Сердечно-сосудистые заболевания остаются ведущей причиной смерти во всем мире, и среди его наиболее распространенных проявлений - болезни сердечного клапана, которые нарушают деликатную механику кровотока. Сердечные клапаны - аортальные, митральные, легочные и трикуспидальные - должны открываться и закрываться с точным временем и уплотнением при постоянно меняющихся давлениях и скорости потока. Когда эти клапаны становятся стенотическими (узкими) или регургитантными (слизистыми), возникающие нарушения в гемодинамике накладывают аномальные механические нагрузки на сердечные ткани, ускоряют прогрессирование заболевания и компрометируют результаты пациентов. За последние два десятилетия вычислительное моделирование появилось в качестве мощного инструмента для разгадки сложного взаимодействия между кровотоком и механикой клапанов. Объединив специфическую визуализацию пациента с физическим моделированием, исследователи теперь могут визуализировать структуры потока, количественно оценивать силы на клапанных листовках и прогнозировать, как вмешательства, такие как восстановление клапана или замена, изменят механическую среду. Эта статья обеспечивает всеобъемлющий обзор того, как моделирование кров

Физиология клапанов сердца и нормальная гемодинамика

Сердце работает как двойной насос, с каждой стороны (слева и справа), состоящий из предсердия и желудочка. Клапаны обеспечивают однонаправленный поток: атриовентрикулярные клапаны (митральные слева, трикуспидальные справа) предотвращают обратный поток в предсердия во время сокращения желудочков, а полулунные клапаны (аортальные и легочные) предотвращают обратный поток в желудочки во время релаксации. У здорового взрослого человека аортальный клапан открывается, когда давление левого желудочка превышает давление аорты (около 80 мм рт.ст. во время систолы) и закрывается, когда давление изменяется в диастоле. Листья тонкие, гибкие структуры, состоящие из трех слоев - фиброзы, губкиозы и желудочка - каждый с отличной организацией коллагена и эластина, которые придают замечательную долговечность (более 3 миллиардов циклов в течение жизни).

Нормальный кровоток через аортальный клапан является ламинарным и характеризуется относительно низким сдвига напряжением (обычно 10-30 дина/см2 на листовых поверхностях). Градиенты давления по всему клапану минимальны (менее 5 мм рт. ст.). Митральный клапан, с его большим отверстием и тендиновыми хордами, испытывает различные модели нагрузки: более высокий пиковый сдвига во время быстрого наполнения и значительные силы растяжения на хордах во время систолы. Понимание этих исходных условий имеет важное значение, поскольку отклонения, вызванные заболеванием, напрямую коррелируют с величиной и местоположением механического напряжения.

Механические силы при болезни сердечной клапана

Парообразная патология фундаментально изменяет механическую микросреду. Три основные силы, действующие на ткань клапана — напряжение сдвига, давление и растягивающие силы — становятся патологическими в болезненных состояниях, стимулируя ремоделирование тканей, воспаление и кальцификацию.

Стресс стрижка

Стресс сдвига возникает из-за фрикционного сопротивления крови, протекающей по эндотелиальным поверхностям листовок. В стенозе аорты суженное отверстие создает высокоскоростную струю (до 5 м/с по сравнению с 1 м/с нормальной), которая генерирует напряжения сдвига, превышающие 200 дина/см2. Этот патологически высокий сдвига может обнажить эндотелиальные клетки, обнажить субэндотелиальный коллаген и способствовать активации и агрегации тромбоцитов. При регургитирующих поражениях обратный поток производит турбулентные вихри, которые накладывают колебательный сдвиг, что еще более разрушительно, поскольку вызывает провоспалительные эндотелиальные фенотипы. Вычислительные исследования показали, что области низкого или колебательного напряжения сдвига коррелируют с местами осаждения липидов и образования кальцификовых узлов.

