使用集合卡尔曼滤波中高斯过程替代器快速校准心房电生理模型

这对心脏病患者为何重要

房颤是一种常见的心律问题，会导致人感到疲倦、气短，并使中风风险增加。医生常通过一种称为导管消融的手术烧灼心脏小块组织来治疗，但成功率并不保证且治疗不可逆。本文探索了如何在常规手术过程中足够快速地调整患者心脏的计算模型，以帮助医生判断谁可能从消融中受益以及如何最佳实施消融。

从噪声心电信号到有用模型

现代成像仪器和导管可以测量电波如何在心脏上腔——心房——中传播。然而，这些测量通常稀疏、有噪声，并且多限于医生用程序化节律对心房进行起搏时的时刻。要构建患者左心房的个性化模型，研究人员必须从这些不完美的观测反向推断控制细胞激发与恢复速度的组织属性。这被称为校准或反问题：目标不是从已知组织属性预测信号，而是从信号推断属性。

加速昂贵计算

在真实的左心房上直接模拟详细的电活动，对于单一组组织参数就可能需要超级计算机多分钟的时间。像马尔可夫链蒙特卡洛这样的传统统计方法若要充分探索不确定性，通常需要数万到数十万次此类模拟，使其在临床中远远太慢。作者的做法是先离线运行一组精心选择但有限的高保真模拟，用它们训练更快的“替代”模型——高斯过程替代器。这些替代器学习关键输出（例如每个区域的激活时间或兴奋持续时间）如何依赖少量组织参数，随后几乎瞬时地预测新情况并给出自身不确定性的估计。

更智能地更新信念

有了这个快速替代器，下一步挑战是当新测量到来时更新我们对组织参数的最佳估计。作者改编了一种名为集合卡尔曼滤波的技术，该技术通常用于追踪系统随时间的变化，在这里被用于静态情形：组织属性固定但未知。他们将可能的参数值表示为样本集合，并反复把这团可能性微调到更好地匹配观测到的激活时间。一项关键创新是方法明确考虑到前向模型本身是个不确定的替代器而非精确模拟器，从而调整新数据与先验期望的融合方式以避免过度自信。

测试结果揭示了什么

团队首先在基于真实左心房几何且来自已知组织属性的合成数据上检验他们的方法。他们表明，仅用适度次数的基于替代器的更新，算法即可恢复诸如激活速度和组织电导率等关键参数，并给出合理的不确定性范围。加入更多类型的测量，例如对早搏的响应和细胞不应期时长的估计，有助于提高对更细微参数的可识别性。与远慢得多的马尔可夫链蒙特卡洛方法相比，集合方法对信息充分的参数给出了相似的中心估计，且不确定性反映了数据强度，但在一台普通计算机上可在一分钟内完成。

朝着指导治疗决策的方向

为探讨临床相关性，作者进行了一个试点研究：他们先用起搏测量校准组织属性，然后用这些属性预测在模拟触发协议下房颤会持续还是终止。在两个代表性病例中，大多数从校准后分布中抽取的参数样本能正确分类纤颤行为，而从未校准先验中抽取的样本常常不能。此结果表明，即使是快速获得的关于组织属性的部分信息，也能显著提高对治疗结果的预测准确性。

总体意义与未来前景

总体而言，这项研究表明，通过将快速替代模型与改编的集合卡尔曼滤波相结合，可以从常规临床数据中快速估计病人特异的心房壁电学属性，并给出反映剩余不确定性的可信区间。尽管当前工作假设组织属性均匀且采用简化的细胞模型，随着更丰富数据的获得，同一框架可以扩展到更详细并具有空间变异的描述。从实际角度看，这一方法使计算心脏模型更接近实时决策支持，未来医生或可当场使用即时模拟来为每位患者量身规划消融策略。

引用: Mamajiwala, M., Corrado, C., Lanyon, C.W. et al. Rapid calibration of atrial electrophysiology models using Gaussian process emulators in the ensemble Kalman filter. Sci Rep 16, 10257 (2026). https://doi.org/10.1038/s41598-026-39948-9

关键词: 房颤, 心脏建模, 集合卡尔曼滤波, 高斯过程替代器, 导管消融