Introduction : Le défi de l'échec cardiaque

Malgré les progrès de la pharmacothérapie et de la thérapie, la mortalité sur cinq ans demeure proche de 50%, ce qui souligne le besoin urgent de meilleurs outils pour comprendre, prédire et traiter la maladie. La fonction du cœur est le produit d'interactions complexes entre l'activation électrique, la contraction mécanique et la charge hémodynamique. Les approches diagnostiques traditionnelles – l'échocardiographie, les biomarqueurs et les scores cliniques – fournissent des instantanés, mais manquent souvent de la nature dynamique et non linéaire du cœur défaillant. La modélisation physiologique du cycle cardiaque offre une alternative puissante : elle reproduit le comportement du cœur en silico, permettant aux cliniciens et aux chercheurs d'explorer les mécanismes, d'effectuer des interventions et de personnaliser les soins.

Comprendre le cycle cardiaque de la santé et des maladies

Le cycle cardiaque comprend deux phases principales : le systole et le diastole. Pendant le systole, le ventricule se contracte, éjectant du sang dans l'aorte et l'artère pulmonaire. Le diastole suit comme le myocarde se détend et les chambres se rechargent. En insuffisance cardiaque, une ou les deux phases deviennent altérées.

Phases du cycle cardiaque

Une compréhension détaillée commence par les quatre phases suivantes :

  • Filtration vaginale (diastole): remplissage rapide précoce, diastase et contraction auriculaire.
  • Contraction isovolumétrique: toutes les vannes sont fermées, la pression augmente fortement.
  • Ejection: valves semi-luniques ouvertes, le sang est expulsé.
  • Relaxation isovolumétrique : chute de pression, la valve mitrale reste fermée.

Dans le cas de HF, ces transitions deviennent anormales. Par exemple, dans le cas de HFpEF, la boucle ventriculaire gauche se déplace vers le haut et vers la gauche, ce qui reflète une rigidité accrue.

La valeur de la simulation

Pourquoi modéliser un processus que nous pouvons mesurer avec des cathéters et de l'imagerie ? Parce que les modèles peuvent répondre à ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Techniques de modélisation physiologique pour le cycle cardiaque

La modélisation cardiaque s'étend sur plusieurs échelles et méthodologies. Le choix de la technique dépend de la question posée : certains modèles se concentrent sur l'hémodynamique au niveau des organes, d'autres sur l'électrophysiologie cellulaire, et d'autres encore sur la mécanique 3D. Voici les principales catégories.

Modèles de paramètres lumped (0-D)

Ces modèles représentent le cœur et la circulation à l'aide d'analogies électriques : résistances, condensateurs et inducteurs simulent la résistance vasculaire, la conformité et l'inertie. Chaque chambre cardiaque est modélisée comme une élastance variable dans le temps – une description mathématique de la rigidité de la chambre sur tout le cycle. Les modèles lumped sont calculables peu coûteux et idéaux pour étudier l'hémodynamique globale, comme l'effet des vasodilatateurs ou des bêta-bloquants sur la puissance cardiaque. Ils peuvent fonctionner en temps réel et être couplés à des modèles de boucle fermée de la circulation entière, y compris la régulation baroréflexe.

Modèles de paramètres à clés lumped

  • Modèles de windkessel (deux éléments, trois éléments, quatre éléments) pour charge arrière artérielle.
  • Modèles d'élastance variable dans le temps (p. ex., modèle Sunagawa-Sagawa) pour la fonction ventriculaire.
  • Modèles circulatoires en boucle fermée qui comprennent à la fois le système cardiaque et vasculaire, souvent utilisés pour étudier le contrôle autonome en HF.

Modèles électromécaniques (1-D à 3-D)

Ces modèles couplent propagation électrique (potentiels d'action) avec mécanique tissulaire. La séquence d'activation électrique du cœur – du nœud sinoatrial au réseau Purkinje aux ventricules – est simulée à l'aide des équations bidomaines ou monodomaines. L'activation électrique qui en résulte déclenche la contraction myocytaire, décrite par les modèles de ponts croisés de type Hill ou Huxley. À l'échelle des organes, les méthodes d'éléments finis résolvent pour la déformation, le stress et la déformation.

Applications de modèles électromécaniques 3D en HF

  • Prévoir la réponse hémodynamique au placement de plomb dans la CRT.
  • Simulation de l'effet de la cicatrice d'infarctus du myocarde sur la torsion et la torsion ventriculaire.
  • Évaluer les effets des médicaments sur la contractilité et la vitesse de conduction.

