方法と考えることができることに留意されたい。更に、方法６００は、電極によって覆われた心臓領域から複数の取得を得るために多電極カテーテルを使用することなどの、局所ＣＶベクトルを推定するためのボトムアップ手法であり得る。
【0101】
ブロック６０５において、生成エンジン１０１は、入力記録（例えば、電極によって覆われた心臓領域からの複数の取得物）を受信する。ブロック６１０において、生成エンジン１０１は、単極信号ごとに心房検出を実行する。決定ブロック６１５において、生成エンジン１０１は、単極信号から心房活動をセグメントごとに分析する。
【0102】
並行して、ブロック６２０において、生成エンジン１０１は、カテーテル１４を２Ｄ空間に更に投影する。決定ブロック６２５において、２つの優位固有値の和の３つの固有値の和に対する比が９５％より高いなど、有効な射影が存在するかどうかを決定する。すなわち、生成エンジン１０１が２Ｄ空間に投影することができない場合、方法はブロック６３０に進む（ＮＯの矢印によって示されるように）。そうでない場合、方法６００はブロック６３５に進む（ＹＥＳの矢印で示すように）。ブロック６３０及び６３５において、３Ｄ又は２Ｄ加重ＤＯＡモデル推定が、カテーテルを２Ｄ空間に投影する能力に基づいて開始される。
【0103】
決定ブロック６４０において、生成エンジン１０１は、モデル（例えば、ＡＤＴ）の推定誤差が大きいか小さいかを決定する。モデルの推定誤差が大きすぎる（例えば、７ミリ秒より大きい）場合、方法６００は、ブロック６４５に進む（ＮＯの矢印によって示されるように）。ブロック６４５において、ＤＯＡ推定のための反復モードが適用される。ＤＯＡ推定のための反復モードが、図１１～図１４に関して示されている。
【0104】
決定ブロック６５０において、生成エンジン１０１は、モデル（例えば、ＡＤＴ）の推定誤差が大きいか小さいか（例えば、７ミリ秒よりも大きいか）を再び決定する。モデルの推定誤差が大きすぎる（例えば、７ミリ秒より大きい）場合、方法６００は、（ＮＯの矢印によって示されるように）出力ブロック６５５に進む。出力ブロック６５５において、生成エンジン１０１は、ＤＯＡのための／からの任意の不良セグメントを記憶する。
【0105】
有効なＤＯＡがブロック６４０及び／又は６５０において検出された場合（ＹＥＳの矢印で示すように）、ＬＡＴは出力ブロック６６５において補正される。出力ブロック６７０において、全てのセグメントが処理されるまで、１つ以上のＤＯＡポイントもメモリ６２に記憶される。例えば、方法６００は、全てのセグメントを終了するなど、決定ブロック６１５にループすることができる。
【0106】
ブロック６７５において、全てのセグメントが処理されると（矢印６７６を参照）、ＤＯＡクラスタの検出のためにｋ平均クラスタリングが行われる。ｋ平均クラスタリングは、カテーテル１４（例えば、ＰｅｎｔａＲａｙ（登録商標）カテーテル）の位置ごとに典型的なＣＶベクトルを授与／提供／生成することができる。ブロック６８０において、生成エンジン１０１は、病巣源検出が開始される検出段を実行する（すなわち、支配的なＣＶベクトルのうちの１つ以上の起点がカテーテル１４の中心から８ｍｍ以内にある場合、病巣検証の機構が適用される）。出力ブロック６８５において、生成エンジン１０１は、病巣源を検証することができる（例えば、その近傍の電極内に１０個以上の最も早いＳ波パターンがある場合）。
【0107】
１つ以上の実施形態によれば、ＤＯＡ推定、病巣検出、及びＬＡＴ改善、並びに図６の他の態様が、本明細書で更に説明される。
【0108】
セグメントごとのＤＯＡに関して、モデルベースのＤＯＡをデータの各セグメントに適用することができる。例えば、モデルベースＤＯＡは、少なくとも１０個の局所心房活性化のセットを含むことができ、ｔｉは電極の局所心房活動の時間であり、＝１，．．．，ｍ、１０≦ｍ≦Ｎであり、ここでＮは、カテーテル１４内の有効電極の数である（例えば、ＰｅｎｔａＲａｙ（登録商標）カテーテルについてはＮ＝２０）。生成エンジン１０１が、単一の波が３Ｄ空間内の任意の点から生じ、単一の波が一定のＣＶでカテーテル１４に向かって進行すると仮定／決定する場合、生成エンジン１０１は、式１に従ってＪ（θ）、すなわちモデルの「総コスト」を定義することができる。ここで、ｘｉ，ｙｉ，ｚｉは電極の位置の座標であり、ｘ０，ｙ０，ｚ０はＤＯＡが計算される位置の座標である。
【0109】
【数1】
【0110】
すなわち、生成エンジン１０１は、更に
【0111】
【数2】
【0112】
【数3】
θｋ＋１＝θｋ－γ・∇Ｊ（θｋ） 式２
【0113】
∇は微分演算を表しγは学習速度係数である。γは、変換を確実にするために小さくすることがでるが、Ｊ（θ）の遅い変換又は極小値への収束に対処するために、過剰に小さくしないようにできることに留意されたい。１つ以上の実施形態によれば、後に式３～７によってそれぞれ以下に示されるように、勾配降下アルゴリズムの正式な記述は、（ｘ０，ｙ０，ｚ０，ｔ０，ｖ）の各パラメータについて、Ｊ（θ）の微分方程式を導出することを含むことができる。
【0114】
【数4】
【0115】
