Моделирование взаимодействия жидкостной структуры в протезах клапанов сердца для повышения долговечности

Протезы сердечного клапана: критический компонент в сердечно-сосудистой медицине

Протезы клапанов сердца являются жизненно важными устройствами, имплантированными для замены нативных клапанов, которые стали стенотическими, регургитирующими или иным образом скомпрометированными из-за врожденных дефектов, дегенеративных заболеваний или инфекционного эндокардита. Каждый год сотни тысяч пациентов во всем мире проходят операцию по замене клапанов, с механическими и биопротезирующими клапанами, представляющими две основные категории. В то время как механические клапаны обеспечивают отличную долгосрочную долговечность, они требуют пожизненной антикоагуляции для снижения тромбоэмболического риска. Биопротезные клапаны, обычно изготовленные из тканей животных, имеют более низкую тромбогенность, но склонны к структурной дегенерации клапанов с течением времени, особенно у молодых пациентов.

Несмотря на значительные улучшения в конструкции и материалах, отказ клапанов остается клинически важной проблемой. Кальцификация листьев, чрезмерный рост паннуса, усталостное разрывание и дегисценция швов являются одними из режимов отказа, которые могут поставить под угрозу функцию протеза и результаты лечения пациентов. Для решения этих проблем инженеры и клиницисты обратились к передовым вычислительным моделированиям, в частности, к моделированию взаимодействия жидкой структуры (FSI), чтобы получить более глубокое понимание биомеханики клапанов и ускорить разработку более прочных протезов.

Моделирование сложного взаимодействия между кровотоком и структурой клапана - это не просто академическое упражнение. Он обеспечивает виртуальную испытательную площадку, где итерации дизайна могут быть быстро оценены без затрат и временных ограничений физического прототипирования или исследований на животных. Путем выявления концентраций стресса, прогнозирования усталости и оптимизации геометрии листовок, моделирование FSI прокладывает путь для протезов сердечного клапана следующего поколения, которые сочетают гемодинамическую эффективность с расширенной долговечностью.

Основы взаимодействия жидкостной структуры (FSI)

Взаимодействие жидкостной структуры относится к взаимной связи между деформируемой структурой и жидкостью, которая окружает или протекает через нее. В контексте сердечных клапанов жидкость представляет собой кровь (неньютоновская жидкость со сложной реологией), а структура представляет собой протезный клапан, который может состоять из жестких или гибких листовок, швейного кольца и стента или рамы. Во время каждого сердечного цикла клапан открывается и закрывается в ответ на градиенты давления, создавая сложные структуры кровотока и структурной деформации.

Точная фиксация FSI необходима, поскольку кровоток оказывает на клапан силы, которые вызывают его деформацию, а в свою очередь, движение клапана изменяет поле потока. Это двунаправленное соединение особенно выражено во время фаз быстрого открытия и закрытия, где происходят высокие ускорения и замедления. Упрощенные модели, которые рассматривают клапан как жесткий или предполагают фиксированную геометрию, не могут захватить истинную динамику и могут привести к неточному прогнозированию напряжения, деформации и гемодинамических характеристик.

Уравнения, управляющие задачами FSI, — это уравнения Навье-Стокса для потока жидкости и уравнения движения (часто выражаемые принципом виртуальной работы) для твердой структуры. Связь обеспечивается на интерфейсе структуры жидкости, где должна поддерживаться кинематическая непрерывность (равное смещение и скорость) и динамическая непрерывность (равная тяга). Численные методы, такие как произвольная формула Лагранжа — Эйлера (ALE), обычно используются для обработки движущейся сетки, требуемой деформирующей областью.

