Моделирование динамики кровотока в коронарных артериях после размещения стента

Поколение Mesh

Качество вычислительной сетки напрямую влияет на точность и стабильность решения CFD. Для стентированных артерий сетка должна быть достаточно тонкой, чтобы разрешать пограничные слои вблизи стентовых распорок, где наиболее высоки градиенты скорости и WSS. Обычно используются неструктурированные тетраэдрические или гексаэдрические сетки с локальной уточненностью вокруг краев распорок. Общее количество элементов может варьироваться от нескольких сотен тысяч до десятков миллионов, в зависимости от сложности геометрии и желаемого пространственного разрешения. Исследование независимости сетки необходимо для обеспечения того, чтобы дальнейшая уточнение не существенно меняло вычисленные значения WSS.

граничные условия

Физиологически реалистичные граничные условия имеют решающее значение для получения клинически значимых результатов. На входе обычно назначается изменяющийся во времени профиль скорости, полученный из доплеровской эхокардиографии или фазово-контрастной МРТ для имитации пульсативной природы коронарного потока. Альтернативно, может быть наложена форма волны давления. На выходе применяется градиент нулевого давления или состояние разделения потока, часто сочетающееся с моделью с комковатыми параметрами (Виндксель), которая имитирует сопротивление и соответствие микроваскулатуры нисходящего потока. Артериальные стенки обычно считаются жесткими во многих исследованиях, хотя более сложные модели взаимодействия структуры жидкости (FSI) учитывают соответствие сосуда и динамику расширения стента. Кровь моделируется как несжимаемая ньютоновская жидкость с плотностью 1050 кг / м3 и динамической вязкостью 0,0035 Па·с, если не Ньютоновские эффекты явно не включены.

Конфигурация Solver и постпроцессинг

Уравнения управления дискретизируются с использованием метода конечного объема и решаются временно в течение нескольких сердечных циклов для обеспечения периодичности. Обычно используются коммерческие решатели, такие как ANSYS Fluent, STAR-CCM+ или платформы с открытым исходным кодом, такие как OpenFOAM. Критерии конвергенции устанавливаются для обеспечения того, чтобы остаточные значения непрерывности и падения импульса по меньшей мере на три порядка. После получения решения инструменты постобработки извлекают пространственные карты усредненного по времени WSS, OSI, относительного времени пребывания и других производных метрик. Потоки и линии пути могут быть визуализированы для выявления зон рециркуляции, спиральных структур потока и точек застоя.

Ключевые выводы из пост-стент моделирования

За последние два десятилетия многочисленные исследования CFD продемонстрировали, как дизайн стента и размещение влияют на коронарную гемодинамику.

Геометрия и распределение WSS

Толщина, ширина и форма сечения стента непосредственно влияют на локальную WSS. Моделирование последовательно показывает, что более толстые распорки генерируют более крупные области с низким WSS ниже по течению, увеличивая риск рестеноза. Струты с прямоугольным поперечным сечением производят больше нарушений потока, чем те, у которых округленный или обтекаемый профиль. Современные стенты, выдвигающие лекарственные средства, перешли к более тонким распоркам (до 60-80 мкм) для уменьшения возмущений потока, тенденция, которую CFD помог проверить.

Stent Malapposition и Under-Expansion

Неполное аппозиция стента - где распорки не полностью контактируют со стенкой сосуда - создает промежутки, которые действуют как делители потока. CFD показывает, что несоответствующие распорки генерируют интенсивные вихри и зоны чрезвычайно низкого WSS в зазоре, которые могут задерживать эндотелиализацию и способствовать образованию тромба. Аналогично, недостаточно расширенные стенты создают локальное сужение, которое ускоряет поток через просвет стента, но производит зоны разделения, немедленно дистальные к недорасширенному сегменту. Эти результаты подчеркивают важность оптимального расширения стента и аппозиции, как оценивается внутрисосудистой визуализацией.

Стентовые перекрытия и бифуркации

Когда несколько стентов помещаются в перекрывающиеся сегменты или при поражениях бифуркации, гемодинамическая среда становится еще более сложной. Накладывающиеся стойки создают «мертвые зоны», где поток почти застойный, что приводит к длительному времени пребывания тромбоцитов и протромботических факторов. В стенте бифуркации - обычно с участием стента основного сосуда с стентом боковой ветви - область карины особенно уязвима для низкого WSS. Моделирование CFD руководило разработкой специализированных конструкций стента бифуркации, которые минимизируют нарушение потока в остии боковой ветви.

Специфические вариации геометрии пациента

Индивидуальные анатомические факторы, такие как кривизна сосудов, крутизна и сужение, значительно модулируют влияние стентирования на гемодинамику. Например, стент, помещенный в сильно изогнутый сегмент левой передней нисходящей артерии, будет испытывать асимметричное развертывание распорок и преференциальный поток вдоль внутренней кривой. Моделирование, которое включает в себя специфическую для пациента геометрию, поэтому гораздо более предсказуемо, чем идеализированные модели. Это мотивировало развитие интегрированных клинических рабочих процессов, где данные CCTA или OCT пациента непосредственно импортируются в программное обеспечение CFD для моделирования результатов различных стратегий размещения стента перед фактической процедурой.