図７～１１は、１つ以上の実施形態による、インターフェース７００、８００、９００、１０００、及び１１００を示す。インターフェース７００、８００、９００、１０００、及び１１００は、生成エンジン１０１によって生成することができる。図７のインターフェース７００は、心房活動のセグメントに基づくＤＯＡ推定の一例を示す。インターフェース７００の第１の部分７１０は、局所興奮時間（ｔｉ－円）の位置及びＤＯＡモデルに基づくそれらの対応する推定された局所興奮時間（四角）の位置を有するユニポーラ信号のセットを提供する。インターフェース７００の上の図７２０は、推定された巣状興奮（内側にｘを有する円）を示す。他の円は、Ｘ－Ｙ空間内の電極の位置を表す。インターフェース７００の下の図７３０は、左心房の解剖学的構造上のカテーテル１４の実際の位置を表す。
【0116】
図８のインターフェース８００は、例示的な等時線マップを示す。波は、内側にｘを有する円８１０から伝搬している。各円は、影付きバーに従ってミリ秒（ｍｓｅｃ）単位の到着時間を表す。１つ以上の円８３０は、電極の位置を表し、その中の数字はミリ秒単位の推定誤差を表す。
【0117】
１つ以上の実施形態によれば、生成エンジン１０１は、次元削減、重み付きＤＯＡ推定、及び／又はＤＯＡ反復モードに関して上記のモデルベースＤＯＡを変形することができる。
【0118】
次元削減に関して、カテーテル１４を表面に投影することができる。投影は、最も高い固有値を有する２つの固有ベクトルを取る生成エンジン１０１によって行われる。２つの固有値によって保存されるエネルギーが９５％より大きい場合、生成エンジン１０１は、式８～１３によって示されるように、３Ｄ空間から表面への投影が、ｚ次元のないθ＝（ｘ０，ｙ０，ｚ０，ｔ０，ｖ）に関して有効であると仮定／決定する。
【0119】
【数5】
【0120】
ここで図９を参照すると、１つ以上の実施形態によるインターフェース９００が示されている。インターフェース９００は、２ＤのＤＯＡ推定の例に関する（ここで、エネルギーの９７．７％が保存され、したがって、２ＤのＤＯＡ推定が適用される）。インターフェース９００の第１の部分９１０は、ｔｉに基づいてソートされたユニポーラ信号を提供する。ここで、四角はｘ０，ｙ０，ｚ０，ｔ０，及びｖの推定に基づいて推定されたｔｉを表す。インターフェース９００によって示される例では、単一の波がカテーテル１４に向かって進行する。インターフェース９００の上の図９２０は、推定された巣状興奮（内側にｘを有する円）を示す。円は、Ｘ－Ｙ空間における電極の位置を表す。インターフェース９００の下の図９３０は、左心房の解剖学的構造上のカテーテル１４の実際の位置を表す。
【0121】
重み付きＤＯＡ推定に関して、生成エンジン１０１は、浅い興奮よりも「信頼できる」「先鋭な」興奮を提供する。ここで、先鋭度はｔｉにおけるユニポーラ信号の時間微分ｄｖ／ｄｔに基づいて定義することができる。各ｔｉを、対応する時間微分ｄｖ／ｄｔに基づいて０から１の間の重みにマッピングすることができる。式１４～１８に従って、２Ｄに対して交番を設定することができる。
【0122】
【数6】
【0123】
図１０を参照すると、１つ以上の実施形態によるインターフェース１０００が示されている。インターフェース１０００は、巣状興奮として検出された重み付けＤＯＡの例である。インターフェース１１００のグラフは、電極（例えば、Ｂ５、Ｂ７、Ｄ１３、Ｃ１０など）にそれぞれ信号を提供する。インターフェース１０００において、電極Ｅ１９及びＥ２０における最も早いＳ波パターンに留意されたい。インターフェース１０００のチャート１００１において、各円は、勾配の重みを表すことができる。
【0124】
ＤＯＡ反復モードに関して、平均推定誤差が特定の閾値（例えば、７ミリ秒）を上回る場合、生成エンジン１０１は、ＤＯＡ推定のための反復モードに入る。各反復において、最も大きい推定誤差を有する局所興奮時間がＤＯＡ推定から除去される。このプロセスは、１０を超える有効な局所興奮時間がある間は、繰り返すことができる。
【0125】
図１１を参照すると、１つ以上の実施形態によるインターフェース１１００が示されている。このインターフェースは、カテーテル１４の中心における巣状興奮の推定に関する情報をどのように表示するかの一例である。１２．４ミリ秒という大きな推定誤差のために、生成エンジン１０１は反復モードを開始することに留意されたい。インターフェース１１００のグラフは、特定の心拍及び興奮時間（すなわち、信号が電極の各対の下を通過した時間）を表す信号を提供する。インターフェース１１００の３Ｄ画像は、左心房内の各電極の場所を表す。グラフで提示されるインターフェース１１００の２Ｄ画像は、表面上の各電極対の位置及び相対的興奮時間を表す。
【0126】
図１２を参照すると、１つ以上の実施形態による１つ以上のグラフ１２１０、１２３０、及び１２５０が示されている。１つ以上のグラフ１２１０、１２３０、及び１２５０は、（例えば、カテーテル１４の中心における）病巣源の第１の反復、及び（例えば、電極の近くにずれて配置されている）巣状興奮の第２～第９の反復を図示する。グラフ１２１０は、反復ごとの最大誤差を示す。グラフ１２３０は、反復ごとの伝導速度を示す。グラフ１２１０及び１２３０の両方が組み合わされて、「妥当な解」に対するモデルの全体的な収束を示す（最大誤差は、第２の反復の後に５ミリ秒未満に低下し、ＣＶは０．５ｍｍ／ミリ秒である）。グラフ１２５０において、ドット１２６０はＤＯＡ推定のための有効な電極を表し、電極は無効な電極を表し、「反復９」は、この電極が反復９においてＤＯＡ推定から除外されたことを表す。反復モデルは、ノイズの多い局所興奮時間の場合、又はカテーテル１４に向かって伝搬する２つ以上の波を有する場合を処理するために使用されることに留意されたい。