Давление

Трансвалвулярные градиенты давления являются отличительной чертой болезни клапанов. При тяжелом стенозе аорты падение давления через клапан может превышать 40 мм рт.ст. во время систолы, заставляя левый желудочек генерировать более высокие давления для поддержания сердечного выброса. Это увеличение после нагрузки приводит к концентрической гипертрофии, фиброзу и, в конечном итоге, сердечной недостаточности. При митральной регургитации систолическое давление в левом предсердии повышается до 30–40 мм рт.ст. (нормальный ~10 мм рт.ст.), что приводит к застойным движениям легких. Моделирование может отображать эти распределения давления в трех измерениях, выявляя локализованные горячие точки давления на листовках, склонных к разрыву или выпадению.

Силы растяжения

Силы растяжения действуют на растяжение ткани клапана при открытии и закрытии. В митральном клапане хрордовые сухожилия испытывают пиковые напряжения примерно 10-15 Н при систоле в здоровом клапане. При миксоматозной дегенерации (пролапс митрального клапана) хорды становятся удлиненными и ослабленными, что приводит к аномальной концентрации напряжения в точках их введения. Анализы конечных элементов показали, что разрыв хордала часто происходит, когда локальное растягивающее напряжение превышает 20-25 Н. Аналогично, при заболевании двустворчатого аортального клапана асимметричные листочки испытывают неравномерную растягивающую нагрузку, приводя к ускоренной кальцификации и фиброзу в рафе.

Методы вычислительного моделирования

Моделирование кровотока и механических сил в клапанах сердца требует многофизического подхода. В поле доминируют два основных метода: вычислительная динамика жидкости (CFD) для потока жидкости и анализ конечных элементов (FEA) для твердой механики. Модели взаимодействия сцепленной жидкости-структуры (FSI) объединяются как для захвата взаимного влияния между деформирующими листочками и полями потока.

Вычислительная динамика жидкости (CFD)

CFD решает уравнения Навье-Стокса для движения жидкости в пределах определенного домена. Для моделирования сердечного клапана домен обычно получают из медицинской визуализации (КТ или МРТ) анатомии пациента. Шаги:

  1. Сегментация изображения: Семеатомированные алгоритмы извлекают геометрию просвета и клапана из объемных сканирований. Это производит триангуляционную поверхностную сетку.
  2. Сетчатая генерация: Поверхность заполнена объемной сеткой — обычно тетраэдрическими или гексаэдрическими элементами. Утончение пограничного слоя имеет решающее значение вблизи стенок листовок для захвата крутых скоростных градиентов. Современные инструменты сетки (например, ANSYS ICEM, Star-CCM+, OpenFOAM) могут производить сетки с 1-10 миллионами элементов.
  3. Границы: На входе (желудочке или предсердии) предписаны физиологически реалистичные скорости или формы волн давления. Условия выхода могут включать модели Виндксселя, имитирующие соответствие артерий и сопротивление.
  4. Решение: Нестабильные уравнения Навье-Стокса решаются с помощью методов конечных объемов или конечных элементов.Модели турбулентности (например, k-ω SST) часто требуются, потому что стенотические потоки становятся переходными или турбулентными.
  5. Постобработка: Производные количества включают напряжение сдвига стенки, падение давления, кинетическую энергию, вихри и время пребывания частиц.

CFD не может захватывать движение листовок, если геометрия не предписана с помощью изображения с помощью синего экрана (например, с помощью 4D CT). Для полностью связанной деформации требуется FSI.

Анализ конечных элементов (FEA) для клапанных тканей

FEA решает уравнения механики континуума для твердых тел. Листовки клапанов моделируются как гиперэластичные, почти несжимаемые материалы. Обычны модели Огдена или экспоненциальные модели типа Fung. Ключевые механические свойства — жесткость, анизотропия, стресс сбоя — получены из тестов на биаксиальное напряжение на иссеченной ткани или из литературных значений. Рабочий процесс FEA:

