Table of Contents

Введение в гемодинамику мозга и инсульт

Инсульт остается одной из ведущих причин смерти и долгосрочной инвалидности во всем мире, затрагивая миллионы людей каждый год. В основе этого разрушительного события лежит фундаментальное нарушение гемодинамики мозга - сложный процесс, посредством которого кровь циркулирует через сосудистую систему головного мозга для доставки кислорода и питательных веществ при удалении метаболических отходов. Понимание точной динамики кровотока во время событий инсульта имеет важное значение для разработки эффективных методов лечения, улучшения результатов лечения пациентов и разработки более эффективных профилактических стратегий. Физиологическое моделирование, которое использует вычислительные модели для репликации реальных биологических процессов, предлагает исследователям и клиницистам мощный инструмент для визуализации и анализа этих сложных взаимодействий способами, которые невозможны только с традиционными экспериментальными методами.

Гемодинамика мозга включает тонкий баланс между артериальным давлением, сопротивлением сосудов, механизмами ауторегуляции и метаболическими потребностями нервной ткани. Мозг получает примерно 15-20% сердечного выброса организма, несмотря на то, что он составляет всего 2% от общей массы тела, подчеркивая его чрезвычайную зависимость от непрерывной перфузии. Когда происходит инсульт, эта тонко настроенная система выбрасывается в хаос. Поток крови может резко сокращаться или полностью прекращаться, что приводит к лишению кислорода (гипоксии), истощению глюкозы и, в конечном итоге, гибели клеток. Альтернативно, неконтролируемое кровотечение может сжимать окружающие структуры мозга, увеличивать внутричерепное давление и ухудшать перфузию. Физиологические модели позволяют исследователям воссоздать эти патологические сценарии в силико, изучая, как изменяются паттерны кровотока, как может компенсироваться коллатеральная циркуляция и как жизнеспособность ткани развивается с течением времени.

Интегрируя подробные анатомические данные из медицинской визуализации, такие как компьютерная томографическая ангиография (CTA), магнитно-резонансная ангиография (MRA) или цифровая ангиография вычитания (DSA) - с принципами механики жидкости и биологии тканей, эти симуляции могут производить очень реалистичные представления патофизиологии инсульта. Они обеспечивают понимание, которое направляет клиническое принятие решений, информирует хирургическое планирование и ускоряет разработку новых терапевтических средств. В этой статье рассматриваются ключевые концепции, методы, приложения и будущие направления физиологического моделирования гемодинамики мозга во время событий инсульта.

Типы инсульта и их гемодинамическое воздействие

Ишемический инсульт

Ишемический инсульт составляет приблизительно 87% всех случаев инсульта и является результатом закупорки внутри мозговой артерии, чаще всего из-за тромба (сгусток, образующийся локально) или эмбола (сгусток, перемещающийся из других частей тела). Гемодинамическим следствием является внезапное сокращение кровотока вниз по течению окклюзии, создавая область ядра, где перфузия падает ниже порога необратимой гибели клеток. Окружающая это ядро большая область, известная как полутени, где кровоток уменьшается, но все еще достаточная для поддержания жизнеспособности клеток в течение ограниченного времени. Судьба полутени зависит критически от скорости и эффективности реперфузии, либо через естественный коллатеральный поток или медицинское вмешательство (например, тромболиза или механической тромбэктомии).

Физиологическое моделирование ишемического инсульта может моделировать пространственную и временную эволюцию ядра и полуточки путем включения таких переменных, как местоположение окклюзии, архитектура коллатеральных сосудов, вязкость крови и системное кровяное давление. Эти модели были проверены на основе экспериментальных данных и клинической визуализации, обеспечивая высокоточные прогнозы роста инфаркта. Например, компьютерная динамика жидкости (CFD) моделирование круга Уиллиса - кольца артерий в основании мозга - может показать, как индивидуальные изменения в полноте этой коллатеральной сети влияют на тяжесть окклюзии средней мозговой артерии. Пациенты с полным кругом Уиллиса могут испытывать гораздо меньше повреждений, потому что альтернативные пути (например, передние или задние коммуникационные артерии) могут снабжать пораженную территорию.