Почему FSI имеет значение для долговечности сердечного клапана

Протезы клапанов сердца подвергаются миллионам циклов в год — примерно 38 миллионов циклов в течение одного года при частоте сердечных сокращений 72 удара в минуту. Повторяющаяся нагрузка может инициировать усталостные трещины, особенно в регионах с высокой концентрацией напряжения. Биопротезные клапаны, которые изготавливаются из химически обработанного бычьего или свиного перикарда, особенно подвержены структурной дегенерации с течением времени. Механические клапаны, будучи более устойчивыми к усталости, могут испытывать износ в точках шарнира или развиваться кавитационное повреждение на закрывающихся поверхностях.

Моделирование FSI позволяет инженерам количественно оценить циклические напряжения и деформации, испытываемые клапаном в течение всего сердечного цикла. Например, исследования показали, что пиковые напряжения часто возникают в стыках (где листовки прикрепляются к стенту) и на свободном краю листовок. Выявляя эти области высокого риска, дизайнеры могут изменить геометрию или свойства материала, чтобы лучше распределить нагрузку. Некоторые недавние проекты включают совместимые стенты или анизотропные листовки, чтобы более точно имитировать поведение нативных клапанов.

Более того, моделирование FSI может предсказать начало флаттера листьев или вихревого сбрасывания, что может способствовать повреждению тканей или тромбозу. Понимание этих явлений имеет решающее значение для улучшения долговечности клапана и снижения необходимости повторной операции.

Глубокое погружение в методы моделирования

Моделирование FSI протезов клапанов сердца представляет собой многомасштабную проблему, которая охватывает от макроскопической гемодинамики до микроскопической механики тканей. Доступно несколько вычислительных подходов, каждый из которых имеет различные сильные и ограниченные стороны. Выбор метода зависит от конкретного вопроса исследования, доступных вычислительных ресурсов и требуемой точности.

Анализ конечных элементов (FEA) для структурной деформации

FEA является рабочей лошадкой для прогнозирования структурного отклика клапанных компонентов при приложенных нагрузках. Геометрия клапана дискретизируется в сетку элементов, и свойства материала назначаются - обычно гиперэластичные или вязкоупругие конститутивные модели для биопротезной ткани и изотропные линейно-упругие модели для металлических или полимерных рам. FEA может захватывать большие деформации, контакт между листочками и распределение напряжений с высоким пространственным разрешением.

Для биопротезных клапанов необходимо учитывать анизотропную природу перикардиальной ткани.Ориентация коллагенового волокна существенно влияет на механическое поведение, а модели FEA часто включают локальные направления волокон, полученные из изображений или экспериментальных данных. Некоторые продвинутые модели также включают эволюцию повреждений и критерии отказа для имитации прогрессирующего разрыва.

В последние годы FEA используется для оценки влияния параметров конструкции клапанов, таких как толщина листьев, высота стента и площадь чехла. Например, исследование с использованием FEA показало, что увеличение толщины листовок всего на 0,1 мм может снизить пиковое напряжение до 15%, но за счет увеличения градиента трансвалвулярного давления. Такие компромиссы должны быть тщательно сбалансированы для оптимизации как долговечности, так и гемодинамических характеристик.

Вычислительная динамика жидкостей (CFD) для моделей кровотока

CFD решает уравнения Навье-Стокса для имитации кровотока через клапан. Кровь часто моделируется как ньютоновская жидкость для крупных артерий, но в непосредственной близости от клапана могут стать важными неньютоновские эффекты (разжижение сдвига). Турбулентность является еще одной проблемой, особенно при пиковой систоле, когда скорости потока могут превышать 2 м/с. Моделирование CFD высокой точности с использованием моделирования с большим вихрем (LES) или моделирование с отсоединенным вихрем (DES) может захватывать переходные функции потока, такие как регургитирующие струи и вихри.

CFD особенно ценен для оценки гемодинамических характеристик клапана, включая эффективную область отверстия, падение давления и объем утечки. Эти показатели коррелируют с клиническими результатами, такими как ремоделирование желудочков и выживаемость. CFD также может предсказать нагрузку на клетки крови, что актуально для гемолиза и активации тромбоцитов.

