A doença arterial periférica (DAP) afeta mais de 200 milhões de pessoas em todo o mundo, mas permanece subdiagnosticada e subtratada.Esta condição progressiva ocorre quando a placa aterosclerótica estreita as artérias que abastecem as pernas, restringindo o fluxo sanguíneo e a entrega de oxigênio ao músculo esquelético.Com o tempo, os pacientes experimentam claudicação – dor de amassamento durante a caminhada – e em casos graves, isquemia crítica dos membros que pode levar à amputação.Compreender a fisiologia subjacente da DAP – como a dinâmica do fluxo sanguíneo, a mecânica da parede vascular e a perfusão tecidual – é essencial para desenvolver melhores tratamentos.Modelos fisiológicos fornecem um poderoso quadro para simular esses processos complexos, oferecendo a pesquisadores e clínicos uma maneira de testar hipóteses, prever resultados e individualizar a terapia.

O que são modelos fisiológicos?

Modelos fisiológicos são simplificados, mas representações matematicamente rigorosas de sistemas biológicos. Eles usam conjuntos de equações – derivadas da física, dinâmica de fluidos e biologia – para imitar o comportamento dos vasos sanguíneos, fluxo sanguíneo e tecidos circundantes. No contexto da DAP, esses modelos permitem que os cientistas simulem como os bloqueios arteriais alteram gradientes de pressão, distribuição de fluxo e entrega de oxigênio.Ajustando parâmetros como gravidade da estenose, compliance dos vasos ou circulação colateral, os investigadores podem explorar inúmeros cenários sem o custo e restrições éticas de experimentos humanos ou animais.

O valor dos modelos fisiológicos reside na capacidade de ponte entre mecanismos moleculares e função de todo o órgão. Por exemplo, um modelo hemodinâmico pode prever que uma estenose de 70% na artéria femoral superficial irá reduzir o pico de fluxo durante o exercício em 40%, desencadeando dor isquêmica. Um modelo de parede vascular pode mostrar como a inflamação enfraquece a parede arterial, tornando-a propensa a ruptura. Quando combinada em estruturas multiescala, esses modelos captam interações entre escalas – desde sinalização celular até pressão arterial sistêmica – fornecendo insights holísticos sobre a progressão da DAP e resposta ao tratamento.

Doença Arterial Periférica: Uma Breve Visão Geral

Antes de explorar modelos em profundidade, é útil compreender a doença que eles pretendem representar. A DAP é uma manifestação de aterosclerose sistêmica, o mesmo processo que causa doença arterial coronariana e estenose carotídea. Fatores de risco incluem tabagismo, diabetes, hipertensão, hiperlipidemia e idade avançada. O sintoma mais comum é a claudicação intermitente: uma dor reprodutível, tipo cãibra na panturrilha, coxa, ou nádega que ocorre com exercício e resolve com repouso. À medida que a doença avança, a dor de repouso, úlceras não cicatrizantes e gangrena podem se desenvolver – sinais de isquemia crítica do membro que requerem revascularização urgente.

O diagnóstico envolve tipicamente a medição do índice tornozelo-braquial (IAB), uma simples relação de pressões sistólicas, com valores abaixo de 0,90 indicando DAP. As modalidades de imagem, como o ultrassom duplex, a angiotomografia computadorizada (TC) e a angiorressonância magnética (RMA) fornecem detalhes anatômicos. Entretanto, essas imagens estáticas não captam as consequências hemodinâmicas dinâmicas das estenoses em condições fisiológicas variadas.

Por que os modelos importam em pesquisa e tratamento de DAP

O manejo clínico da DAP tem se baseado em imagens anatômicas e decisões empíricas, porém a relação entre gravidade da estenose e comprometimento funcional não é simples, sendo que uma estenose de 50% em um paciente pode causar claudicação grave, enquanto outro paciente com estenose de 90% permanece assintomático devido a redes colaterais robustas. Modelos fisiológicos ajudam a explicar essa variabilidade, por meio de fatores como geometria da estenose, rigidez da parede do vaso, resistência periférica e débito cardíaco, além de possibilitar a simulação de intervenções – angioplastia, stents, enxertos de bypass ou terapias medicamentosas – antes de serem realizadas, potencialmente reduzindo riscos processuais e melhorando os resultados.

