Cada latido del corazón se puede representar como un punto en una hoja de papel. Miles de esos puntos se funden en una nube. El algoritmo Mapper convierte esa nube en una red: conecta los puntos que se comportan de manera similar y los colorea según la fuerza del flujo sanguíneo. El resultado no es un montón de números, sino un mapa coloreado donde se ve qué zonas del corazón trabajan en equipo y cuáles van por libre.
En el experimento con cerdos de corazón debilitado se compararon dos formas de estimular el ventrículo izquierdo: desde fuera (epicárdica) y desde dentro (endocárdica). Los electrodos se colocaron en distintas zonas: en la base, en el centro y en el ápex del corazón. Para cada zona se midieron cuatro parámetros del flujo sanguíneo. Luego, el algoritmo construyó los grafos y calculó tres números: cuánto se agrupan los puntos en el grafo (autoconectividad), cuán dispersos están (dispersión) y cuán uniformemente llenan el espacio (homogeneidad).
Los resultados sorprendieron: las regiones basales, las más cercanas a las aurículas, mostraron una autoconectividad de 0.57 — los puntos de datos se mantenían unidos, como una bandada de pájaros. Las regiones medias, solo 0.14; el ápex, 0.24. La diferencia es estadísticamente significativa. Cuando la estimulación era interna, el contraste entre la base y las demás zonas se hacía aún más marcado. Esto significa que la estimulación interna de las regiones basales produce la respuesta más estable y predecible del corazón.
Este análisis no solo confirma lo que los médicos sabían intuitivamente, sino que aporta una medida numérica. Ahora se pueden comparar distintos métodos de estimulación no a ojo, sino con índices rigurosos. Es un paso hacia el ajuste personalizado de los marcapasos: el algoritmo indicará exactamente dónde colocar el electrodo para que el corazón lata con más regularidad.
tal como lo escribieron los autores, en inglés arXiv:2604.18634
Objective: The Mapper algorithm is a qualitative method in topological data analysis that constructs graphs from point clouds by combining dimensionality reduction and clustering techniques. The aim of this study is to apply Mapper, together with novel quantitative indices, to compare the effects of biventricular pacing from the left ventricular epicardium versus the endocardium in a swine model of pacing-induced non-ischemic cardiomyopathy. Methods: The distributions of four hemodynamic variables from a previous study on endocardial and epicardial cardiac resynchronization in an experimental swine model of nonischemic cardiomyopathy were analyzed using the Mapper algorithm, enhanced with numerical indices quantifying self-connectivity, scattering, and homogeneity of the resulting colored graphs. Results: Statistically significant differences were observed between pacing from basal regions versus mid or apical regions, with the following self-connectivity index values: basal $$0.57$$; mid $$0.14$$ ($$p < 0.01$$); apical $$0.24$$ ($$p < 0.01$$). Endocardial stimulation at lateral sites increased the contrast between the distributions of basal versus mid or apical data, when compared with epicardial stimulation. Conclusions: Topological analysis using the Mapper algorithm, enhanced with quantitative statistical measures, revealed new and biologically plausible significant differences in pacing effects across heart regions.
El corazón del cerdo es muy similar en tamaño y fisiología al humano, por lo que se usa a menudo para probar marcapasos.