Заметным примером является использование CFD для сравнения моделей потока механических клапанов билеафлетов с биопротезными клапанами. Вентили билеафлетов демонстрируют характерную центральную струю и две боковые струи, которые могут создавать области застоя потока и низкого сдвига - фактор, способствующий образованию тромбов. Моделирование CFD руководило разработкой новых конструкций шарниров, которые минимизируют зоны застоя.

Совместные модели FSI: сближение всех

Наиболее мощный подход заключается в соединении FEA и CFD в унифицированное моделирование FSI. Обычно это делается с использованием стратегий разделённых или монолитных решений. При разделенном подходе жидкие и твёрдые растворители запускаются попеременно, обмениваясь граничными условиями на каждом этапе. Для достижения конвергенции может потребоваться итерация, особенно при наличии сильной связи.

Разделенные методы FSI позволяют использовать специализированные растворители для каждого домена (например, Abaqus для структурной механики и Fluent для гидродинамики), но они могут быть вычислительно дорогими из-за необходимости суб-итераций. Монолитические подходы, при которых вся система решается одновременно, более надежны, но требуют пользовательского программного обеспечения. Оба метода были успешно применены к сердечному клапану FSI.

Знаковое исследование FSI биопротезного аортального клапана показало, что пиковое напряжение во время закрытия клапана может быть на 50% выше, чем прогнозируется чисто структурным анализом, который пренебрегает эффектами жидкости. Это подчеркивает важность включения жидкой фазы для точных прогнозов прочности. Более поздние модели включали анатомию пациента, полученную из КТ или МРТ, что позволяет персонализировать оценку производительности клапана.

Основные преимущества FSI-симуляции для протезов сердечного клапана

Применение моделирования ФСИ при разработке и оценке протезов клапанов сердца дало ощутимые преимущества, которые приводят к улучшению клинических результатов. Ниже приведены некоторые из наиболее значительных преимуществ.

Повышение долговечности за счет оптимизированного дизайна:] Моделирование FSI идентифицирует горячие точки напряжения и подверженные усталости области, направляя модификации геометрии, которые снижают риск структурного отказа. Например, изменение кривизны листовки от сферической до эллипсовидной формы может перераспределить напряжение и продлить срок службы клапана на годы.
Сниженный риск механического сбоя: Симулируя клапан через миллионы циклов, инженеры могут предсказать, когда и где может произойти сбой. Это позволяет вносить превентивные изменения в конструкцию до того, как будут изготовлены прототипы. Некоторые производители теперь используют FSI в рамках процесса проверки конструкции для нормативных представлений.
Улучшенное понимание биомеханики клапанов: FSI предоставляет подробный обзор взаимодействия потока и структуры, которое трудно или невозможно получить экспериментально. Это понимание информирует не только о конструкции клапана, но и о хирургических методах и выборе пациента.
Персонализированная кастомизация протезов: С помощью моделей, специфичных для пациента, хирурги могут оценить, как будут работать различные типы или размеры клапанов, учитывая анатомию и гемодинамику человека. Например, FSI может предсказать, будет ли у конкретного биопротезного клапана развиваться паравальвулярная утечка из-за неправильной формы аннулуса.
Ускоренные инновационные циклы: Виртуальное тестирование снижает зависимость от дорогостоящих исследований на животных и физического прототипирования. Проектные итерации, которые заняли бы месяцы или годы в лаборатории, могут быть завершены за несколько дней на высокопроизводительном вычислительном кластере, ускоряя время выхода на рынок для новых устройств.

Эти преимущества были реализованы как в механических, так и в биопротезных клапанах. Для механических клапанов моделирование FSI привело к созданию шарнирных конструкций, которые уменьшают повреждение кавитации, в то время как для биопротезных клапанов они проинформировали о разработке антикальцификационных процедур и оптимизированных конфигурациях крепления листовок.