A Necessidade de Ferramentas Preditivas

As diretrizes atuais para revascularização da DAP são amplamente baseadas na localização da lesão e sintomas clínicos. Entretanto, muitos pacientes têm doença multinível, e um resultado técnico bem sucedido (por exemplo, um stent patente) nem sempre se traduz em alívio de sintomas. Modelos que predizem reserva de fluxo pós-intervenção, distância de caminhada ou cicatrização de feridas permitiriam aos médicos selecionar a estratégia mais eficaz. Além disso, na era da saúde baseada em valor, tais ferramentas podem reduzir procedimentos desnecessários e readmissões hospitalares.

Tipos de modelos fisiológicos usados no PAD

Os modelos fisiológicos para DAP abrangem uma ampla gama de complexidade, desde circuitos simples de parâmetros fixos até simulações de interação de estrutura de fluidos tridimensionais. Cada tipo serve um propósito específico e oferece insights únicos.

Modelos hemodinâmicos

Os modelos hemodinâmicos focam na física do fluxo sanguíneo através das artérias, simulando pressão, velocidade de fluxo, tensão de cisalhamento de parede e distribuição de fluxo na vasculatura de membros inferiores.A classe mais simples é o modelo ]-parâmetros de lúpulo , que trata os segmentos arteriais como análogos elétricos: resistores, condensadores e indutores representando resistência vascular, complacência e inércia.Esses modelos de 0D (0D) de dimensão zero podem simular toda a árvore arterial rapidamente e são úteis para estudar os efeitos sistêmicos da DAP, como alterações nas reflexões da onda de pressão arterial.

Modelos unidimensionais (1D) de maior fidelidade representam as artérias como tubos elásticos ao longo dos quais se propagam as ondas de pressão e fluxo, captando reflexos de ondas em bifurcações e estenoses, proporcionando previsões realistas de quedas de pressão e formas de onda de fluxo. Por exemplo, um modelo 1D do segmento femoral-poplíteo pode mostrar como uma estenose curta e apertada causa um gradiente de pressão significativo durante a hiperemia, mimetizando o cenário clínico da dor induzida pelo exercício da panturrilha.

Os modelos tridimensionais (3D) de dinâmica de fluidos computacionais (CFD) oferecem a descrição hemodinâmica mais detalhada. Utilizando geometrias específicas do paciente derivadas da ATC ou ARM, essas simulações resolvem as equações de Navier-Stokes para calcular campos de velocidade, padrões de tensão de cisalhamento de parede e índices de fluxo oscilatório. Pesquisadores têm usado modelos 3D para estudar como a forma e a composição de estenoses afetam a hemodinâmica local, ajudando a identificar lesões propensas à progressão ou trombose. Embora computacionalmente caros, os avanços na computação de alto desempenho e geração de malha automatizada estão tornando os modelos 3D mais acessíveis para aplicações clínicas.

Modelos de Parede Vascular

Modelos de parede vascular abordam o comportamento mecânico da própria parede arterial. A DAP envolve não apenas estreitamento luminal, mas também alterações na composição da parede: acúmulo lipídico, proliferação de células musculares lisas, calcificação e fibrose. Essas alterações afetam a rigidez e distensibilidade da parede, que por sua vez influenciam a hemodinâmica. Modelos de mecânica da parede arterial usam equações constitutivas (por exemplo, hiperelástica ou viscoelástica) para descrever relações estresse-deformação. Ao incorporar dados de ultra-som intravascular (IVUS) ou tomografia de coerência óptica (TOC), esses modelos podem prever como uma placa se deformará sob pressão pulsátil - informações fundamentais para avaliar o risco de ruptura ou planejamento da colocação de stent.

