| Source DB | nl |
|---|
| Institution | UGent |
|---|
| Code | 94272681-e8e8-425b-9ff3-9f08ac5e1da6 |
|---|
| Unit | 3d80f44d-a6bd-4650-a26f-a7d882b99d2b
|
|---|
| Begin | 2/1/2021 |
|---|
| End | 1/31/2026 |
|---|
| title fr |
|
|---|
| title nl | Gerichte grafen als een nieuwe manier om de behandeling vam hartritmestoornissen te verbeteren
|
|---|
| title en | Directed networks as a novel approach for improving the management of cardiac arrhythmias
|
|---|
| Description fr |
|
|---|
| Description nl | Het beheer van hartritmestoornissen blijft het grootste probleem in de elektrofysiologie van het hart. De prevalentie van de meest voorkomende aritmie, atriumfibrilleren (AF), zal naar verwachting sterk stijgen als gevolg van de vergrijzing. Ondanks intensief onderzoek blijft het mechanisme van boezemfibrilleren onduidelijk, wat leidt tot slechte resultaten bij de behandeling ervan. Ablatie van AF resulteert vaak in complexe atriale tachycardie (AT), die moeilijk te behandelen is. Ook ventriculaire tachycardieën (VT) en ventriculaire fibrillaties (VF) zijn een belangrijke oorzaak van plotselinge hartdood. Nogmaals, het elimineren van VTs met ablatie heeft slechts bescheiden succes behaald in complexe gevallen. Daarom is er een dringende behoefte om de bronnen van aritmie beter te begrijpen en te lokaliseren om de behandeling ervan te verbeteren. Ik stel een radicaal nieuwe benadering voor om netwerktheorie toe te passen om de mechanismen van AT, VT en AF te bestuderen. Momenteel staat de netwerktheorie bekend als de basis voor de Google-zoekmachine voor andere online sociale netwerken, en heeft ze talloze toepassingen in de biologie, natuurkunde en sociale wetenschappen. Het is echter nooit op het hart toegepast. In dit voorstel, gebaseerd op mijn uitvinding en voorbereidend werk, stel ik voor om netwerktheorie toe te passen op klinische gegevens van hartritmestoornissen, ondersteund door in-silico simulaties. Er zal een nieuwe reeks onderzoekstools worden gecreëerd om automatisch de bron van de aritmie voor complexe AT en AF te detecteren, die mogelijke ablatiedoelen zullen identificeren. Voor VT wordt een substraatanalyse voorgesteld, om de structuur van het hart te onthullen en om ook het ablatiedoel te bepalen. Mijn voorlopige resultaten laten al zien dat netwerkanalyse in staat is om automatisch ablatielocaties te voorspellen, voorafgaand aan chirurgie in AT, wat de meest recente technologieën die momenteel in klinieken worden gebruikt, grotendeels overtreft. Daarom zal dit translationele project niet alleen nieuwe inzichten opleveren in het mechanisme van hartritmestoornissen, maar ook daadwerkelijk leiden tot een verbeterde behandeling van de patiënt.
|
|---|
| Description en | The management of cardiac arrhythmia remains the largest problem in cardiac electrophysiology. The prevalence of the most frequent arrhythmia, atrial fibrillation (AF), is expected to rise steeply due to the ageing population. In spite of intensive research, the mechanism of atrial fibrillation remains unclear, leading to poor results in its treatment. Ablation of AF often results in complex atrial tachycardia (AT), which are difficult to treat. Also ventricular tachycardias (VT) and fibrillations (VF) are a major cause of sudden cardiac death. Again, eliminating VTs with ablation has achieved only modest success in complex cases. Therefore, there is an urgent need to better understand and localize the sources of arrhythmia in order to improve its treatment. I propose a radical new approach of applying network theory to study the mechanisms of AT, VT and AF. Currently, network theory is known for being the basis for the Google search engine other online social networks, and has myriad applications throughout biology, physics, and social sciences. However, it has never been applied to the heart. In this proposal, based on my invention and preliminary work, I propose to apply network theory to clinical data of cardiac arrhythmia, backed-up by in-silico simulations. A new set of research tools will be created to automatically detect the source of the arrhythmia for complex AT and AF, which will identify possible ablation targets. For VT a substrate analysis is proposed, in order to reveal the structure of the heart to also determine the ablation target. My preliminary results already show that network analysis is able to automatically predict sites of ablation, prior to surgery in AT, largely exceeding the most recent technologies currently used in clinics. Therefore, this translational project will not only provide novel insights into the mechanism of cardiac arrhythmia, but will actually lead to an improved treatment for the patient.
|
|---|
| Qualifiers | - ablatie - ablation - cardiac arrhythmia - computer simulaties - computer simulations - hartritmestoornissen - netwerk theorie - network theory - |
|---|
| Personal | Vandersickel Nele |
|---|
| Collaborations | |
|---|