Геморрагический инсульт

Геморрагический инсульт, хотя и менее распространенный (около 13% случаев), несет более высокий уровень смертности. Он возникает, когда ослабевает кровеносный сосуд, вызывая кровотечение в паренхиму головного мозга (интрацеребральное кровоизлияние) или субарахноидальное пространство (субарахноидальное кровоизлияние, часто от аневризмы). Гемодинамические изменения здесь более сложны: гематома не только вытесняет и сжимает ткани мозга, но и вызывает вторичные эффекты, такие как вазоспазм (сужение близлежащих артерий), воспаление и разрушение гематоэнцефалического барьера. Первоначальное кровотечение увеличивает внутричерепное давление, которое может дополнительно скомпрометировать давление внутричерепной перфузии (CPP = среднее артериальное давление минус внутричерепное давление). Если CPP падает слишком низко, широко распространенная ишемия может возникнуть даже в регионах, далеких от места кровотечения.

Физиологическое моделирование геморрагического инсульта часто сочетает модели взаимодействия с флюидной структурой (FSI) для захвата механических сил, оказываемых расширяющейся гематомой на ткани мозга, в сочетании с гемодинамическими моделями для оценки изменений перфузии. Эти моделирования могут помочь клиницистам определить, когда хирургическая эвакуация сгустка будет полезна, по сравнению с тем, когда это может вызвать дополнительные повреждения. Кроме того, они могут имитировать введение методов лечения, направленных на контроль спазма вазоспаза или уменьшение отеков, обеспечивая виртуальную испытательную площадку для протоколов лечения до клинического применения.

Методы физиологического моделирования

Вычислительная динамика жидкости (CFD)

CFD является одним из наиболее широко используемых методов моделирования кровотока в сосудистой системе головного мозга. Он решает уравнения Навье-Стокса, регулирующие движение жидкости в пределах специфических для пациента артериальных геометрий, реконструированных из медицинской визуализации. Граничные условия, такие как скорости входного потока, полученные из фазово-контрастной МРТ или давления выхода на основе сопротивления нисходящему потоку, применяются для моделирования реалистичной гемодинамики. CFD может предсказать поля скорости, напряжение сдвига стенок (WSS), градиенты давления и распределения потока по сетям сосудов. Во время моделирования инсульта CFD помогает количественно определить, как окклюзия изменяет сопротивление потока и перераспределяет кровь через коллатеральные пути.

Недавние достижения в области CFD включают в себя включение неньютоновских моделей вязкости крови (кровь - это разжижающая жидкость), многофазный поток для транспортировки кислорода и связь с моделями ауторегуляции - способность мозга поддерживать относительно постоянный кровоток в диапазоне давлений. Такие уточнения делают моделирование инсульта более физиологически точным.

Моделирование конечных элементов (FEM)

FEM используется для моделирования механического поведения ткани мозга и кровеносных сосудов при нагрузке. Для применений инсульта FEM может моделировать деформацию ткани мозга из-за растущей гематомы или напряжений на стенках аневризмы до разрыва. В сочетании с гемодинамическими данными (от CFD) FEM позволяет анализировать взаимодействие структуры жидкости (FSI), что имеет решающее значение для понимания взаимного влияния между кровотоком и механикой стенок сосудов. Например, при геморрагическом инсульте FSI может показать, как повышенный стресс сдвига стенки способствует риску разрыва аневризмы и как последующее кровотечение изменяет распределение стресса в окружающей ткани, что потенциально приводит к вторичным оскорблениям.

Многомасштабное моделирование

Поскольку патофизиология инсульта охватывает несколько пространственных и временных масштабов - от молекулярных путей (секунд до минут) до циркуляции целых органов (часы до дней) - многомасштабное моделирование объединяет информацию на этих уровнях. Как правило, многомасштабная модель может включать в себя 0D или 1D сетевую модель всей циркуляции головного мозга (обеспечивая граничные условия), 3D CFD модель локальной области интереса (например, сайт окклюзии) и модель на уровне ткани диффузии кислорода и метаболизма. Этот иерархический подход уравновешивает вычислительные затраты с физиологической точностью. Например, SimVascular платформа (инструмент сердечно-сосудистого моделирования с открытым исходным кодом) позволяет исследователям связывать модели слитых параметров системной циркуляции с 3D CFD церебральных артерий.

