경동맥 협착증 환자의 플라크 형태 및 혈역학 분석을 위한 자기공명영상 기반 전산 프로토콜
August 12th, 2025
내경동맥(ICA) 협착증의 평가는 판반 구성 및 혈역학과 같은 뇌졸중에 대한 생리학적으로 관련된 위험 요소를 설명하지 않는 협착률 추정을 기반으로 합니다. 이 프로토콜은 정량적 자기 공명 영상과 전산 유체 역학을 활용하여 ICA 플라크 구성 및 혈역학을 특성화합니다.
우리의 연구는 내경동맥 협착증 환자의 플라크 색전증 및 뇌졸중에 대한 생리학적으로 관련된 위험 요소를 평가합니다. 구체적으로, 경동맥 협착증 환자들 사이에서 플라크 형태와 혈역학적 환경이 어떻게 다른지 살펴봅니다. 뇌혈관 연구 분야에서는 뇌졸중 위험 증가와 연관될 수 있는 환자별 위험 요인, 영상 특성 및 혈역학적 매개변수에 특히 초점을 맞춰 무증상 경동맥 협착증 환자의 뇌졸중 예측 인자를 식별하려는 최근의 노력이 이루어졌습니다.
전산 유체 역학은 혈류에 대한 비침습적 환자별 분석을 가능하게 하며, 경동맥 플라크 구조 및 구성을 평가하기 위해 자기 공명 영상 및 광자 계수 CTA와 함께 점점 더 많이 사용되고 있습니다. 현재의 자기 공명 영상은 긴 스캔 시간, 복잡한 이미지 해석 및 위치 변경 오류로 인해 제한됩니다. 반면에 전산 유체 역학은 제한된 환자별 데이터와 열악한 모델 조정으로 인해 정확도가 떨어집니다.
우리 그룹은 내경동맥 협착증 협착 정도가 비슷한 환자가 뚜렷한 혈역학적 프로필을 나타내고 양측 협착증 환자의 경우 협착증의 정도가 양측의 혈역학 및 흐름 특성에 영향을 미친다는 것을 입증했습니다. 그리고 이것은 실제로 이러한 환자의 복잡한 뇌혈관 및 혈역학적 상호 작용을 강조합니다. 시작하려면 컴퓨터 시스템에서 CRIMSON 소프트웨어를 실행하십시오.
데이터 관리자의 가져오기 버튼을 사용하여 환자별 해부학에 대해 식별되지 않은 DICOM 이미지 데이터를 CRIMSON으로 가져옵니다. 형상 모델링 창을 사용하여 혈관 경로 편집을 선택하고 총경동맥, 외경동맥 및 내경동맥을 포함하는 혈관 트리를 생성합니다. PC MRI 흐름 파형을 얻은 C5 수준에서 총경동맥 중심선을 시작합니다.
내경동맥 중심선이 협착증의 원위 1-2cm로 끝나도록 배치하여 PC MRI 파형 위치와 일치시킵니다. 그런 다음 PC MRI 파형 획득 위치와 일치하도록 외경동맥 중심선 끝점을 1차 분기에 근접하게 배치합니다. 이제 선박 재슬라이스 창을 사용하여 각 선박을 따라 최소 두 개의 점을 추가한 후 중심선에 수직인 중심선 및 단면 뷰를 시각화합니다.
동일한 창을 사용하여 선박 등고선을 추가하여 선박 벽의 경계를 지정합니다. 용기 재슬라이스 창의 왼쪽에는 원본 이미지가 표시되고 오른쪽에는 윤곽을 정의하기 위한 이미지 그라디언트가 표시됩니다. 오버피팅 없이 선박 곡률과 형상 변화를 캡처할 수 있을 만큼 자주 윤곽선을 배치합니다.
모든 윤곽선을 정의한 후 선박 윤곽 모델링 창에서 로프트 버튼을 사용하여 로프트를 통해 결합된 3차원 솔리드 모델을 생성합니다. 그런 다음 선박 혼합 창을 사용하여 선박 모델을 단일 솔리드 형상으로 혼합하기 위한 모깎기 알고리즘을 선택합니다. 메쉬 및 솔버 설정 창을 열고 메쉬 버튼을 클릭하여 메시 매개변수를 구성하는 메시 옵션을 봅니다.
전역 옵션 창에서 전역 요소 크기를 0.5mm에서 0.75mm 사이의 절대값으로 설정합니다. 그런 다음 경계층 유형을 기하학적 성장으로, 총 레이어 수를 3개로, 첫 번째 레이어 두께를 0.2mm로, 총 레이어 두께를 1mm로 설정합니다. 그런 다음 곡률 미세 조정을 적용하여 협착과 같은 높은 곡률 영역에 메쉬 요소를 추가합니다.