Проблемы и ограничения существующих подходов ФСИ

Несмотря на свои обещания, моделирование протезов сердечного клапана FSI не лишено существенных проблем. Точность результатов в значительной степени зависит от точности входных параметров и надежности численных методов. Некоторые из ключевых препятствий включают:

Вычислительная стоимость: Моделирование FSI высокого разрешения, особенно с использованием турбулентности и больших деформаций, требует значительных вычислительных ресурсов. Один сердечный цикл может занять несколько дней для моделирования на выделенном кластере, а проверочные работы или исследования по оптимизации часто чрезмерно дороги.
Материальное моделирование: Биопротезная ткань демонстрирует сложное, зависящее от времени поведение, включая вязкоупругость, анизотропию и накопление повреждений.Конститутивные модели, которые точно фиксируют эти особенности, находятся в стадии разработки, но многие симуляции по-прежнему полагаются на упрощения, которые могут ограничивать точность прогнозирования.
Границы: Среда in-vivo включает в себя совместимые стенки сосудов, окружающие ткани и формы волн динамического давления, которые трудно воспроизвести в силико. Наложение упрощенных или идеализированных граничных условий может привести к расхождениям между моделированием и реальностью.
Свойства жидкости: Кровь — неньютоновская жидкость со стрессом выхода и поведением, уменьшающим сдвига, особенно при низких скоростях сдвига, обнаруженных в регионах застоя. Моделирование крови как ньютоновской жидкости (обычно во многих исследованиях) может переоценивать стрессы сдвига и пропускать важные тромбогенные особенности.
Проверка:] Экспериментальная валидация предсказаний FSI является сложной задачей из-за сложности измерения внутренних напряжений и полей потока в бьющемся сердце ex vivo или in vivo. Исследования по объяснительным данным предоставляют данные после сбоя, но ограниченную динамическую информацию. Велоциметрия изображения частиц (PIV) в петлях потока может подтвердить некоторые гемодинамические аспекты, но структурная валидация остается редкой.

Текущие исследования направлены на устранение этих ограничений с помощью более совершенных вычислительных методов (таких как изогеометрический анализ для более плавного представления геометрии), улучшенной характеристики материала (с использованием биаксиального тестирования и микро-КТ) и интеграции машинного обучения для снижения вычислительных накладных расходов. Растущая доступность данных для конкретного пациента из расширенной визуализации также обещает повысить клиническую значимость моделей FSI.

Клинический перевод и нормативные соображения

Для того чтобы моделирование FSI оказало значимое влияние на уход за пациентами, они должны выйти за пределы исследовательской лаборатории и пройти путь одобрения регулирующих органов, таких как Управление по контролю за продуктами и лекарствами США (FDA) и Европейское агентство по лекарственным средствам (EMA) признали ценность вычислительного моделирования в оценке медицинских устройств. В настоящее время существуют руководящие документы для использования доказательств in silico в предпродажных представлениях.

Заметной вехой стала «Рамочная основа оценки достоверности для компьютерного моделирования и моделирования медицинских устройств» FDA, в которой излагается риск-ориентированный подход к оценке достоверности модели. Это включает в себя проверку (правильное решение уравнений), валидацию (согласно экспериментальным данным) и количественную оценку неопределенности (с учетом изменчивости входов). Производители клапанов сердца все чаще включают моделирование FSI в свои процессы контроля проектирования, часто наряду со стендовым тестированием и исследованиями на животных.

Одна из областей, где FSI уже повлияла на клиническую практику, - это замена транскатетерного аортального клапана (TAVR). Протезы TAVR обжимаются на катетер доставки и развертываются в нативном стенотическом клапане. Процесс развертывания вызывает существенную деформацию стентной рамы и может влиять на геометрию конечного клапана. Моделирование FSI используется для прогнозирования того, как различные глубины развертывания и коэффициенты перенасыщения влияют на паравалвулярную утечку, риск разрыва кольцевой части и напряжение листовок. Некоторые исследования коррелируют прогнозы моделирования с результатами после имплантации, обеспечивая основу для процедурного планирования.