Искусственный интеллект и подходы, основанные на данных

Машинное обучение (ML) и глубокое обучение (DL) становятся мощным дополнением к физическим симуляциям. Обучение на больших наборах данных клинической визуализации и результатов, модели ML могут быстро прогнозировать гемодинамические переменные (например, падения давления, распределения потоков) или идентифицировать пациентов с высоким риском плохого сопутствующего потока. Физиологически информированные нейронные сети (PINN) встраивают управляющие уравнения динамики жидкости непосредственно в функцию потерь, позволяя решениям, основанным на данных, которые уважают физические законы. Эти методы могут ускорить время моделирования от часов до секунд, что делает их привлекательными для принятия временных клинических решений в лечении инсульта.

Приложения в исследованиях и клинической практике

Предсказание прогрессирования инсульта

Одним из наиболее ценных применений физиологического моделирования является прогнозирование того, как ишемический инсульт будет развиваться у данного пациента. Моделируя процесс растворения тромба, рекрутинга залога и тканевого ответа, моделирование может оценить окончательный объем инфаркта и вероятность геморрагической трансформации. Такие прогнозы могут помочь клиницистам решить, следует ли проводить агрессивную реваскуляризацию или управлять консервативно. Например, объемы «ишемического ядра» и «пенумбры», предсказанные перфузионной визуализацией, могут быть объединены с моделированием коллатерального потока CFD для стратификации пациентов для эндоваскулярной тромбэктомии за пределами стандартных 6-24 часовых временных окон.

Тестирование вмешательства виртуально

Физиологическое моделирование служит виртуальной лабораторией для тестирования терапевтических стратегий без подвергая пациентов риску. Исследователи могут имитировать эффекты введения тромболитиков с различными дозировками и скоростями инфузии, или оценивать механические силы, оказываемые различными конструкциями стента ретривера во время тромбэктомии. Для геморрагического инсульта моделирование может сравнивать результаты хирургической эвакуации сгустка с медицинским управлением внутричерепным давлением. Эти в испытаниях силикоз могут значительно сократить количество экспериментов на животных и ускорить разработку новых устройств и лекарств.

Персонализированное планирование лечения

Конечная цель физиологического моделирования заключается в том, чтобы обеспечить действительно персонализированную медицину для пациентов с инсультом. Благодаря интеграции специфической сосудистой анатомии пациента, гемодинамического статуса и сопутствующих заболеваний (например, гипертонии, фибрилляции предсердий), моделирование может определить оптимальное вмешательство для этого человека. Например, моделирование может определить лучший подход для обрезания или скручивания аневризмы или предсказать, какие пациенты получат наибольшую пользу от декомпрессивной краниэктомии после злокачественного инфаркта средней мозговой артерии. Несколько исследовательских групп уже продемонстрировали доказательство концепции специфических для пациента симуляций, которые повлияли на клинические решения в реальных случаях.

Обучение клиницистов и студентов

Помимо непосредственного клинического использования, физиологическое моделирование является отличным образовательным инструментом. Они позволяют стажёрам исследовать гемодинамические последствия различных сценариев инсульта в интерактивной среде, углубляя их понимание принципов патофизиологии и лечения. Для улучшения этих образовательных симуляций разрабатываются платформы виртуальной реальности (VR) и дополненной реальности (AR), что делает их более захватывающими и интуитивно понятными.

Проблемы и ограничения

Несмотря на их обещание, физиологическое моделирование сталкивается с несколькими препятствиями. Первая - это необходимость в высококачественных, специфичных для пациента данных. Медицинская визуализация должна быть достаточно решена для захвата небольших коллатеральных сосудов, а граничные условия (например, скорости входного потока, периферическое сопротивление) должны оцениваться по неинвазивным измерениям, что вводит неопределенность. Во-вторых, вычислительные модели неизбежно упрощают реальность - например, пренебрегая ролью венул или принимая жесткие стенки сосудов - и эти упрощения могут повлиять на точность. Валидация против клинических результатов имеет важное значение, но часто затруднена ограниченными наборами данных.

