Гемодинамическая сложность врожденных пороков сердца

Врожденные пороки сердца охватывают широкий спектр структурных аномалий, которые изменяют нормальный поток крови через сердце и большие сосуды. Эти дефекты, которые включают в себя повреждения, такие как дефекты перегородки предсердий (ASD), дефекты перегородки желудочков (VSD), тетралогия Фалло (TOF), транспозиция больших артерий и физиологии одного желудочка, накладывают значительные гемодинамические нагрузки. Полученные модели потока - шунты, стенотические струи, регургитирующие потоки и аномальные вихри - непосредственно влияют на доставку кислорода, нагрузку на желудочков и долгосрочные результаты. Клиницисты традиционно полагались на катетеризацию и эхокардиографию для оценки этих потоков, но эти методы обеспечивают ограниченное пространственное или временное разрешение. Физиологическое моделирование, основанное на вычислительной динамике жидкости (CFD) и визуализации, специфичной для пациента, теперь предлагает окно в эти сложные потоки, которые ранее были недоступны.

Основной проблемой в гемодинамике ИБС является нелинейное взаимодействие между анатомией и силами жидкости. Небольшой дефект перегородки может создавать градиент давления, который приводит в движение высокоскоростную струю, в то время как стенотический клапан создает турбулентные будки, которые рассеивают энергию и увеличивают послегрузку. В таких условиях, как циркуляция Фонтана, отсутствие подлегочного желудочка означает, что поток через легочную цепь полностью зависит от пассивного венозного давления и дыхательной механики. Каждый из этих сценариев требует подхода моделирования, который может захватить соответствующую физику - будь то неустойчивый пограничный слой струи, врезающейся в стенку сосуда или низкочастотные колебания окололегочного потока. Физиологическое моделирование удовлетворяет этому требованию, решая уравнения Навье-Стокса на сетке, полученной из собственной анатомии пациента, получая поля скорости, карты давления, распределение напряжения на сдвигах стенок и расчеты потерь энергии, которые могут быть непосредственно связаны с клиническими мерами.

Как работает физиологическая симуляция

Трубопровод для моделирования кровотока в ИБС начинается с получения изображения. МРТ высокого разрешения или КТ-сканирование обеспечивают необработанные геометрические данные. Для кардиологического применения ЭКГ-сканирование необходимо для захвата движения в течение всего сердечного цикла. Изображения сегментируются — либо вручную обученным оператором, либо полуавтоматически с использованием алгоритмов машинного обучения — для изоляции пула крови от стенок миокарда и сосудов. Эта сегментация создает трехмерную модель поверхности, которая представляет просвет сердечных камер, клапанов и больших сосудов. Затем поверхность превращается в объемную сетку, которая может состоять из миллионов тетраэдрических или гексаэдрических элементов, в зависимости от сложности геометрии и требуемого разрешения.

Граничные условия и материальные свойства

После создания сетки должны быть указаны граничные условия. Условия входа обычно выводятся из фазово-контрастных измерений потока МРТ или доплеровской эхокардиографии, обеспечивающих изменяющиеся во времени профили скорости в легочных венах, верхней и нижней полой вене или других трактах притока. Условия выхода более сложные: они требуют представления сопротивления и соответствия нисходящей сосудистой системы: часто моделируются с использованием сетей с комковатыми параметрами (модели Виндксесел), которые отражают импеданс системной или легочной циркуляции. Для дефектов, связанных с шунтами, модель также должна допускать связь давления между камерами. Кровь обычно рассматривается как ньютоновская жидкость с вязкостью около 0,0035 Па·с и плотностью 1060 кг/м3, хотя в регионах с очень низким сдвигом могут стать актуальными неньютоновские эффекты. Стены сосудов считаются жесткими во многих исследованиях, но модели взаимодействия с жидкой структурой (FSI), которые включают моделирование стенок, особенно в моделированиях аорты и легочной артерии, где растяжимость