【0127】
図１３を参照すると、インターフェース１３００は、反復９におけるＤＯＡ解（すなわち、モデルの実際の結果）の一例を示す。グラフ１３０１は、特定の心拍及び興奮時間（すなわち、信号が電極の各対の下を通過した時間）を表す信号を提供する。３Ｄ画像１３０５は、左心房内の各電極の場所を表し、グラフ内に提示される２Ｄ画像１３１０は、表面上の各電極対の位置及び相対的興奮時間を表す。１つ以上の実施形態によれば、グラフ１３０１は、遠隔電場活性化を除去した後の単極信号を示す（測定点を削除するために）。１つ以上の実施形態によれば、信号は、１つ以上のスプライン及びスプライン当たり１つ以上の電極を有するカテーテル１４（例えば、４８個の電極を有するＯＣＴＡＲＡＹ（登録商標）マッピングカテーテル）によって取得することができる。モデルの推定誤差は重要な量である。推定誤差は、モデルの適合度の「良さ」の尺度である。最終モデルが、ある閾値（例えば、７ミリ秒）を上回る全体推定誤差をもたらすとき、生成エンジン１０１は、セグメントが分析に無効であると仮定することができる。無効セグメントの割合は、この対象におけるａＦｉｂの「複雑さ」の良好な尺度である。高密度カテーテル及び遠隔電場低減アルゴリズムを使用するとき、「推定誤差」は、電極のグループごとに、又は電極ごとに生成エンジン１０１によって計算することができ、「良好度」は、各電極によって生成することができる。
【0128】
セグメントＤＯＡから伝導速度ベクトルに移動する生成エンジン１０１に関して、ＤＯＡ項は、カテーテル１４に向かって伝搬している波の推定される伝導速度及び（ｘ，ｙ）位置を表すことができることに留意されたい。本明細書で述べたように、生成エンジン１０１は、局所心房活動の伝導速度ベクトル単一セグメントの推定を提供することができる。セグメント持続時間は典型的には１００～２００ミリ秒である。更に、典型的な記録は、２．５～３０秒の単極信号を有し、ａＦｉｂの最中に約１０～２００個のセグメントを含む。したがって、全てのセグメントが処理されるまで全ての有効なＤＯＡが記憶され、次にｋ平均クラスタリングが行われる。図１４とグラフ１４００は、１つ以上の実施形態によるＤＯＡクラスタリングの例を示す。生成エンジン１０１は、ＤＯＡのクラスタリングに基づく記録ごとに決定を実行することができる。全ての円は、記録内のＬＡＴのセグメントからのＤＯＡ推定を表す。この記録には、データを「説明する」ＤＯＡの２つのクラスタがある。第１のクラスタ１４１０（（－３．７ｍｍ，－０．２ｍｍ）における円）は、ＤＯＡの８０．５％を含み、第２のクラスタ１４２０は、記録におけるＤＯＡの１９．５％を含む。クラスタリングの出力は、１～３個の典型的なＣＶベクトルである。
【0129】
優位クラスタがカテーテル１４の中心から半径８ｍｍ以内に入る場合、生成エンジン１０１によって病巣源が検出される。病巣源はまた、最も早いＳ波パターンの少なくとも１０個の標示（構成可能）が、病巣から８ｍｍの半径内に位置する電極において見出される場合、検証されてもよい。病巣検出ベースのＤＯＡは、巣状興奮にカテーテルを配置することなく、解剖学的構造上の位置に現れる可能性があるので、検証プロセスは任意選択であることに留意されたい。
【0130】
図１５は、１つ以上の実施形態による、ユーザインターフェース１５１０及び１５４０を示す。インターフェースは、１５１０病巣マップを示す。インターフェース１５４０は、伝導速度の静的マップを示す。インターフェース１５１０及び１５４０のマップはＤＯＡアルゴリズムに基づいており、左心房上に提示される。
【0131】
１つ以上の実施形態によれば、電気流シミュレーションのための格子ボルツマンモデルが説明される。生成エンジン１０１のＤＴＡアルゴリズムのボトムアップステージは、電気生理学測定値の点ごとに、すなわち、ＰｅｎｔａＲａｙ（登録商標）カテーテルによる測定値の位置ごとに、ＣＶベクトル及び病巣源位置を出力する。生成エンジン１０１のアルゴリズムの最終段は、伝導速度ベクトルに基づいて電気流シミュレーションのパターンを推定するために格子ボルツマンモデルを使用する。心房は、Ｋ個のボクセルにボクセル化され、各ボクセルからは、その最近傍の６つのみが見える。前段からの測定値は、可能な伝導速度ベクトルのセットを各ボクセルに割り当てるために使用される。式１９を参照されたい。φｖはボクセルｖに関連する伝導速度ベクトルＭを表す。｜φｉ｜は、Ｖ／ｓｅｃ単位の実際の伝導速度であり、φｉｘ，φｉｙは、当該伝導速度のｘ成分及びｙ成分である。
【0132】
【数7】
【0133】
各時間サンプルｔごとに、生成エンジン１０１は、伝導速度、サイクル長、及び境界条件の制約を受ける活性化の確率をボクセルごとに推定する。生成エンジン１０１は、０．５ｍＶ未満のバイポーラ電圧値を有する全てのボクセルが非導電性であり、波がこのボクセルを活性化することを制限されると仮定することができる。１つ以上の境界条件はまた、最良のアブレーションアプローチをシミュレートしようとするユーザからアルゴリズムへの入力として与えられる焼灼点又は焼灼線に基づいて、生成エンジン１０１によって仮定され得る。生成エンジン１０１は、時間０において、病巣源標示を伴う優位ボクセルが「発火」であるときに、動作／アルゴリズムを開始する。存在しない場合、病巣源は、臨床仮定に基づいて開始される。例えば、生成エンジン１０１は、ブッフマン束が正常洞調律中の左心房の電気的活性化のための優先経路であるので、病巣源位置としてブッフマン束を選択する。