Além disso, modelos de parede vascular estão sendo combinados com modelos de crescimento e regressão de placas, tais modelos de aterogênese simulam o transporte de lipoproteínas de baixa densidade (LDL), monócitos e citocinas através do endotélio, ligando o estresse de cisalhamento mediado pelo fluxo à inflamação e ao desenvolvimento de placas, podendo predizer a história natural de uma lesão específica e sua resposta à terapia de redução de lipídios.

Modelos Multiescala

Modelos multiescalares são os mais abrangentes, integrando fenômenos do nível celular à circulação sistêmica. Por exemplo, um modelo multiescala de DAP pode acoplar um modelo de DFC 3D de uma artéria estenótica com um modelo 0D da circulação central e um modelo celular de metabolismo dependente de oxigênio no músculo esquelético. Isso permite a simulação de toda a cadeia: obstrução arterial → fluxo sanguíneo reduzido → fluxo de oxigênio diminuído → metabolismo anaeróbio → dor claudicação. Esses modelos também podem incorporar angiogênese e crescimento colateral, que são mecanismos compensatórios cruciais na DAP.

Um exemplo notável é a adaptação coronária ao periférico do Modelo Multiescala do Sistema Cardiovascular desenvolvido pelo Projeto de Fisioma[. Ao relacionar o débito cardíaco, a geometria da árvore arterial e a demanda de oxigênio tecidual, pesquisadores podem simular o efeito do exercício na perfusão de membros inferiores em pacientes com DAP. Esses modelos estão ajudando a explicar por que alguns pacientes com estenose grave mantêm a capacidade de andar adequada, enquanto outros não, uma pergunta que tem clínicos há muito intrigados.

Aplicações em Diagnóstico e Tratamento

O objetivo final da modelagem fisiológica na DAP é melhorar o cuidado ao paciente, várias aplicações já entraram na arena clínica ou estão próximas da tradução.

Progressão e Risco Isquêmico Previsório de Doença

Modelos hemodinâmicos que incorporam dados de imagem específicos do paciente podem estratificar o risco de progressão da doença. Por exemplo, o estresse de cisalhamento de parede (WSS) derivado da CFD tem sido demonstrado para prever o crescimento futuro da placa e reestenose após angioplastia. Baixo WSS promove disfunção endotelial e inflamação, enquanto o WSS elevado pode causar erosão da placa. Modelos que mapeiam WSS através da superfície arterial permitem que os clínicos identifiquem segmentos “vulneráveis” que podem exigir terapia médica agressiva ou stenting.

Da mesma forma, modelos de transporte de oxigênio podem estimar a viabilidade tecidual, pois, ao se ligarem simulações de fluxo às equações de difusão de oxigênio, pesquisadores podem prever quais regiões do músculo da panturrilha estão em risco de hipóxia crítica, informações essas que podem orientar a seleção do nível de amputação em DAP grave, preservando o máximo possível de membros funcionais.

Procedimentos de revascularização orientadores

O planejamento intervencionista é uma das principais aplicações. A modelagem pré-procedimento pode simular os resultados hemodinâmicos de diferentes abordagens: angioplastia por balão, colocação de stents, balão revestido com drogas ou enxerto de bypass. Por exemplo, um modelo pode prever a reserva de fluxo pós-stent e compará-la com o valor basal, ajudando o intervencionista a decidir se a melhora esperada justifica o risco.Em casos complexos, como estenoses tandem ou oclusões longas, a modelagem pode identificar qual lesão deve ser tratada primeiro para maximizar o fluxo global.

No cenário de pesquisa, modelos também são usados para otimizar o design do dispositivo. A geometria de Stent, espessura da biela e propriedades do material influenciam as taxas de hemodinâmica e reestenose locais. As simulações computacionais podem detectar milhares de variantes de design de forma mais eficiente do que testes em bancada ou experimentos em animais, acelerando o desenvolvimento de melhores stents e balões farmacológicos.