Решать уравнения потока

Уравнения управления — непрерывность и сохранение импульса — дискретизируются с использованием методов конечного объема или конечных элементов. Коммерческие решатели, такие как ANSYS Fluent, STAR-CCM + и COMSOL Multiphysics, а также альтернативы с открытым исходным кодом, такие как OpenFOAM и SimVascular, широко используются. Для приложений с открытым исходным кодом, растворитель должен обрабатывать сложные геометрии с высокой кривизной, бифуркациями и движущимися границами, если включено движение клапана. Большинство симуляций предполагают ламинарный поток, но в больших артериях или через стенотические клапаны, могут быть необходимы переходные или турбулентные модели (например, k-ω SST, LES). Решение расширено во времени с использованием неявной схемы с временными шагами порядка 1-10 миллисекунд, что дает полное моделирование сердечного цикла после тысяч итераций. Типичное моделирование для конкретного пациента требует 24-72 часов времени настенных часов на высокопроизводительном вычислительном кластере, хотя облачные ресурсы и ускорение GPU уменьшают это бремя.

Проверка и проверка

Прежде чем результаты моделирования можно доверять для принятия клинических решений, требуется строгая валидация. Золотой стандарт сравнивается с измерениями in vivo - катетерами давления, проточными зондами или 4D-проточными МРТ. 4D-проточная МРТ, в частности, обеспечивает объемное поле скорости, которое может быть зарегистрировано в области моделирования для сравнения по точкам. Исследования показали отличное согласие между прогнозируемыми и измеренными скоростями величинами и расщеплениями потока при условии точного указания граничных условий. Однако несоответствия остаются в областях высокой турбулентности или где движение стенки является значительным. Проверка - обеспечение того, что численное решение не зависит от сетчатой уточнения и шага времени - одинаково важна. Исследование сетчатой независимости включает в себя выполнение одного и того же моделирования на последовательно более тонких сетках до тех пор, пока ключевые величины интереса (например, падение давления, потеря энергии) не сойдутся в пределах допуска (обычно 1-2%). Анализ чувствительности затем выполняется для оценки того, как неопределенности в входных параметрах (например, вязкость, сопротивление отто

Клинические применения и воздействие

Физиологическое моделирование перешло из исследовательских лабораторий в клиническую практику для нескольких сценариев с высоким воздействием ИБС. Каждое приложение использует возможность тестировать несколько хирургических или интервенционных вариантов в силико перед совершением процедуры, уменьшая зависимость от подходов проб и ошибок.

Предоперационное планирование для тетралогии восстановления фаллоса

Тетралогия Фалло является наиболее распространенным цианотическим врожденным пороком сердца, характеризующимся легочным стенозом, гипертрофией правого желудочка, перекрывающей аортой и дефектом перегородки желудочков. Хирургическое восстановление включает закрытие пластыря VSD и облегчение обструкции правого желудочка, часто требующее трансаннульного пластыря, который может вызвать послеоперационную легочную регургитацию. Моделирование может направлять степень пластыря: слишком мало рельефа оставляет остаточный стеноз, в то время как слишком много усугубляет регургитацию. Используя модель для конкретного пациента, хирурги могут предсказать послеоперационную фракцию легочной регургитации и давление правого желудочка для различных конструкций пластыря. Одно исследование показало, что оптимизированный для моделирования пластырь уменьшил регургитацию на 18% по сравнению со стандартным подходом, с соответствующим улучшением физической активности при годовом наблюдении. Такие моделирования теперь интегрируются в предхирургические брифинги в таких центрах, как Бостонская детская больница и

Fontan Circulation and Hepatic Flow Distribution (англ.) (недоступная ссылка).

Пациенты с одним функциональным желудочком проходят поэтапную паллиацию, кульминацией которой является процедура Фонтана, где системный венозный возврат направляется непосредственно в легочные артерии без насосной камеры. Основным осложнением является развитие легочных артериовенозных пороков развития (АВМ) из-за неравномерного распределения факторов, полученных из печени. Моделирование общего потока полости рта (IVC) может предсказать распределение потока нижней полости печени (IVC) в левое и правое легкие. Путем корректировки геометрии соединения (например, смещения или угловатости трансплантата), хирурги могут достичь более сбалансированного распределения печеночного потока, снижая риск АВМ. Многоцентровое исследование показало, что моделирование под руководством Фонтана привело к 40%-ному снижению частоты значительных АВМ в течение пяти лет по сравнению с историческим контролем. Эти результаты подчеркивают силу сопряжения гемодинамического моделирования с хирургической техникой.