【0134】
生成エンジン１０１は、式２０に従って、病巣のごく近隣において興奮波が見られる確率を決定／計算する。
【0135】
【数8】
【0136】
ｅｉは最近傍の７つのうちの１つを表し、ｄｔは系内では１ミリ秒である。ｆ（ｘ＋ｅｉ，ｔ＋ｄｔ）＝１の場合、生成エンジン１０１は、ｘ＋ｅｉの現在のＣＶを推定する（例えば、直近の２０ミリ秒におけるボクセルｘ＋ｅｉ近隣の波の情報を収集することなど、いくつかの方法が生成エンジン１０１によって適用可能である）。次に、ボクセルｘ＋ｅｉに関連付けられた推定ＣＶとして示されるθ＝［｜θ｜，θｘ，θｙ］により、ＣＶ基準は、式２１～２３に従って定義することができる。
【0137】
【数9】
【0138】
推定の開始時にα＝１であり、αは、格子ボルツマンモデルが波の推定に失敗するたびに係数２だけ増加されることに留意されたい。所与の期待されるＣＶサンプルθｉに対して、全ての上記基準が満たされる場合、ＣＶ速度基準が満たされ、ｆ（ｖ＋ｅｉ，ｔ＋ｄｔ）は、１と等しくなる（例えば、ｖ＋ｅｉが瘢痕ボクセルではない場合も）。次に、生成エンジン１０１は、図１６及び方法１６００による修正格子ボルツマンモデルを実装することができる。
【0139】
方法１６００は、ブロック６２０で開始する。ここでは生成エンジン１０１が心房セットφｖをボクセルごとにボクセル化する。ブロック１６４０において、生成エンジン１０１は、病巣源の初期ボクセルを設定する。
【0140】
次いで、ブロック１６６０において、生成エンジン１０１は、各ｔについて、ｔ←ｔ＋ｄｔを決定する。更に、ブロック１６６０において、ボクセルｖごとに、ｖ＋ｅｉが瘢痕ボクセルｆ（ｖ＋ｅｉ，ｔ＋ｄｔ）＝０である場合、ブレークする。更に、ｆ（ｖ，ｔ）＝１と仮定して、θを推定して、ボクセルｖ＋ｅｉについて、時間ｔ＋ｄｔにおいてＣＶ基準が満たされた場合、ｆ（ｖ＋ｅｉ，ｔ＋ｄｔ）＝１とし、ＣＶ基準が満たされない場合、ｆ（ｖ＋ｅｉ，ｔ＋ｄｔ）＝０とする。
【0141】
決定ブロック１６８０において、生成エンジン１０１は、有効波が存在するかどうかを決定する。有効波が存在する場合、方法４００は、ブロック１６９０に進み（１６８１の矢印によって示されるように）、ここで、生成エンジン１０１は、同じαを推定のために利用する（例えば、推定の開始時においてα＝１であることに留意されたい）。有効波が存在しない場合、方法４００は、（ＮＯの矢印によって示されるように）ブロック１６９５に進み、ここで生成エンジン１０１はαを増やして再推定し、より高いαを返す。本明細書で言及されるように、格子ボルツマンモデルが波の推定に失敗するたびにαを２の倍数で増加させることができる（例えば、α，（α＝α・２））。
【0142】
実装に関して、生成エンジン１０１は、病巣源の全体的な発火率を定義するためにＣＶを考慮する。更に、典型的な波が単一のサイクルについて推定されると、行列φｖは、２つの異なる行列にすることができる。例えば、第１の行列は、伝導ＣＶ基準を満たしたφｖの要素のみを含むことができ、第２の行列は、ＣＶ基準を満たさなかった要素を含むことができる。第２の行列を使用して、ａＦｉｂにおける波の第２のシミュレーションを作成することができる。
【0143】
１つ以上の実施形態によれば、ａＦｉｂ患者のための心房のデジタルツインは、アブレーションのためのガイドツールとして機能するように、パーソナライズされた電気活動を有する心房の頑強なコンピュータ生成レプリカとすることができる。デジタルツインを生成及び作成するために、生成エンジンは、不整脈トリガ及び心房壁物質に関する情報を考慮しながら、心臓のパーソナライズされた電気活動及びＣＶベクトルを測定及び利用する。次いで、アブレーション処置中に、生成エンジンは、デジタルツインを連続的に更新するとともにデジタルツインに基づいて最適なアブレーション処置及び／又は追加処置を提案する。結果として、生成エンジンによって生成されるデジタルツインは、現在のデジタルシミュレーションと比較して非常に正確であり、心臓医師及び医療関係者によるアブレーション処置中の効果的なガイダンスのために使用することができる。
【0144】
１つ以上の利点及び技術的利益によれば、生成エンジン１０１及びＡＤＴは、異なるアブレーションアプローチをシミュレートし、最小限のアブレーション面積で不整脈を低減するアプローチを選択することができる。１つ以上の利点及び技術的利益によれば、生成エンジン１０１は、各焼灼線について、「瘢痕」行列を更新し、新しい境界に基づいてシミュレーションを作成する。１つ以上の利点及び技術的利益によれば、生成エンジン１０１は、心房サイクル長に対して活性化期間の持続時間を短縮することによって、アブレーションアプローチの成功を提供／サポートする。１つ以上の利点及び技術的利益によれば、生成エンジン１０１及びモデルは、巣状興奮間の相互作用をシミュレートして、どの病巣がアブレーションにとってより重要であるかを決定する。