По мере развития этой области мы можем предвидеть появление «цифровых близнецов» - моделей, специфичных для пациентов, постоянно обновляемых, которые интегрируют клинические данные с мониторингом в режиме реального времени. Для протезов сердечного клапана цифровой близнец может предсказать вероятную траекторию дегенерации клапана и направлять сроки повторного вмешательства. Такое видение потребует значительных достижений в области визуализации, зондирования и вычислений, но фундамент, заложенный текущими исследованиями FSI, делает его достижимой целью.

Будущие направления и новые технологии

Будущее дизайна протезов сердечного клапана формируется несколькими сходящихся тенденциями. Во-первых, для перехода к биомиметическим клапанам, которые более точно повторяют работу нативных клапанов, потребуются модели FSI, способные улавливать нюансы листовой кинематики, гибкости стента и даже активных компонентов, таких как саморегулирующиеся рамы. Новые материалы, такие как электроотверждающиеся полимерные каркасы и децеллюляризованные тканевые матрицы, потребуют передовых конститутивных моделей, которые могут учитывать ремоделирование и деградацию с течением времени.

Во-вторых, интеграция искусственного интеллекта (ИИ) и машинного обучения способна значительно ускорить моделирование FSI. Суррогатные модели, обученные данным моделирования высокой точности, могут обеспечить почти мгновенные прогнозы полей напряжения и потока для новых геометрий. Это позволяет быстро оптимизировать дизайн и количественную оценку неопределенности, что было бы невозможно с помощью традиционных методов. Алгоритмы генеративного проектирования уже могут предлагать новые клапанные геометрии, которые затем оцениваются с помощью FSI, уменьшая предвзятость человека в творческом процессе.

В-третьих, усовершенствования в медицинской визуализации, такие как 4D-проточная МРТ и высокочастотный ультразвук, обеспечивают беспрецедентную деталь динамики клапанов in vivo. Эти данные могут использоваться как для инициализации, так и для проверки моделей FSI. Включение специфической для пациента геометрии и граничных условий перемещает поле в сторону действительно персонализированной медицины, где выбирается протез клапана или даже изготавливается на заказ для отдельного пациента.

Наконец, сближение вычислительной гидродинамики, структурной механики и биологии приводит к появлению многомасштабных моделей, связывающих молекулярные события (такие как осаждение кальция) с механикой на уровне тканей и гемодинамикой на уровне органов. Такие модели могут предсказать не только механическую неисправность клапана, но и биологические процессы, которые приводят к дегенерации, такие как кальцификационный стеноз аорты. По мере созревания этих инструментов они будут информировать о конструкции клапанов следующего поколения, которые активно сопротивляются механизмам отказа.

Заключение

Моделирование взаимодействия жидкостной структуры в протезах клапанов сердца стало незаменимым инструментом для повышения долговечности и улучшения результатов лечения пациентов. Благодаря детальному пониманию того, как взаимодействуют кровоток и структурная деформация, модели FSI позволяют инженерам более эффективно проектировать клапаны, которые выдерживают биомеханические требования сердечного цикла. От оптимизации геометрии листовок до прогнозирования режимов отказа и персонализации выбора имплантатов, приложения являются широкими и клинически эффективными.

Хотя проблемы остаются в вычислительной стоимости, моделировании материалов и валидации, траектория ясна. Продолжение прогресса в методологии моделирования в сочетании с более богатыми данными визуализации и интеграцией ИИ обещают предоставить протезы сердечного клапана, которые не только более долговечны, но и более физиологически совместимы. Для пациентов, сталкивающихся с заменой клапана, эти инновации обещают более длительный ремонт, снижение скорости повторных операций и лучшее качество жизни. Продолжающееся сотрудничество между учеными-вычислителями, биомедицинскими инженерами и клиницистами является двигателем, который будет стимулировать этот прогресс в ближайшие годы.

Ссылки и дальнейшее чтение