Коарктация аорты и виртуальное стентирование

Коарктация аорты — сужение нисходящей аорты — создает градиент давления, который напрягает левый желудочек. Эндососудистое стентирование является распространенным лечением, но оптимальный размер стента и размещение зависят от конкретной анатомии пациента и результирующих структур потока. Моделирование может сравнить несколько конфигураций стента с точки зрения остаточного градиента, напряжения сдвига стенок и риска расслоения аорты. Например, исследование моделирования 15 пациентов показало, что использование вычислительно определенной длины и диаметра стента снизило постстентный градиент до менее 10 мм рт.ст. во всех случаях по сравнению с 12 мм рт.ст. для обычного эмпирического подхода. Та же техника применяется для рекоарктации и планирования поэтапного расширения у младенцев.

Проблемы и ограничения

Несмотря на свои обещания, физиологическое моделирование для ИБС сталкивается с препятствиями, которые ограничивают широкое распространение. Первая - это вычислительная стоимость: одно высокоточное моделирование сложного дефекта может занять несколько дней, а клинический рабочий процесс требует времени оборота порядка часов. Упрощенные модели с уменьшенным порядком (например, модели с комковатыми параметрами, распространение волны 1D) могут обеспечить быстрые оценки, но пожертвовать пространственной деталью, необходимой для оценки локальных особенностей потока, таких как удар струей или напряжение сдвига стен. Компромисс между скоростью и точностью является активной областью исследований, с суррогатами машинного обучения, появляющимися как способ приблизить результаты CFD в секундах.

Второе ограничение — это сложность определения точных граничных условий. Профили скорости входа часто считаются плоскими или параболическими из-за отсутствия данных о конкретном пациенте, но эти предположения могут значительно влиять на поток вниз по течению, особенно в изогнутых сосудах или вблизи бифуркации. Аналогичным образом, модели выхода требуют знания о сосудистом сопротивлении вниз по течению, которое варьируется в зависимости от дыхания, физических упражнений и состояния заболевания. Персонализация этих параметров остается основным препятствием. Кроме того, большинство моделей предполагают жесткие стенки, но аорта и легочные артерии являются вязкоупругими, и их деформация изменяет отражения волн и передачу энергии. Моделирование взаимодействия с жидкостной структурой может захватывать эти эффекты, но вводить дополнительную сложность и вычислительные расходы.

Качество данных также ограничивает точность моделирования. Ошибки сегментации изображения могут распространяться через конвейер моделирования, производя геометрические ошибки, которые искажают поле потока. Артефакты движения, плохая контрастность или эффекты частичного объема в МРТ или КТ могут привести к неточности в границе просвета, особенно в небольших сосудах или в регионах с предшествующим хирургическим рубцеванием. Клиническое сообщество ответило разработкой стандартизированных протоколов для получения и сегментации изображений, таких как SBIR-STTR руководящие принципы для сердечной МРТ в ИБС , но широкое распространение все еще продолжается.

Наконец, нормативная среда и среда возмещения для медицинских устройств на основе моделирования развиваются. FDA одобрило несколько инструментов для конкретных показаний, таких как оценка на основе CFD болезни коронарных артерий (HeartFlow), но платформа CFD еще не одобрена специально для хирургического планирования ИБС. Клиницисты, которые хотят использовать моделирование, должны полагаться на институциональные исследования, одобренные наблюдательным советом, или внебиржевое использование исследовательского программного обеспечения, которое создает барьеры ответственности и принятия. Программа FLT:0 FDA Medical Device Development Tools обеспечивает путь к квалификации, но прогресс медленный.

Будущие направления

В следующем десятилетии физиологическое моделирование станет интегрированным компонентом ухода за ИБС, обусловленным достижениями в области автоматизации, ИИ и аппаратного обеспечения. Модели машинного обучения, обученные на больших базах данных до- и послеоперационного моделирования, могут действовать как быстрые суррогаты, предсказывая результаты в режиме реального времени. Эти модели также могут идентифицировать наиболее информативные параметры моделирования, что позволяет идентифицировать наиболее информативные параметры моделирования, что позволяет использовать адаптивные сетчатые уточнения, которые фокусируют вычислительные ресурсы на областях, представляющих интерес, таких как стеноз или шунтирующее отверстие. Генеративные состязательные сети (GAN) и вариационные автокодировщики изучаются для генерации правдоподобных анатомий из неполных данных визуализации, позволяя симуляции продолжаться даже тогда, когда качество изображения является неоптимальным.