Клиническая валидация и перевод

Хотя CFD предоставляет подробную гемодинамическую информацию, его клиническое принятие требует строгой проверки на экспериментальные измерения и клинические результаты. In vitro Эксперименты с использованием велоциметрии изображения частиц (PIV) в силиконовых или стеклянных моделях стентированных артерий подтвердили, что CFD точно фиксирует основные особенности нарушения потока, включая зоны рециркуляции и величину WSS. Валидация in vivo более сложна из-за сложности измерения WSS непосредственно в коронарных артериях человека. Однако суррогатные конечные точки, такие как ангиографическая скорость рестеноза , поздней потери просвета и стентный тромбоз были связаны с гемодинамическими параметрами, полученными из послеоперационного моделирования.

Важным исследованием Gijsen et al. (2019) был анализ CFD на WSS у 80 пациентов, которые прошли имплантацию стента с лекарственным покрытием, и было установлено, что области с низким WSS (<0,4 Па) были значительно связаны с неоатеросклерозом при последующей оптической когерентной томографии. Аналогичным образом, исследование PREDICTION продемонстрировало, что предварительное процедурное картирование WSS может предсказать места будущего прогрессирования бляшек. Эти результаты свидетельствуют о том, что стратификация риска на основе CFD может стать стандартным компонентом после стентного наблюдения. Регуляторные одобрения для некоторых программных платформ на основе CFD, таких как HeartFlow FFR-CT (запас фракционного потока, полученный из КТ), уже проложили путь для клинической интеграции.

Проблемы и ограничения

Несмотря на свои обещания, рутинное применение CFD для моделирования после стентного кровотока сталкивается с несколькими препятствиями. Во-первых, вычислительная стоимость высока. Одно конкретное моделирование пациента с высокой плотностью сетки и переходными граничными условиями может потребовать от нескольких часов до дней на высокопроизводительном вычислительном кластере, что непрактично для принятия клинических решений в реальном времени. Достижения в GPU-ускоренных растворителях и моделях с уменьшенным порядком начинают решать эту проблему, но значительный разрыв остается.

Во-вторых, неопределенность в граничных условиях и свойства материала распространяются на результаты моделирования. Небольшие ошибки в форме волны входной скорости или предполагаемой вязкости крови могут изменить значения WSS на 10-20%. Кроме того, предположение о жестких стенках игнорирует циклическую деформацию артериальной стенки, которая, как известно, изменяет модели потока в стентированных сосудах. Модели взаимодействия жидкостной структуры (FSI) более реалистичны, но существенно увеличивают вычислительную нагрузку.

В-третьих, схема сегментации и сетки остается трудоемкой и операторозависимой. Автоматизированные алгоритмы машинного обучения для сегментации люменов от OCT и CT улучшились, но идентификация стентовых распорок по-прежнему подвержена ошибкам в присутствии металлических артефактов или перекрывающихся распорок. Стандартизация метрик качества сетки и протоколов валидации необходима для обеспечения воспроизводимости в разных центрах.

В-четвертых, взаимосвязь между гемодинамическими параметрами и клиническими результатами не до конца понята. Хотя низкий WSS является известным фактором риска рестеноза, точные пороговые значения различаются в исследованиях из-за различий в дизайне стента, морфологии поражения и характеристиках пациента. Многомасштабный подход, который сочетает гемодинамику с биологическими моделями сигнализации эндотелиальных клеток и пролиферации гладкомышечных клеток, необходим для более надежного перевода физических сил в клинические прогнозы.

Будущие направления и новые тенденции

Заглядывая вперед, несколько разработок готовы повысить полезность моделирования кровотока при коронарных стентах:

Интеграция машинного обучения

Модели глубокого обучения могут заменить некоторые из самых трудоемких этапов в конвейере CFD. Например, сверточные нейронные сети были обучены прогнозировать карты WSS непосредственно из входных геометрий без решения уравнений Навье-Стокса, достигая результатов в реальном времени. Эти суррогатные модели особенно привлекательны для итеративной оптимизации дизайна или интраоперационного руководства. Однако они требуют больших наборов данных обучения и тщательной проверки для обеспечения обобщенности.

Планирование лечения, ориентированное на пациента

Конечная цель — создание «цифрового двойника» коронарной циркуляции пациента, который позволяет клиницистам моделировать различные типы стентов, длины и позиции развертывания перед процедурой. Ранние технико-экономические исследования показали, что размещение стентов с имитационным управлением может снизить частоту нарушений потока по сравнению с обычным размещением с ангиографическим управлением. В настоящее время проводятся перспективные испытания по сравнению оптимизированного моделирования со стандартным стентированием.

Комбинирование изображений и гемодинамики

Гибридные методы визуализации, которые одновременно захватывают анатомию и поток, такие как 4D-поток МРТ, становятся неинвазивными альтернативами CFD для некоторых применений. В то время как пространственное разрешение по-прежнему ограничено по отношению к CFD, эти методы обеспечивают прямое измерение скоростей в стентированных сегментах, предлагая потенциальную истину для проверки. Сочетание данных потока, полученных из изображений, с граничными условиями CFD может уменьшить неопределенность и повысить точность.

Мультифизическая связь

Будущие модели, вероятно, интегрируют гемодинамику с транспортировкой лекарств от стентов, выдвигающих лекарства, кинетика образования тромбов и . Такие мультифизические модели могут предсказать не только место, где может произойти рестеноз, но и временной ход неоинтимального роста и оптимальный профиль высвобождения лекарств. Это позволит по-настоящему персонализировать терапию стента, адаптируя как механическую конструкцию, так и фармакологическое покрытие к уникальному гемодинамическому и биологическому профилю пациента.