【0145】
１つ以上の実施形態による、方法が提供される。本方法は、デジタルツインを介して精密な解剖学的構造の電気生理学を深く理解することを可能にする。本方法は、１つ以上のプロセッサによって実行される生成エンジンによって実施される。方法は、１つ以上の入力を受信することを含む。１つ以上の入力は、１つ以上の画像及び伝導速度ベクトル推定値を含む。本方法は、１つ以上の画像及び伝導速度ベクトル推定値を利用して解剖学的構造のデジタルツインを生成することを含む。本方法は、医療処置のためのガイドツールとして機能するユーザインターフェースにデジタルツインを提示することを含む。
【0146】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、１つ以上の入力は、ベースライン記録、伝導速度ベクトル推定値、又は解剖学的構造に沿って伝搬する典型的な波をシミュレートするための格子ボルツマンモデルを含むことができる。
【0147】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、デジタルツインは、ベースライン記録、伝導速度ベクトル推定値、又は格子ボルツマンモデルに基づくことができる。
【0148】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、デジタルツインは、到来方向推定、クラスタリング、ボクセル化、及び動的３次元生成のうちの１つ以上を実行することに基づいて、電気がその解剖学的構造を通ってどのように流れるかを決定するように生成することができる。
【0149】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、ＤＯＡ推定は、心内心電図又は体表面心電図から、催不整脈作用の伝導速度ベクトル推定値を自動的に識別することができる。
【0150】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、ユーザインターフェースは、最良の伝導速度ベクトルに基づいて電気が解剖学的構造を通ってどのように流れるかを示すデジタルツインに関する１つ以上のシミュレーションを提供することができる。
【0151】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、医療処置は少なくともアブレーション処置を含むことができる。
【0152】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、解剖学的構造は、心臓の心房を含むことができる。
【0153】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、１つ以上のプローブは、患者固有のデータを含むことができる。
【0154】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、生成エンジンは、１つ以上の追加の入力を受信することができる。
【0155】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、生成エンジンは、医療処置のための１つ以上の異なるアブレーションアプローチ及び提案を生成することができる。
【0156】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、生成エンジンは、１つ以上の追加の入力に基づいてデジタルツインの再マッピング動作を実行することができる。
【0157】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、生成エンジンは、デジタルツインモデルに基づいてデジタルツイン局所興奮時間マップを生成することができる。
【0158】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、生成エンジンは、デジタルツイン局所興奮時間マップに影響を及ぼしたアブレーションモデルに基づいて、デジタルツインモデル内のアブレーションされた細胞の伝導速度ベクトル推定値を更新することができる。
【0159】
本明細書の１つ以上の実施形態又は方法実施形態のいずれかによれば、デジタルツインは、心房細動患者のために生成することができる。
【0160】
１つ以上の実施形態による、方法が提供される。本方法は、心臓の心房の心房デジタルツインを介して、精密な解剖学的構造の電気生理学を深く理解することを可能にする。本方法は、１つ以上のプロセッサによって実行される生成エンジンによって実施される。本方法は、１つ以上の画像及び伝導速度ベクトル推定値を利用して心房デジタルツインを生成することと、医療処置のためのガイドツールとして機能するユーザインターフェースに心房デジタルツインを提示することと、を含む。本方法はまた、心房デジタルツインにわたって１つ以上の異なるアブレーションアプローチをシミュレートすることと、最小面積のアブレーションで不整脈を低減する、１つ以上の異なるアブレーションアプローチからアプローチを選択することと、を含む。
【0161】