메시를 마우스 오른쪽 버튼으로 클릭하고 메시 정보 버튼을 클릭하여 요소 수, 종횡비, 분포를 포함한 메시 메트릭을 검토합니다. 경계 조건을 지정하려면 메쉬 및 솔버 설정 창을 클릭합니다. 솔버 설정 아이콘을 선택한 다음 BC 아이콘을 사용하여 경계 조건 세트를 추가합니다.
현재 CRIMSON에서 사용할 수 있는 경계 조건을 봅니다. BC 아이콘을 다시 클릭하고 미끄럼 없음을 선택하여 단단하고 변형되지 않는 벽을 구현한 다음 모든 벽에 적용 옵션을 사용하여 모든 벽에 적용합니다. 그런 다음 규정된 속도를 선택합니다.
이전에 정의된 유입 파형을 가져오고 포물선 속도 프로파일을 CCA 입구에 매핑합니다. 마찬가지로, 포물선 속도 프로파일을 ECA 배출구에 매핑하는 ECA 박동 유출 파형을 가져옵니다. 이제 BC 아이콘을 클릭하고 RCR을 선택한 다음 근위 저항, 원위 저항 및 커패시터로 구성된 3요소 Windkessel 모델을 채웁니다.
환자별 계산을 기반으로 RCR을 ICA 콘센트에 매핑합니다. 솔버 파라미터를 준비하려면 메싱 및 솔버 창으로 이동하여 솔버 설정 아이콘을 클릭한 다음 솔버 파라미터를 선택합니다. 4개의 심장 주기 동안 단계 크기를 0.1밀리초로 설정하고, 잔기는 10의 마이너스 4제곱, 혈액 밀도는 입방 미터당 1, 060킬로그램이 필요합니다.
솔버 설정을 사용하여 유동 데이터, 각 시간 단계의 유입구 흐름, 메쉬 및 경계 조건, 각 경계 조건이 적용되는 면, 시뮬레이션의 첫 번째 시간 단계 번호, 세 요소 Windkessel 데이터, 메쉬의 모든 점에서의 압력 및 속도, 유동 솔버에 대한 지침을 포함한 모든 시뮬레이션 입력 파일을 생성합니다. Carreau-Yasuda 모델을 솔버에 추가합니다. inp를 시뮬레이션 파일에 추가하여 혈액을 비뉴턴 유체로 모델링할 수 있도록 합니다.
이제 솔버 설정 창의 안정된 창에서 시뮬레이션을 실행하여 CRIMSON Navier-Stokes 흐름 솔버를 실행합니다. 명령 창에서 프로세서 수를 지정합니다. 솔버가 실행되기 시작하면 출력 파일 히스토리.
dat는 명령줄에 인쇄되고 새 디렉토리인 n-procs-case에 저장됩니다. Linux 프롬프트 tail f 히스토리를 사용합니다. dat를 사용하여 파일을 실시간으로 관찰합니다.
파일의 첫 번째 열은 시간 단계에 해당합니다. 두 번째 열은 경과 시간입니다. 세 번째 열은 비선형 잔차이고 네 번째 열은 로그 잔차 값입니다.
경동맥 분기 형상을 정확하게 표현하기 위해 종횡비가 낮은 요소로 고품질 메쉬가 생성되었습니다. 경동맥 분기점과 ICA 협착증을 가로지르는 대표적인 속도 프로파일을 시뮬레이션하여 협착증을 가로질러 최대 수축기에서 초당 약 275센티미터의 최대 유속을 보여주었습니다. 압력 매핑은 심장 주기 전반에 걸쳐 근위부 및 원위 압력이 거의 겹치는 한 사례에서 협착증 전반에 걸쳐 무시할 수 있는 압력 구배를 보여주었습니다.
대조적인 경우, 협착증 근위부의 압력은 원위 압력보다 유의하게 높아 현저한 압력 강하를 나타냈습니다. 벽 전단 응력은 비협착 모델, 특히 내부 및 외부 경동맥의 외벽에서 분기점 전체에 걸쳐 낮았습니다. 협착 모델에서 높은 벽 전단 응력은 내경동맥 협착증에 집중되었습니다.
진동 전단 지수 매핑은 수술 전 병변 관련 OSI 값이 수술 후 값에 비해 낮다는 것을 보여주었습니다. HU 일치 영상은 T1 강조 영상에서 고강도 신호를 통해 플라크 내 출혈을 확인하고 T1 맵에서 값을 낮췄습니다. 석회화된 플라크는 암혈, T1 강조 및 T2 강조 서열에 대한 일관되게 저강도 신호에 의해 식별되었습니다.
개요
본 연구는 내부 경동맥 협착증 환자의 플라크 색전증 및 뇌졸중 위험 요소를 조사합니다. 고급 이미징 기술 및 계산 유체 역학을 활용하여 플라크 형태 및 혈역학적 환경에 대한 통찰력을 제공하는 것을 목적으로 합니다.
