Learning-Based Path Planning for Percutaneous Mitral Valve Repair in a Dynamic Environment

In recent years, percutaneous procedures in the field of Structural Interventional Cardiology (SIC) have emerged as a minimally invasive approach for treating Mitral Regurgitation (MR). MR, which affects approximately 24.2 million individuals worldwide, is a disease characterized by an improper closure of the Mitral Valve (MV), that causes a retrograde blood flow from the left ventricle to the left atrium. Percutaneous procedures involve the use of catheters that are manually advanced from a right femoral vein access up to the heart, where they are guided to precisely position a clip on the MV. Despite their demonstrated superior safety and efficacy, these procedures are marked by an high technical complexity: they require a series of coordinated steering maneuvers to navigate precisely and target specific areas while avoiding anatomical delicate structures. Moreover, they necessitate an high dexterity since the distal tip of the catheter is controlled by acting on its proximal end. Within this framework, the European ARTERY project aims to advance the current standards in MV repair, by developing an autonomous robotic platform of the MitraClip™ device (Abbott, IL, USA), that represents the most advanced transcatheter technology for clinical use. To reach an autonomous procedure, the actuation must follow a safe path. The objective of this work is the implementation of a path planning system that will optimize the precision and the safety of the intra-cardiac step of the MitraClip™ intervention. The planner takes in input a starting pose on the interatrial septum (i.e. the transseptal puncture site) and a target on the MV, as defined by the surgeon. In output, it must provide a feasible curvilinear path that avoids atrial walls collisions, and that assures that the catheter arrives at the clip implantation site with a direction orthogonal to the MV plane, as required by the procedure. The approach adopted is a Learning-Based method, that falls within the domain of Imitation Learning and relies on a combination of Behavioral Cloning (BC) + Generative Adversarial Imitation Learning (GAIL) algorithms. This method, which enables to integrate human expertise by relying on expert demonstrations, is investigated in two settings. The first setting, referred to as "static", does not account for the motion of the cardiac structures. The other, referred to as "dynamic", more realistically accounts and models for the dynamicity of the MV, reducing the gap between the simulated environment and the real intra-operative scenario. For each setting, a model was obtained. Each model was validated in silico over 100 paths. Success rate was of 100% for both models. Results show that the position accuracy in reaching the target, the target orientation accuracy and the time to perform the path are lower, in a statistically significant way, in the static framework (median values of 0.97 mm, 6.58° and 20.98 s, respectively) with respect to the values obtained when considering the MV motion (median values of 0.99 mm, 11.54° and 21.61 s, respectively). The minimum distance from atrial walls reached by the catheter was 4.95 mm in the static scenario and 4.30 mm in the dynamic framework. Those findings were expected given the higher complexity of the task in the dynamic setting, in which the planner is required to real-time adjust the path to react to the target motion on the MV. However, these results are still compatible with the procedural requirements and appear promising towards the development of a real-time path planner that can be integrated into autonomous robotic systems for SIC procedures.

Nell'ultimo periodo, le procedure percutanee nel campo della Cardiologia Interventistica Strutturale (SIC) si sono affermate come approccio minimamente invasivo per trattare il rigurgito della Valvola Mitrale (MV). Il rigurgito mitralico, che colpisce circa 24.2 milioni di individui nel mondo, è una patologia caratterizzata da una chiusura non corretta della MV, che determina un flusso di sangue retrogrado dal ventricolo sinistro all'atrio sinistro. Le procedure percutanee si basano sull'utilizzo di cateteri che vengono avanzati manualmente da un accesso nella vena femorale destra fino al cuore, dove vengono guidati per posizionare con precisione una clip sulla MV. Nonostante la dimostrata maggiore sicurezza ed efficacia, queste procedure sono contrassegnate da un'elevata complessità tecnica: richiedono una serie di manovre coordinate per navigare con precisione e raggiungere aree specifiche, evitando strutture anatomiche delicate. Inoltre, richiedono un'elevata destrezza poiché l'estremità distale del catetere è controllata agendo sulla sua estremità prossimale. In questo contesto, il progetto europeo ARTERY mira ad avanzare gli standard attuali nella riparazione della MV, sviluppando una piattaforma robotica autonoma del dispositivo MitraClip™(Abbott, IL, USA), che rappresenta la tecnologia transcatetere più avanzata per uso clinico. Per raggiungere una procedura autonoma, il sistema di attuazione deve seguire un percorso sicuro. L'obiettivo di questo lavoro è l'implementazione di un sistema di pianificazione del percorso del catetere che ottimizzi la precisione e la sicurezza della fase intra-cardiaca della procedura MitraClip ™. Il pianificatore riceve in input una posizione iniziale sul setto interatriale (ovvero, il sito della puntura transettale) ed un target sulla mitrale, definito dal chirurgo. In output, deve fornire un percorso curvilineo fattibile che eviti collisioni con le pareti atriali e che assicuri che il catetere arrivi sul sito di impianto della clip con una direzione ortogonale al piano della mitrale stessa, come richiesto dalla procedura. L'approccio adottato è un metodo basato sull'apprendimento, che rientra nel dominio dell'apprendimento per imitazione e si basa su una combinazione di algoritmi di Behavioral Cloning (BC) + Generative Adversarial Imitation Learning (GAIL). Questo metodo, che consente di integrare l'esperienza umana affidandosi a dimostrazioni da esperti, è applicato in due contesti. Il primo contesto, chiamato "statico", non tiene conto del movimento delle strutture cardiache. L'altro, chiamato "dinamico", tiene conto e modella in modo più realistico la dinamicità della MV, riducendo la differenza tra l'ambiente simulato e lo scenario intra-operativo reale. Per ciascun contesto è stato ottenuto un modello. Ciascun modello è stato convalidato in silico su 100 percorsi. Il tasso di successo è stato del 100% per entrambi i modelli. I risultati mostrano che l'accuratezza in termini di posizione nel raggiungere il target, quella in termini di orientamento ed il tempo richiesto per eseguire il percorso sono, in modo statisticamente significativo, inferiori nel quadro statico (valori mediani di 0.97 mm, 6.58° e 20.98 s, rispettivamente) rispetto ai valori ottenuti considerando il movimento della MV (valori mediani di 0.99 mm, 11.54° e 21.61 s, rispettivamente). La distanza minima dalle pareti atriali raggiunta dal catetere è stata di 4.95 mm nello scenario statico e di 4.30 mm nel contesto dinamico. Questi risultati erano attesi data la maggiore complessità della task nel contesto dinamico, in cui il pianificatore deve aggiustare in tempo reale il percorso del catetere per reagire al movimento del target sulla mitrale. Tuttavia, questi risultati sono comunque compatibili con i requisiti procedurali e appaiono promettenti per lo sviluppo di un modulo che pianifichi in tempo reale il percorso del catetere e che possa, poi, essere integrato in sistemi robotici autonomi per procedure SIC.