１つ以上の実施形態による、方法が提供される。本方法は、心臓の心房の心房デジタルツインを介して、精密な解剖学的構造の電気生理学を深く理解することを可能にする。本方法は、１つ以上のプロセッサによって実行される生成エンジンによって実施される。本方法は、１つ以上の画像及び伝導速度ベクトル推定値を利用して心房デジタルツインを生成することと、医療処置のためのガイドツールとして機能するユーザインターフェースに心房デジタルツインを提示することと、を含む。本方法はまた、心房デジタルツインに関して巣状興奮間の１つ以上の相互作用をシミュレートすることと、アブレーションにとって最も重要な１つ以上の相互作用に基づいて病巣を決定することと、を含む。
【0162】
図中の流れ図及びブロック図は、本発明の様々な実施形態によるシステム、方法、及びコンピュータプログラム製品の考えられる実装形態の構造、機能性、及び動作を示すものである。この点に関して、流れ図又はブロック図における各ブロックは、示された論理機能を実施するための１つ又は２つ以上の実行可能な命令を含むモジュール、セグメント、又は命令の部分を表し得るものである。いくつかの代替的な実装形態において、ブロックに示される機能は、図に示される順序以外の順序で行われてもよい。例えば、連続して示す２つのブロックは、実際に、実質的に同時に実行されてもよく、あるいはそれらのブロックは、ときには、関連する機能性に応じて、逆の順序で実行されてもよい。また留意されたい点として、ブロック図及び／又はフロー図の各ブロック、並びにブロック図及び／又はフロー図のブロックの組み合わせは、特定の機能又は動作を実行する専用のハードウェアベースシステムによって実施されてもよく、あるいは、専用のハードウェアとコンピュータ命令との組み合わせを動作させること又は実行することもできる。
【0163】
特徴及び要素が特定の組み合わせにて上記で説明されたが、当業者であれば、特徴又は要素の各々を単独で使用することもでき、又は他の特徴及び要素と組み合わせて使用することもできることを理解するであろう。加えて、本明細書に説明される方法は、コンピュータ又はプロセッサで実行するために、コンピュータ可読媒体に組み込まれるコンピュータプログラム、ソフトウェア、又はファームウェアにおいて実装され得る。本明細書で使用するコンピュータ可読媒体とは、電波又は他の自由に伝搬する電磁波、導波管若しくは他の伝送媒体を通って伝搬する電磁波（例えば、光ファイバーケーブルを通過する光パルス）、又は動線を通って伝送される電気信号などの、それ自体が一過性の信号であるものとして解釈されるべきではない。
【0164】
コンピュータ可読媒体の例としては、電気信号（有線又は無線接続を介して送信される）及びコンピュータ可読記憶媒体が挙げられる。コンピュータ可読記憶媒体の例としては、レジスタ、キャッシュメモリ、半導体メモリデバイス、内部ハードディスク及びリムーバブルディスクなどの磁気媒体、光磁気媒体、コンパクトディスク（compact disk、ＣＤ）及びデジタル多用途ディスク（digital versatile disk、ＤＶＤ）などの光学媒体、ランダムアクセスメモリ（random access memory、ＲＡＭ）、読み出し専用メモリ（read-only memory、ＲＯＭ）、消去可能プログラマブル読み出し専用メモリ（erasable programmable read-only memory、ＥＰＲＯＭ又はフラッシュメモリ）、スタティックランダムアクセスメモリ（static random access memory、ＳＲＡＭ）、及びメモリスティックなどが挙げられるが、これらに限定されない。プロセッサをソフトウェアとともに使用して、端末、基地局、又は任意のホストコンピュータで使用するための無線周波数送受信機を実装することができる。
【0165】
本明細書で使用される用語は、あくまで特定の実施形態を説明する目的のものに過ぎず、限定を目的としたものではない。本明細書で使用するとき、文脈上特に明記されない限り、単数形「ａ」、「ａｎ」及び「ｔｈｅ」は複数の形態をも含むものとする。「含む（comprise）」及び／又は「含んでいる（comprising）」という用語は、本明細書で用いられる場合、記載された特徴、整数、工程、動作、要素、及び／又は構成部品の存在を示すものであるが、１つ若しくは他の特徴、整数、工程、動作、要素、構成要素、及び／又はそれらの群の存在又は追加を除外するものではない点を更に理解されたい。
【0166】
本明細書の異なる実施形態の説明は例示の目的で示されたものであるが、網羅的であることも開示される実施形態に限定されることも意図していない。多くの改変及び変形が、記載される実施形態の範囲及び趣旨から逸脱することなく、当業者には明らかとなろう。本明細書で使用される用語は、実施形態の原理、実用的な用途、又は市場に見られる技術と比較した技術的改良点を最も良く説明するため、又は当業者による本明細書に開示される実施形態の理解を可能とするために選択されたものである。
【0167】
〔実施の態様〕
（１） 少なくとも１つのプロセッサ上で実行される生成エンジンによって実施されるアブレーション処置ガイダンス方法であって、
前記生成エンジンによって、１つ以上の画像及び伝導速度ベクトル推定値を含む１つ以上の入力を受信することと、
前記生成エンジンによって、前記１つ以上の画像及び前記伝導速度ベクトル推定値を利用して解剖学的構造のデジタルツインを生成することと、