주요 연구 구성 요소
과학 분야
- 신경과학
- 뇌혈관 연구
- 의료 이미징
배경
- 내부 경동맥 협착증의 평가는 일반적으로 협착율 백분율에 의존합니다.
- 현재 방법은 플라크 구성 및 혈역학을 고려하지 않습니다.
- 최근 연구는 무증상 환자의 뇌졸중 예측자를 식별하는 데 중점을 둡니다.
- 계산 유체 역학은 비침습적 분석에 점점 더 많이 사용되고 있습니다.
연구 목적
- 뇌졸중의 생리학적으로 관련된 위험 요소를 평가합니다.
- 환자의 플라크 형태 및 혈역학적 프로파일을 특성화합니다.
- 협착증에서의 뇌혈관 상호작용에 대한 이해를 향상시킵니다.
사용된 방법
- 환자 별 분석을 위해 CRIMSON 소프트웨어를 활용합니다.
- DICOM 이미지 데이터를 해부학적 모델링을 위해 가져옵니다.
- 혈관 윤곽을 이용하여 경동맥의 3D 모델을 생성합니다.
- Navier-Stokes 흐름 솔버를 사용하여 혈류를 분석하는 시뮬레이션을 실행합니다.
주요 결과
- 유사한 협착율을 가진 환자에서 뚜렷한 혈역학적 프로파일이 관찰되었습니다.
- 협착증 정도의 심각성이 양측 사례에서 양측의 혈역학에 영향을 미칩니다.
- 고품질 메쉬 생성으로 시뮬레이션 정확도가 향상되었습니다.
- 비뉴턴 혈류 모델링은 혈역학에 대한 이해를 향상시켰습니다.
결론
- 생리학적으로 관련된 요소는 뇌졸중 위험 평가에 중요합니다.
- 고급 이미징 및 계산 방법은 더 나은 통찰력을 제공할 수 있습니다.
- 혈역학적 상호작용을 이해하면 환자 결과를 개선할 수 있습니다.
자주 묻는 질문
Executive Industry Relevance
Integrating MRI-based plaque characterization with computational hemodynamics enables biopharma teams to move beyond anatomical stenosis metrics toward physiologically relevant risk stratification in cerebrovascular disease. This protocol supports predictive confidence in target validation and mechanistic de-risking for stroke-related therapeutic discovery. The approach enhances translational continuity by linking imaging biomarkers with functional hemodynamic outputs, informing portfolio decisions in vascular and neurovascular R&D.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Enables interrogation of plaque vulnerability and hemodynamic stress as mechanistic contributors to stroke risk.
- Supports biological de-risking by quantifying patient-specific plaque composition and flow dynamics.
- Facilitates predictive confidence in selecting and validating vascular targets for intervention.
Screening & Assay Development
- Provides quantitative imaging and CFD-derived metrics for standardizing preclinical vascular models.
- Enables reproducible assessment of plaque morphology and hemodynamic parameters across cohorts.
- Supports assay development for evaluating candidate compounds targeting plaque stability or flow modulation.
Translational & Preclinical Research
- Aligns imaging and computational biomarkers with disease-relevant endpoints for translational studies.
- Enables continuity from discovery through preclinical validation by linking structural and functional vascular data.
- Supports risk-adjusted advancement decisions based on physiologically relevant outputs.
Pipeline & Workflow Integration
This protocol bridges early discovery, lead identification, and preclinical research by integrating imaging-based plaque analysis with computational hemodynamics.
- Discovery Biology: Quantifies plaque composition and hemodynamic stress to clarify mechanistic hypotheses in stroke risk.
- Screening: Delivers reproducible, quantitative outputs for model standardization and compound evaluation.
- Analytics: Provides high-resolution velocity, pressure, and wall shear stress measurements for comparative analysis.
- Translational Research: Aligns imaging and CFD biomarkers with preclinical endpoints for vascular disease models.
- Enterprise Reuse: Establishes a reusable workflow for patient-specific vascular characterization across programs.
Operational & Enterprise Impact
- Scientific Value: Increases predictive confidence and reduces mechanistic ambiguity in vascular target validation.
- Operational Value: Standardizes imaging and computational workflows for reproducibility and scalability.
- Strategic Value: Informs go/no-go decisions and capital allocation by integrating functional risk metrics.
- Portfolio Impact: Enables risk-adjusted prioritization of vascular and neurovascular assets.
Implementation Considerations
- Requires expertise in MRI interpretation, computational modeling, and vascular biology.
- Demands access to advanced imaging platforms and CFD software infrastructure.
- Necessitates cross-team standardization of imaging protocols and computational parameters.
- Adaptation may be needed for different vascular territories or disease models.
- Limitations include scan time, image interpretation complexity, and model tuning accuracy.