Еще одна проблема - вычислительная стоимость. Высокоточные 3D-симуляции FSI могут занимать часы или дни для работы на мощных суперкомпьютерах, ограничивая их использование в настройках острого инсульта, где решения должны приниматься в течение нескольких минут. Однако рост облачных вычислений, ускорение GPU и модели с уменьшенным порядком постепенно преодолевают этот барьер.

Наконец, перевод результатов моделирования в клинические рабочие процессы требует строгого одобрения регулирующих органов и интеграции с электронными медицинскими записями.Усилия, такие как программа Американской ассоциации сердца / Американской ассоциации инсульта Get With The Guidelines, прокладывают путь к улучшению качества, основанному на данных, но внедрение инструментов in silico остается нарождающимся.

Будущие направления

Интеграция с визуализацией в реальном времени

Одним из интересных событий является объединение физиологических симуляций с методами визуализации в реальном времени. Например, динамические данные перфузии КТ могут быть поданы в модель КФД на лету, чтобы обновить прогнозы роста инфаркта при сканировании пациента. Это позволит врачам увидеть вероятную траекторию эволюции инсульта и соответствующим образом скорректировать лечение.

Улучшенные многомасштабные и многофизические модели

Будущие модели будут включать более подробные представления о микроциркуляции (капилляры и артериолы), а также о взаимодействии между гемодинамикой, метаболизмом и нейровоспалением. Связывание виртуальных моделей инсульта с электрофизиологическими моделями может даже предсказать функциональные дефициты, такие как двигательные или языковые нарушения.

Цифровые близнецы, ориентированные на пациента

Концепция «цифрового двойника» — всеобъемлющей виртуальной копии сердечно-сосудистой системы пациента — набирает обороты. Для инсульта цифровой двойник будет включать не только сосудистую систему головного мозга, но и сердце (как источник эмболии) и системную циркуляцию. Такие модели могут использоваться для моделирования всего каскада от образования тромба до исхода инсульта, что позволяет проводить профилактические симуляции на основе изменений образа жизни или лекарств.

Усиление физических моделей, основанных на данных

Машинное обучение будет все чаще использоваться для повышения скорости и точности моделирования. Например, суррогаты нейронной сети, обученные на результатах CFD, могут генерировать почти мгновенные прогнозы гемодинамических переменных при сохранении физической согласованности. Этот гибридный подход может стать стандартным методом клинического развертывания.

Стандартизация и ресурсы открытых источников

Для ускорения прогресса сообщество работает над общими эталонами, базами данных и инструментами моделирования. Платформы, такие как SimVascular и , репозиторий GitHub, предоставляют фреймворки с открытым исходным кодом для моделирования сердечно-сосудистой системы 0D/1D/3D, уменьшая дублирование усилий. Национальный институт биомедицинской визуализации и биоинженерии поддерживает инициативы по разработке и валидации таких инструментов.

Заключение

Физиологическое моделирование гемодинамики мозга во время событий инсульта превратилось из нишевой области исследований в мощный инструмент перевода. Объединив анатомические данные, вычислительную динамику жидкости, механику тканей и все более управляемые данными методы, эти моделирования предлагают беспрецедентное понимание патофизиологии инсульта. Они помогают предсказать прогрессирование болезни, практические вмешательства в тесты и персонализировать лечение для отдельных пациентов. В то время как проблемы остаются - качество данных, вычислительная нагрузка и клиническая интеграция - быстрый прогресс в визуализации, вычислениях и ИИ предполагает, что моделирование инсульта в силико вскоре станет рутинным компонентом лечения инсульта. Продолжение сотрудничества между клиницистами, инженерами и учеными данных имеет важное значение для реализации этого потенциала и в конечном итоге улучшить результаты для миллионов людей, пострадавших от инсульта каждый год.