Методы ассимиляции данных будут сочетать результаты моделирования с клиническими измерениями в реальном времени от носимых датчиков или имплантируемых гемодинамических мониторов. Например, непрерывный след артериального давления от умного катетера можно использовать для обновления модели с комковатыми параметрами пациента, создавая цифровой двойник, который развивается с физиологией пациента. Эта концепция уже пилотируется для пациентов Фонтана, где виртуальная модель циркуляции обновляется ежедневно с использованием данных с домашнего устройства мониторинга, предупреждая клиницистов о ранних признаках отказа или тромбоза.

Улучшения визуализации также будут стимулировать качество моделирования. Ультравысокопольная МРТ (7T) предлагает субмиллиметровое разрешение и улучшенное отношение сигнал-шум, что позволяет детально визуализировать небольшие структуры, такие как коронарные артерии или трабекулы. Четырехмерная проточная МРТ с сжатым зондированием может сократить время получения при сохранении разрешения скорости, что делает возможным сканирование пациентов достаточно быстро, чтобы захватить несколько физиологических состояний (отдых, физические упражнения, глубокое дыхание). Эти потоки данных будут поступать непосредственно в трубопроводы моделирования, уменьшая зависимость от предполагаемых граничных условий.

Совместные усилия, такие как SimVascular project и Vascular Model Repository, предоставляют платформы с открытым исходным кодом для обмена моделями, данными проверки и передовой практикой. По мере роста этих ресурсов они будут снижать барьер для входа для небольших центров и способствовать воспроизводимости в исследованиях. Создание многоцентровых реестров, связывающих результаты моделирования с клиническими результатами, такими как запланированный компонент моделирования педиатрической сети сердца , будет генерировать доказательства, на которых решения на основе моделирования приводят к лучшим результатам, поддерживая возмещение и включение в руководящие принципы.

Интеграция моделирования в клинический рабочий процесс

Для того, чтобы физиологическое моделирование полностью реализовало свой потенциал в лечении ИБС, оно должно стать таким же рутинным, как эхокардиография или катетеризация. Для этого требуется автоматизация всего конвейера от изображения до отчета: автоматическая сегментация, генерация сетки, установка решателя и постобработка. Несколько коммерческих и открытых платформ теперь предлагают такие трубопроводы. Например, подход HeartFlow к заболеванию коронарных артерий демонстрирует, что полностью автоматизированная служба CFD может быть доставлена в клинических условиях с периодом обращения 24 часа. Аналогичные усилия для ИБС предпринимаются с такими компаниями, как ANSYS , сотрудничая с академическими медицинскими центрами для разработки модулей, специфичных для заболевания.

Клинический отчет должен представлять результаты в интуитивно понятном формате, который хирурги и кардиологи могут использовать без фона в механике жидкости. Это означает экспорт ключевых показателей - градиента давления, фракции отрыгивания, потери энергии, напряжения сдвига стен, распределения потока - наряду с цветными 3D-визуализациями, которые подчеркивают области, вызывающие озабоченность. Некоторые центры уже используют виртуальную или дополненную реальность для погружения хирургической команды в моделируемые поля потока, позволяя им «видеть» струю VSD или зону застоя в соединении Фонтана, прежде чем делать разрез.

Обучение в врожденной кардиологии и кардиохирургии должно включать модули по принципам гемодинамического моделирования, интерпретации результатов CFD и ограничений методов. Американский колледж кардиологии представил клинический документ по моделированию в ИБС, который обеспечивает основу для надлежащего использования, и аналогичные усилия Европейской ассоциации кардиоторакальной хирургии помогут стандартизировать практику во всем мире.

По мере снижения вычислительных затрат и накопления доказательств валидации физиологическое моделирование перейдет от роскоши для сложных случаев к стандартному инструменту для всех пациентов с ИБС, проходящих хирургическое или интервенционное планирование. Цель состоит в том, чтобы обеспечить точную медицину для каждого пациента - не только для тех, у кого редкие или сложные дефекты - путем предоставления персонализированной гемодинамической дорожной карты, которая минимизирует риск и максимизирует вероятность длительного ремонта. Технология созрела до такой степени, что оставшиеся барьеры не являются техническими, а трансляционными: распространение, обучение и интеграция в культуру клинического принятия решений.