Modèles hémodynamiques

Les modèles hémodynamiques se concentrent explicitement sur le débit sanguin et la pression, souvent en utilisant la dynamique des fluides calculateurs (CFD). La géométrie du ventricule gauche, des valves et des grands vaisseaux peut être dérivée de l'IRM ou des scanners. Les simulations CFD révèlent les patrons de débit, la contrainte de cisaillement sur l'endocarde et les pertes d'énergie sur les valves sténotiques.

Modèles à plusieurs échelles

L'approche la plus ambitieuse intègre des modèles allant des niveaux moléculaire et cellulaire aux niveaux organo-systémique. Un modèle à plusieurs échelles pourrait comprendre :

  • Modèles cellulaires (p. ex., les modèles Luo‐Rudy ou O-Hara‐Rudy du potentiel d'action ventriculaire) qui intègrent les canaux ioniques, la manipulation du calcium et la dynamique du myofilament.
  • Modèles de tissus qui expliquent le couplage de jonction de la discontinuité et l'orientation de la fibre.
  • Modèles organiques utilisant des éléments finis avec une géométrie réaliste.
  • Modèles systémiques représentant la rétroaction vasculature et neurohormone.

Ces modèles complets sont exigeants en calcul, mais peuvent simuler les effets d'une mutation génétique dans un seul canal ionique sur la fraction globale de l'éjection, un exploit impossible avec des approches plus simples. Pour l'insuffisance cardiaque, des modèles à plusieurs échelles ont été utilisés pour explorer le rôle des anomalies du cycle du calcium (p. ex., l'activité réduite de SERCA) dans la cause à la fois d'un dysfonctionnement systolique et diastolique.

Applications dans la gestion des défaillances cardiaques

L'objectif ultime de la modélisation cardiaque est d'améliorer les résultats des patients. Bien que les modèles aient été utilisés dans la recherche pendant des décennies, la traduction clinique est accélérée, grâce aux progrès de l'informatique et de l'acquisition de données.

Personnalisation de la pharmacothérapie

Les modèles de paramètres lumped peuvent être étalonnés sur un patient ayant une hémodynamique de base (en utilisant des données non invasives comme la pression artérielle, la fréquence cardiaque et les volumes échocardiographiques) et ensuite utilisés pour prédire l'effet d'un médicament donné. Par exemple, un modèle pourrait montrer qu'un bêta-bloquant particulier réduit trop le rythme cardiaque chez un patient ayant une faible débit cardiaque de base, ce qui suggère la nécessité d'une dose plus faible ou d'un agent différent. De même, les modèles peuvent optimiser le traitement diurétique en simulant l'effet du furosémide sur la précharge et la fonction rénale dans le contexte de la courbe Frank-Starling du patient.

Optimisation de la thérapie des appareils

Le traitement de résynchronisation cardiaque (CRT) est un pilier pour les patients atteints de FEHF avec un QRS large. Cependant, environ 30% des patients ne répondent pas. Les modèles électromécaniques peuvent prédire la réponse à l'ECR en simulant l'effet du pas à différents endroits. Un modèle spécifique au patient construit à partir de données IRM et ECG peut identifier la position de plomb ventriculaire gauche optimale qui minimise la dyssynchronie mécanique et maximise le travail d'AVC. Les essais cliniques comme l'étude -CRT Virtuelle ont montré que le placement de plomb guidé par modèle améliore les taux de réponse.

Prévoir la progression de la maladie et la stratification des risques

Par exemple, un modèle peut intégrer l'augmentation progressive de la masse ventriculaire gauche (hypertrophie) et la diminution de la contractilité observée dans les maladies cardiaques hypertensives. En exécutant des milliers de patients virtuels, les chercheurs peuvent identifier les paramètres clés qui conduisent à la décompensation. Sur le plan clinique, de tels modèles peuvent stratifier le risque : un patient dont le modèle montre une baisse marquée du volume d'AVC avec de petites augmentations de la charge après la crise peut être plus à risque de décompensation aiguë en période de crise hypertensive.

Support de la circulation mécanique de guidage

Pour les défaillances cardiaques avancées, les dispositifs d'assistance ventriculaire (DAV) sont utilisés comme pont de transplantation ou comme traitement de destination. Cependant, les réglages de DAV doivent être ajustés pour équilibrer le déchargement ventriculaire gauche avec une perfusion systémique adéquate. Les modèles de circulation assistée peuvent prédire l'effet de la vitesse de la pompe sur les volumes ventriculaires gauches, la position septale et la fonction ventriculaire droite.