前記生成エンジンのユーザインターフェースを介して、前記デジタルツインを提示して、前記解剖学的構造の精密アブレーションガイダンスを提供し、前記解剖学的構造の電気生理学情報を提供することと、
を含むアブレーション処置ガイダンス方法。
（２） 前記１つ以上の入力は、前記１つ以上の画像、前記伝導速度ベクトル推定値、及びベースライン記録又は格子ボルツマンモデルを含む、実施態様１に記載のアブレーション処置ガイダンス方法。
（３） 前記生成エンジンは、到来方向推定、クラスタリング、ボクセル化（voxelizing）、及び動的３次元生成のうちの１つ以上を実行することに基づいて、前記解剖学的構造を通る電気の流れを決定する、実施態様１に記載のアブレーション処置ガイダンス方法。
（４） 前記１つ以上の入力は、心内心電図又は体表面心電図からの催不整脈作用を含む、実施態様１に記載のアブレーション処置ガイダンス方法。
（５） 前記生成エンジンは、前記１つ以上の入力から前記伝導速度ベクトル推定値を自動的に識別して前記デジタルツインを生成するために、到来方向推定値を利用する、実施態様１に記載のアブレーション処置ガイダンス方法。
（１） 少なくとも１つのプロセッサ上で実行される生成エンジンによって実施されるアブレーション処置ガイダンス方法であって、
前記生成エンジンによって、１つ以上の画像及び伝導速度ベクトル推定値を含む１つ以上の入力を受信することと、
前記生成エンジンによって、前記１つ以上の画像及び前記伝導速度ベクトル推定値を利用して解剖学的構造のデジタルツインを生成することと、
前記生成エンジンのユーザインターフェースを介して、前記デジタルツインを提示して、前記解剖学的構造の精密アブレーションガイダンスを提供し、前記解剖学的構造の電気生理学情報を提供することと、
を含むアブレーション処置ガイダンス方法。
（２） 前記１つ以上の入力は、前記１つ以上の画像、前記伝導速度ベクトル推定値、及びベースライン記録又は格子ボルツマンモデルを含む、実施態様１に記載のアブレーション処置ガイダンス方法。
（３） 前記生成エンジンは、到来方向推定、クラスタリング、ボクセル化（voxelizing）、及び動的３次元生成のうちの１つ以上を実行することに基づいて、前記解剖学的構造を通る電気の流れを決定する、実施態様１に記載のアブレーション処置ガイダンス方法。
（４） 前記１つ以上の入力は、心内心電図又は体表面心電図からの催不整脈作用を含む、実施態様１に記載のアブレーション処置ガイダンス方法。
（５） 前記生成エンジンは、前記１つ以上の入力から前記伝導速度ベクトル推定値を自動的に識別して前記デジタルツインを生成するために、到来方向推定値を利用する、実施態様１に記載のアブレーション処置ガイダンス方法。
【0168】
（６） 前記精密アブレーションガイダンスは、前記伝導速度ベクトル推定値に基づいて、電気が前記デジタルツインを通ってどのように流れるかをシミュレートすることを含む、実施態様１に記載のアブレーション処置ガイダンス方法。
（７） 前記生成エンジンは、１つ以上の追加の入力を受信し、
前記生成エンジンは、アブレーション処置のための１つ以上の異なるアブレーションアプローチ提案を生成するか、又は前記１つ以上の追加の入力に基づいて、前記デジタルツインの再マッピング動作を行う、実施態様１に記載のアブレーション処置ガイダンス方法。
（８） 前記生成エンジンは、デジタルツインモデルに基づいてデジタルツイン局所興奮時間マップを生成し、
前記生成エンジンは、前記デジタルツイン局所興奮時間マップに影響を与えたアブレーションモデルに基づいて、前記デジタルツインモデルにおけるアブレーションされた細胞の伝導速度ベクトル推定値を更新する、実施態様１に記載のアブレーション処置ガイダンス方法。
（９） 前記精密アブレーションガイダンスは、前記デジタルツインに関して巣状興奮間の１つ以上の相互作用をシミュレートすることと、前記１つ以上の相互作用に基づいてアブレーションのための病巣を決定することとを含む、実施態様１に記載のアブレーション処置ガイダンス方法。
（１０） 前記解剖学的構造は、心臓の心房を含み、
前記１つ以上の入力は、患者固有のデータを含む、実施態様１に記載のアブレーション処置ガイダンス方法。
（７） 前記生成エンジンは、１つ以上の追加の入力を受信し、
前記生成エンジンは、アブレーション処置のための１つ以上の異なるアブレーションアプローチ提案を生成するか、又は前記１つ以上の追加の入力に基づいて、前記デジタルツインの再マッピング動作を行う、実施態様１に記載のアブレーション処置ガイダンス方法。
（８） 前記生成エンジンは、デジタルツインモデルに基づいてデジタルツイン局所興奮時間マップを生成し、
前記生成エンジンは、前記デジタルツイン局所興奮時間マップに影響を与えたアブレーションモデルに基づいて、前記デジタルツインモデルにおけるアブレーションされた細胞の伝導速度ベクトル推定値を更新する、実施態様１に記載のアブレーション処置ガイダンス方法。
（９） 前記精密アブレーションガイダンスは、前記デジタルツインに関して巣状興奮間の１つ以上の相互作用をシミュレートすることと、前記１つ以上の相互作用に基づいてアブレーションのための病巣を決定することとを含む、実施態様１に記載のアブレーション処置ガイダンス方法。
（１０） 前記解剖学的構造は、心臓の心房を含み、
前記１つ以上の入力は、患者固有のデータを含む、実施態様１に記載のアブレーション処置ガイダンス方法。