  • Геометрия: Те же сегментированные листовые поверхности, что и CFD, но теперь представлены в виде тонких оболочек или твердых элементов толщиной (обычно 0,5-1,5 мм).
  • Материальное назначение: Ориентация волокна (коллагеновые волокна, выровненные по окружности в фиброзе) может быть отображена на сетку с использованием гистологических данных или диффузионной тензорной визуализации.
  • Условия загрузки: Применяются нагрузки давления от CFD или измеренных следов давления. Контактное моделирование предотвращает проникновение листовок во время закрытия.
  • Решение: Имплицитные или явные схемы интеграции времени обрабатывают большие деформации. Широко используются Abaqus, LS-DYNA и FEBio.
  • Результат: Распределение стресса и деформации, риск разрыва, склонность к кальцификации.

Взаимодействие жидкости и структуры (FSI)

FSI соединяет CFD и FEA, чтобы обеспечить двунаправленный обмен силами и смещениями на жидкостно-твердом интерфейсе. Существуют две основные стратегии связи: монолитная (решение одновременно) и разделенная (итерация между отдельными растворителями). Также популярен метод погруженных границ, где клапанные листовки представлены в виде волоконных сетей в жидкостной сетке, устраняя необходимость в сетках с подогнанным телом. Моделирование FSI является вычислительно интенсивным — часто требует тысяч часов процессора — но они обеспечивают наиболее физиологически реалистичное представление. Последние достижения в вычислениях GPU и моделях с уменьшенным порядком (например, сети с комковатыми параметрами) делают FSI более доступным для клинических применений.

Моделирование специфических заболеваний клапанов

Аортальный стеноз

Стеноз аорты (АС) является наиболее распространенным заболеванием клапанов у пожилых людей. Калцифические узелки образуются на фиброзной стороне листовок, ограничивая движение. Исследования CFD AS последовательно показывают высокую скорость эксцентрической струи, дистальной к клапану, с областями разделения потока и рециркуляции в пазухах Вальсальвы. Напряжение сдвига стенки аорты сразу вниз по течению может достигать 10-кратного нормального, что было связано с постстенотическим расширением. Модели FSI показывают, что кальцинированные листовки испытывают не только более высокий пиковый стресс, но и измененное напряжение волокна, которое может распространять слезы. Моделирование используется для прогнозирования оптимальной области клапана для замены транскатетерного аортального клапана (TAVR), помогая выбрать размер протеза, который минимизирует паравальвулярную утечку и напряжение на нативном аннулусе.

Митральная регургитация

Митральная регургитация (MR) может быть результатом кольцевого расширения, пролапса листьев или разрыва хорды (листок листьев листьев). Моделирование CFD MR демонстрирует систолическую регургитантную струю, которая воздействует на левую стенку предсердий, вызывая высокий стресс сдвига стенок и риск повреждения эндотелия. Структура потока сильно зависит от формы и местоположения отверстия регургитанта. Модели FEA аппарата митрального клапана - включая листовки, хорды и папиллярные мышцы - используются для моделирования методов восстановления, таких как имплантация кольца аннулопластики или замена хорды. Сравнивая распределение напряжений до и после восстановления, хирурги могут оценить, какой подход лучше всего восстанавливает нормальную коаптацию листьев и уменьшает остаточные утечки.

Двустворчатая аортальная клапан

Двустворчатый аортальный клапан (БАВ) поражает 1-2% населения и часто ассоциируется с расширением корня аорты. Аномальная геометрия листьев создает асимметричные структуры потока и повышенное напряжение сдвига на стенке аорты, особенно в области правого коронарного синуса. Исследования моделирования количественно оценили эту асимметрию, показав, что клапан с сплавленным рапом производит струю потока, которая нацелена на выпуклость восходящей аорты, коррелируя с аортопатией. Модели FSI BAV могут предсказать, какие пациенты подвергаются наибольшему риску быстрого расширения и могут определять сроки профилактической аортальной хирургии.