Défis et limites

les données requises sont élevées : construire un modèle spécifique au patient nécessite souvent une imagerie à haute résolution (IRM, CT), des mesures de pression invasive ou des données électrophysiologiques détaillées. De nombreux patients souffrant d'insuffisance cardiaque ont des contre-indications à l'IRM (p. ex., des DCI) ou ne peuvent tolérer une analyse longue. Deuxièmement, l'étalonnage et la validation du modèle[ demeurent difficiles. Un modèle qui convient à un ensemble de données ne se généralise pas à une autre population ou à un autre scénario clinique.

Orientations futures : de la simulation à l'intégration clinique

Au cours de la prochaine décennie, la modélisation physiologique deviendra probablement partie intégrante des soins d'insuffisance cardiaque, sous l'impulsion de plusieurs tendances convergentes.

Intelligence artificielle et apprentissage automatique

Par exemple, l'apprentissage en profondeur peut segmenter le ventricule gauche des échocardiogrammes et estimer les volumes de chambre en secondes. ML peut également identifier les paramètres les plus informatifs pour un patient donné, réduisant ainsi la complexité du modèle. Parallèlement, les réseaux neuronaux (PINN) informés en physique émergent comme méthode pour apprendre directement la solution des équations gouvernantes à partir de données rares, ce qui pourrait contourner complètement l'étalonnage traditionnel du modèle.

Jumelles numériques du cœur

Un jumeau numérique est une représentation virtuelle d'un cœur patient qui est continuellement mis à jour avec des données du monde réel provenant de portables, de moniteurs implantables et de dossiers de santé électroniques. Pour l'insuffisance cardiaque, un jumeau numérique pourrait simuler des variations quotidiennes de l'état liquide, de la fréquence cardiaque et de la pression artérielle, puis alerter le clinicien lorsque le modèle prévoit une décompensation imminente.

Intégration avec des capteurs portables et implantables

Les stimulateurs cardiaques et les défibrillateurs modernes peuvent mesurer en continu l'impédance intrathoracique (un proxy de la surcharge hydrique), la variabilité de la fréquence cardiaque et le niveau d'activité. Lorsque ces données sont transmises dans un modèle cardiaque, le modèle peut ajuster ses prédictions en temps réel. Par exemple, une diminution de l'impédance combinée à une augmentation de la fréquence cardiaque au repos pourrait déclencher une simulation de modèle qui suggère une congestion pulmonaire naissante, entraînant un ajustement diurétique.

Essais cliniques et voies réglementaires

Pour que les modèles soient adoptés, ils doivent démontrer leur utilité clinique.Le programme --Médical Device Development Tools (MDDT) permet d'utiliser des modèles informatiques qualifiés comme paramètres de substitution dans les essais cliniques.En 2023, la FDA a qualifié un modèle informatique du système cardiovasculaire pour l'évaluation de nouveaux médicaments pour insuffisance cardiaque.Cette acceptation réglementaire encouragera une utilisation plus large. En même temps, des initiatives comme --Virtual Physiological Human (Human) visent à créer des normes pour la vérification, la validation et le partage des modèles, réduisant la duplication et améliorant la reproductibilité.

Élargissement à HFpEF et autres sous-types

La plupart des travaux de modélisation ont porté sur le FHF, mais le FHFpF représente la moitié de tous les cas d'insuffisance cardiaque et a peu de traitements efficaces. La modélisation du FHFpF est plus difficile parce qu'elle implique une dysfonction diastolique subtile, souvent associée à des comorbidités telles que l'obésité, l'hypertension et la fibrillation auriculaire. De nouveaux modèles intégrant la fonction auriculaire gauche, l'hémodynamique veineuse pulmonaire et la contrainte péricardique sont en cours de développement.

Conclusion

La modélisation physiologique du cycle cardiaque est passée d'une curiosité de recherche à un outil puissant pour comprendre et gérer l'insuffisance cardiaque. En captant l'interaction complexe de facteurs électriques, mécaniques et hémodynamiques, les modèles peuvent personnaliser la thérapie, prédire les résultats et guider le développement des appareils et des médicaments.

Pour une revue complète des approches de modélisation cardiaque, voir l'article Nature Reviews sur les modèles électromécaniques cardiaques.L'American Heart Association fournit des statistiques actualisées sur l'insuffisance cardiaque à leur mise à jour statistique de 2024.Pour des informations sur la technologie numérique jumelle en cardiologie, voir l'article Digital Twin in Cardiovasculature review[.