【0169】
（１１） アブレーション処置ガイダンスを提供するための生成エンジンを実行する少なくとも１つのプロセッサを備えるシステムであって、前記生成エンジンは、前記システムに、
１つ以上の画像及び伝導速度ベクトル推定値を含む１つ以上の入力を受信させて、
前記１つ以上の画像及び前記伝導速度ベクトル推定値を利用して、解剖学的構造のデジタルツインを生成させて、
前記生成エンジンのユーザインターフェースを介して、前記デジタルツインを提示させて、前記解剖学的構造の精密アブレーションガイダンスを提供させ、前記解剖学的構造の電気生理学情報を提供させる
ように構成されている、システム。
（１２） 前記１つ以上の入力は、前記１つ以上の画像、前記伝導速度ベクトル推定値、及びベースライン記録又は格子ボルツマンモデルを含む、実施態様１１に記載のシステム。
（１３） 前記生成エンジンは、到来方向推定、クラスタリング、ボクセル化、及び動的３次元生成のうちの１つ以上を実行することに基づいて、前記解剖学的構造を通る電気の流れを決定する、実施態様１１に記載のシステム。
（１４） 前記１つ以上の入力は、心内心電図又は体表面心電図からの催不整脈作用を含む、実施態様１１に記載のシステム。
（１５） 前記生成エンジンは、前記１つ以上の入力から前記伝導速度ベクトル推定値を自動的に識別して前記デジタルツインを生成するために、到来方向推定値を利用する、実施態様１１に記載のシステム。
１つ以上の画像及び伝導速度ベクトル推定値を含む１つ以上の入力を受信させて、
前記１つ以上の画像及び前記伝導速度ベクトル推定値を利用して、解剖学的構造のデジタルツインを生成させて、
前記生成エンジンのユーザインターフェースを介して、前記デジタルツインを提示させて、前記解剖学的構造の精密アブレーションガイダンスを提供させ、前記解剖学的構造の電気生理学情報を提供させる
ように構成されている、システム。
（１２） 前記１つ以上の入力は、前記１つ以上の画像、前記伝導速度ベクトル推定値、及びベースライン記録又は格子ボルツマンモデルを含む、実施態様１１に記載のシステム。
（１３） 前記生成エンジンは、到来方向推定、クラスタリング、ボクセル化、及び動的３次元生成のうちの１つ以上を実行することに基づいて、前記解剖学的構造を通る電気の流れを決定する、実施態様１１に記載のシステム。
（１４） 前記１つ以上の入力は、心内心電図又は体表面心電図からの催不整脈作用を含む、実施態様１１に記載のシステム。
（１５） 前記生成エンジンは、前記１つ以上の入力から前記伝導速度ベクトル推定値を自動的に識別して前記デジタルツインを生成するために、到来方向推定値を利用する、実施態様１１に記載のシステム。
【0170】
（１６） 前記精密アブレーションガイダンスは、前記伝導速度ベクトル推定値に基づいて、電気が前記デジタルツインを通ってどのように流れるかをシミュレートすることを含む、実施態様１１に記載のシステム。
（１７） 前記生成エンジンは、１つ以上の追加の入力を受信し、
前記生成エンジンは、アブレーション処置のための１つ以上の異なるアブレーションアプローチ提案を生成するか、又は前記１つ以上の追加の入力に基づいて、前記デジタルツインの再マッピング動作を行う、実施態様１１に記載のシステム。
（１８） 前記生成エンジンは、デジタルツインモデルに基づいてデジタルツイン局所興奮時間マップを生成し、
前記生成エンジンは、前記デジタルツイン局所興奮時間マップに影響を与えたアブレーションモデルに基づいて、前記デジタルツインモデルにおけるアブレーションされた細胞の伝導速度ベクトル推定値を更新する、実施態様１１に記載のシステム。
（１９） 前記精密アブレーションガイダンスは、前記デジタルツインに関して巣状興奮間の１つ以上の相互作用をシミュレートすることと、前記１つ以上の相互作用に基づいてアブレーションのための病巣を決定することとを含む、実施態様１１に記載のシステム。
（２０） 前記解剖学的構造は、心臓の心房を含み、前記１つ以上の入力は、患者固有のデータを含む、実施態様１１に記載のシステム。
（１７） 前記生成エンジンは、１つ以上の追加の入力を受信し、
前記生成エンジンは、アブレーション処置のための１つ以上の異なるアブレーションアプローチ提案を生成するか、又は前記１つ以上の追加の入力に基づいて、前記デジタルツインの再マッピング動作を行う、実施態様１１に記載のシステム。
（１８） 前記生成エンジンは、デジタルツインモデルに基づいてデジタルツイン局所興奮時間マップを生成し、
前記生成エンジンは、前記デジタルツイン局所興奮時間マップに影響を与えたアブレーションモデルに基づいて、前記デジタルツインモデルにおけるアブレーションされた細胞の伝導速度ベクトル推定値を更新する、実施態様１１に記載のシステム。
（１９） 前記精密アブレーションガイダンスは、前記デジタルツインに関して巣状興奮間の１つ以上の相互作用をシミュレートすることと、前記１つ以上の相互作用に基づいてアブレーションのための病巣を決定することとを含む、実施態様１１に記載のシステム。
（２０） 前記解剖学的構造は、心臓の心房を含み、前記１つ以上の入力は、患者固有のデータを含む、実施態様１１に記載のシステム。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【国際調査報告】