Apoio à Medicina Personalizada e à Decisão Clínica

A integração de dados específicos para pacientes – história médica, imagem e até mesmo genômica – em modelos fisiológicos permite uma medicina verdadeiramente personalizada. Vários grupos de pesquisa desenvolveram plataformas que geram automaticamente modelos 1D ou 3D de imagens de ATC e depois simulam o efeito de diferentes tratamentos. Essas ferramentas produzem métricas quantitativas, como mudança prevista no índice tornozelo-braquial, distância de caminhada ou carga isquêmica. Estudos de validação clínica precoce mostram que os resultados preditos para modelos se correlacionam bem com resultados reais pós-intervenção, apoiando seu uso como ajuda à decisão.

Uma abordagem promissora é a utilização de técnicas de oclusão virtual: o modelo remove computacionalmente uma estenose para simular o efeito da revascularização bem-sucedida.Se a melhora simulada do fluxo for pequena, o procedimento pode não valer a pena, o que pode evitar intervenções desnecessárias que carregam risco, mas oferecem benefício funcional mínimo.

Desafios e Limitações

Apesar de sua promessa, modelos fisiológicos para DAP enfrentam vários obstáculos antes da adoção clínica generalizada.

Requisitos de dados e personalização do modelo

A personalização precisa do modelo requer imagens de alta qualidade da anatomia arterial, muitas vezes da ATC ou ARM. Esses exames expõem pacientes a agentes de radiação ou contraste, e nem todas as facilidades têm o software para segmentá-los de forma confiável. Além disso, condições de fronteira – como resistência periférica específica do paciente e débito cardíaco – são muitas vezes desconhecidas e devem ser assumidas ou estimadas a partir de médias populacionais. Erros nessas entradas podem se propagar através do modelo, reduzindo a acurácia preditiva. Pesquisadores estão trabalhando em métodos para inferir condições de fronteira de medidas não invasivas como pressões de manguito ou formas de onda doppler, mas a aplicação clínica de rotina ainda não é padrão.

Validação do Modelo

Todos os modelos devem ser validados contra dados do mundo real antes de serem confiáveis.Para o DAP, a validação é desafiadora, pois existem poucas medidas de hemodinâmica interna em humanos com padrão ouro. As medidas de pressão e fluxo baseados em fios durante a cateterização podem fornecer validação invasiva, mas não são realizadas em todos os pacientes. Modelos animais, especialmente modelos suínos de DAP, oferecem ambientes controlados para validação, mas não replicam totalmente a fisiopatologia humana. Entretanto, vários estudos têm demonstrado boa concordância entre as previsões de modelos e medidas invasivas para gradientes de pressão e formas de onda de fluxo, construindo confiança.

Complexidade computacional e integração no fluxo de trabalho

Modelos 3D CFD requerem horas ou dias de computação e especialização para executar. Para uma prática clínica movimentada, este período de tempo é impraticável. Mesmo modelos 1D, que funcionam em minutos, precisam de integração perfeita no registro de saúde eletrônico e estação de trabalho de imagem. O desenvolvimento de solucionadores acelerados por GPU ou baseados em nuvem está reduzindo o tempo de computação, mas os padrões de interoperabilidade ainda são uma barreira. Muitos modelos ainda são ferramentas de pesquisa que exigem operação manual por engenheiros, em vez de sistemas turnkey utilizáveis por clínicos.

Instruções futuras

O campo da modelagem fisiológica para DAP está evoluindo rapidamente, impulsionado pelos avanços no poder computacional, na imagem e na ciência dos dados.

Simulação em tempo real e gêmeos digitais

Um conceito emergente é o “gêmeo digital” – uma réplica virtual da vasculatura de um paciente que atualiza continuamente com dados em tempo real de sensores wearable ou dispositivos implantáveis. Para o PAD, um gêmeo digital pode rastrear a atividade de caminhada, variabilidade da frequência cardíaca e sintomas, então alimentar esses dados em um modelo para prever quando a intervenção é necessária. Imagine um paciente com claudicação usando um smartwatch que detecta distância de caminhada; o gêmeo simularia a carga hemodinâmica e alertaria o médico se a estenose está piorando. Tais sistemas estão em desenvolvimento precoce para doenças cardiovasculares, e o PAD é um alvo natural, dada a sua natureza dinâmica dependente do exercício.