Клинические применения и прогнозное моделирование

Конечная цель моделирования заключается в улучшении ухода за пациентами. Уже используются или находятся в стадии активного развития несколько клинических применений:

  • Предпроцессуальное планирование для TAVR: Оценка на основе CFD геометрии и структуры кальцификации нативного аортального клапана помогает предсказать паравалвулярную утечку и коронарную обструкцию. Коммерческое программное обеспечение (например, HeartFlow, FEops) обеспечивает симулированные трансвалвулярные градиенты и объемы регургитации для различных размеров протезов.
  • Митральное моделирование ремонта клапанов: Хирурги используют FEA для тестирования различных конфигураций ремонта (например, размер кольца, размещение неокорда) на 3D-печатной или виртуальной модели клапана пациента. Исследования показывают, что ремонт с помощью моделирования уменьшает необходимость повторной операции.
  • Протезирование клапанов: Такие компании, как Edwards Lifesciences и Medtronic, в значительной степени полагаются на CFD и FEA для оптимизации геометрии листовок, жесткости рамы и антикальцификационных процедур.
  • Расслоение рисков: Для бессимптомных пациентов с тяжелой формой АС моделирование может оценить скорость прогрессирования кальцификации, связывая области высокого механического напряжения с вероятностью образования новых узлов.

Особенно перспективной областью является использование машинного обучения для ускорения моделирования. Нейронные сети, обученные на больших наборах данных результатов CFD, могут прогнозировать распределение потока и напряжения в миллисекундах, обеспечивая обратную связь в реальном времени во время процедур на основе катетера. Например, исследователи разработали суррогатные модели, которые предсказывают напряжение сдвига стенки от простых геометрических параметров аортального клапана, достигая точности в пределах 5% от полной CFD.

Будущие направления

В настоящее время моделирование, как правило, решает только гемодинамику на уровне органов, но болезнь клапанов включает процессы на клеточном и молекулярном уровнях. Разрабатываются многомасштабные модели, которые сочетают стресс на тканевом уровне с сигнальными путями клеток (например, переход эндотелия к мезенхималии в кальцификации). Они требуют интеграции транскриптомных данных и моделей механотрансдукции, что требует сотрудничества между инженерами, биологами и клиницистами.

Еще одним рубежом является включение сердечной механики за клапан. Модели FSI всего сердца, которые включают сокращение желудочков, волокнистую архитектуру и динамику клапанов, становятся возможными благодаря экзафлопсным вычислениям. Такие модели могут захватывать взаимодействие желудочков и клапанов при таких заболеваниях, как функциональная митральная регургитация (где желудочек расширен, но клапанные листочки структурно нормальны). В конечном счете, цифровой двойник сердца пациента может быть использован для тестирования нескольких вмешательств практически перед выбором оптимального лечения.

Также продвигается нормативное принятие. Управление по контролю за продуктами и лекарствами США (FDA) выпустило руководство по использованию моделирования в качестве достоверных научных доказательств для одобрения медицинских устройств. В клинических испытаниях силикоз (ISCT) предлагается дополнить или заменить традиционные испытания для определенных показаний, особенно для редких заболеваний клапанов, где труден набор пациентов. Руководство FLT:0 по отчетным исследованиям вычислительного моделирования излагает лучшие практики для проверки, проверки и количественной оценки неопределенности.

Заключение

Моделирование кровотока и механических сил изменило наше понимание болезней сердечного клапана. Объединив визуализацию с высоким разрешением, надежные физические модели и растущую вычислительную мощность, исследователи теперь могут визуализировать невидимые силы, которые управляют патологией клапанов. Эти инструменты не просто академические - они уже помогают клиническим решениям, улучшают хирургические результаты и руководят разработкой протезных клапанов следующего поколения. По мере продвижения поля к персонализированным, многомасштабным и симуляциям в реальном времени, влияние на сердечно-сосудистую медицину будет только углубляться. Задача впереди заключается в проверке этих моделей против долгосрочных клинических результатов и интеграции их плавно в рутинный уход. С продолжающимися междисциплинарными усилиями моделирование станет незаменимым столпом управления клапанными заболеваниями сердца.