Integração com o aprendizado de máquina

Os algoritmos de aprendizado de máquina (ML) estão sendo treinados para acelerar ou substituir modelos computacionais tradicionais. Por exemplo, as redes neurais podem aprender o mapeamento da geometria de estenose para queda de pressão diretamente de milhares de simulações CFD, permitindo previsões quase instantâneas. Estes “modelos substitutos” mantêm a precisão das simulações baseadas em física enquanto funcionam em milissegundos. ML também é usado para automatizar a segmentação de árvores arteriais a partir de imagens, um passo manual tedioso na personalização de modelos. Combinando modelos baseados em física com ML oferece o melhor de ambos os mundos: compreensão mecanística e eficiência orientada por dados.

De Clínica para Casa: Monitoramento Remoto e Wearable

Modelos fisiológicos combinados com dispositivos vestíveis podem transformar o manejo da DAP. Monitoramento contínuo da pressão arterial do tornozelo com um dispositivo sem manguito calibrado para o modelo poderia fornecer um equivalente de ITB em tempo real, alertando pacientes e provedores para quedas agudas no fluxo. Da mesma forma, sensores de fotopletismografia em smartwatches podem detectar alterações na forma de onda de pulso característica da DAP. Essas entradas se alimentariam em um modelo baseado em nuvem que avalia a trajetória da doença e recomenda ajustes de estilo de vida, ajustes de medicação ou visitas clínicas, tudo sem necessidade de o paciente viajar.

Desenvolvimento de Medicamentos e Enriquecimento de Ensaios Clínicos

Os modelos fisiológicos também podem acelerar a pesquisa farmacêutica. Os ensaios clínicos para medicamentos para DAP (por exemplo, agentes anti-inflamatórios ou pró-angiogênicos) frequentemente sofrem de altas respostas ao placebo e desfechos heterogêneos. Modelos que predizem respostas individuais de pacientes podem ser usados para selecionar indivíduos mais propensos a se beneficiar - por exemplo, aqueles com baixa reserva de fluxo colateral. Esta estratégia de “enriquecimento” poderia reduzir os tamanhos de teste e acelerar o desenvolvimento de novas terapias. Além disso, modelos computacionais podem simular o efeito de um fármaco sobre perfusão muscular e metabolismo, fornecendo uma plataforma virtual fase II para testar moléculas candidatas antes de ensaios humanos caros.

Conclusão

Os modelos fisiológicos amadureceram desde curiosidades acadêmicas até ferramentas práticas com potencial para transformar o entendimento e o tratamento da doença arterial periférica. Ao capturarem a complexa interação entre geometria arterial, hemodinâmica, mecânica de parede e metabolismo tecidual, esses modelos revelam por que um paciente manca enquanto outro corre, e por que um stent pode ou não trazer alívio. Eles permitem a previsão personalizada da progressão da doença, orientam estratégias de revascularização ótimas e apoiam o desenvolvimento de novas terapias. Desafios permanecem – integração de dados, validação e integração clínica de fluxo de trabalho – mas o ritmo acelerado de inovação computacional aponta para um futuro em que o “gêmeo digital” vascular de cada paciente com DAP ajuda a tomar decisões oportunas e precisas que preservam a mobilidade e previnem a perda de membros.

Para leitura posterior, o National Heart, Lung, and Blood Institute oferece uma visão abrangente do PAD, a declaração científica da American Heart Association sobre a gestão do PAD fornece diretrizes atuais e uma revisão recente em Frontiers in Cardiovascular Medicine detalha a aplicação de modelos computacionais na pesquisa do PAD. Esses recursos ressaltam o papel crescente da ciência de simulação na luta contra uma das condições mais incapacitantes do envelhecimento.