Patiënt-specifieke modellering van het Hart: Schatting van ventriculaire vezeloriëntaties
8 januari 2013
Een methodiek om ventriculaire vezeloriëntaties schatten van in-vivo beelden van patiënt hart geometrieën voor gepersonaliseerde modellering wordt beschreven. Validering van de methodologie uitgevoerd met behulp van de normale en falende harten hond laten zien dat dat er geen significante verschillen tussen geschatte en verworven vezeloriëntaties werden bij een klinisch waarneembare niveau.
Het doel van het volgende experiment is om de vezeloriëntaties van een patiënthart te schatten voor gepersonaliseerde simulaties van cardiale elektrofysiologie, omdat het momenteel niet haalbaar is om klinisch de cardiale vezeloriëntaties te verkrijgen. Dit wordt bereikt door een atlashartgeometrie te vervormen om de geometrie van het patiënthart, verkrijgbaar uit een klinische CT- of MRI-afbeelding, in een tweede stap te matchen. Het geometrie-vervormingsveld wordt gebruikt om de atlasvezeloriëntaties te morfen, waardoor een schatting van de vezeloriëntaties van het patiënthart wordt gegenereerd.
Vervolgens, met behulp van hondenharten waarvan de vezeloriëntaties niet klinisch worden gemeten met behulp van diffusietensor, MRI, de state-of-the-art techniek, worden de geschatte vezeloriëntaties vergeleken met verkregen vezeloriëntaties om de voorgestelde methodologie te valideren. De verkregen resultaten tonen aan dat de geschatte vezeloriëntaties nauw overeenkomen met de verkregen vezeloriëntaties en er zijn geen significante verschillen tussen de resultaten van elektrofysiologische simulaties met geschatte en verkregen vezeloriëntaties op een klinisch waarneembaar niveau. Dit onderzoek toont kwantitatief aan dat in afwezigheid van diffusietensor, MRI, myocardiale vezeloriëntaties van normale en falende ventrikels kunnen worden geschat vanuit in vivo-beelden van hun geometrieën voor gebruik in simulaties van cardiale elektrofysiologie.
Schatten van de vezeloriëntaties van het patiënthart is essentieel voor ons vermogen om patiëntspecifieke modellen van hartfunctie te construeren. Deze patiëntspecifieke hartmodellen kunnen worden gebruikt om het risico op aritmie bij patiënten met hartaandoeningen te voorspellen of om interventies te begeleiden die kunnen worden gebruikt om aandoeningen van de hartslag te behandelen. Hoewel we laten zien dat dit kan worden gebruikt voor patiëntspecifiek elektrofysiologisch modelleren, kan het ook worden toegepast voor gepersonaliseerd elektromechanisch modelleren.
Begin met het schatten van de vezeloriëntatie van het hart van een proefpersoon door eerst structurele MRI en diffusietensor MRI of D-T-M-R-I te verwerven. Beelden van een normaal volwassen menselijk hart in diastole. Verkrijg de beelden met een resolutie van één kubieke millimeter.
Gebruik vervolgens Image J om het ventrikelmyocard van het atlasstructuurbeeld te extraheren. Doe dit door nauwe blinden te passen door een set bakenpunten langs de epicardium- en endocardiumgrenzen. Voer voor elke korte assnede handmatig de plaatsing van bakenpunten uit.
Voor elke 10e snede in het beeld, verkrijg de bakenpunten voor de resterende sneden door lineair te interpoleren tussen de handmatig geïdentificeerde punten met behulp van MATLAB. Reconstrueer vervolgens de vezeloriëntaties van het atlashart door de primaire iGen-vectoren van de diffusietensoren in de DT MRI-afbeelding te berekenen. Zodra de geometrie van het atlashart is gedefinieerd, verwerft u een afbeelding van de geometrie van het patiënthart in diastole met behulp van in vivo cardiale CT of MRI en reconstrueert u de geometrie van het patiënthart van de afbeelding op dezelfde manier als de atlas is gebouwd.
Zorg ervoor dat de resolutie van de gereconstrueerde geometrie één kubieke millimeter is door het aantal sneden waarvoor de bakens handmatig zijn gekozen en het interval van interpolatie buiten het vlak aan te passen. Vervorm vervolgens de atlasventriculaire afbeelding, getoond in magenta, om overeen te komen met het patiëntgeometriebeeld, getoond in rood, in twee stappen. In de eerste stap voert u een aine-transformatie uit op basis van een set van 13 bakenpunten die in het protocol worden beschreven.
In de tweede stap vervormt u de INE-getransformeerde atlasventrikels verder om overeen te komen met de patiëntgeometrie met behulp van grote deformatie dimorf metrische mapping of L-D-D-M-M. Morf vervolgens de DT MRI-afbeelding van de atlas. Om dit te bereiken, positioneert u de beeldputjes opnieuw en oriënteert u de diffusietensoren opnieuw.
Volgens de transformatiematrix die is verkregen uit de AINE-matching en het vervormingsveld tijdens de L-D-D-M-M-transformatie, moet de heroriëntatie van de diffusietensoren worden uitgevoerd met behoud van de beginselrichtingen of de PPD-methode. Verkrijg ten slotte een schatting van de vezeloriëntaties van de patiënt uit de gemorfde atlas GT MRI-afbeelding door de primaire iGen-vector van de diffusietensoren te berekenen. Om de schattingsfout te meten, verwerft u eerst ex vivo structurele MRI en DT MRI's van zes normale en drie falende hondenharten met hoge resolutie.
Segmenteer de ventrikels van de hondenharten op dezelfde manier als die van het menselijk atlashart, zoals beschreven in de vorige sectie, gesegmenteerde ventrikels van normale hondenharten worden aangeduid als harten één tot zes en die van falende hondenharten als hart zeven tot negen. Gebruik vervolgens elk van de harten twee tot zes als een atlas om vijf verschillende schattingen van ventrikelvezeloriëntaties van het hart te verkrijgen. Schat vervolgens vezeloriëntaties voor elk van de falende ventrikels van hart zeven, acht en negen, met behulp van hart één als atlas voor alle gegevenspunten in elke set geschatte vezeloriëntaties, bereken de schattingsfout waar theta E en theta A respectievelijk de inclinatiehoeken zijn van geschatte en verkregen vezeloriëntaties op dat punt van hart.
Men construeert zes modellen, construeert het eerste model met de DT MRI-verkregen vezeloriëntaties van hart één en modellen twee tot zes met de geschatte vezeloriëntaties, gegevensverzamelingen van hart één voor elk van de drie. Falende hartgeometrieën construeren twee ventrikelmodellen, één met de DT MRA-verkregen vezeloriëntaties en de andere met de geschatte vezeloriëntaties. Hier moet de ruimtelijke resolutie van de modellen 600 micron zijn.
Geef vervolgens de hartfalenmodellen aan. Met DT MRI-verkregen vezels als modellen zeven tot negen en die met geschatte vezels als modellen 10 tot 12 in de modellen. Gebruik een monodomeinrepresentatie om het cardiale weefsel te beschrijven door gebruik te maken van de regerende vergelijking hier getoon
Bekijk het volledige transcript en krijg toegang tot duizenden wetenschappelijke video's
Overzicht
Deze studie presenteert een methodologie voor het schatten van ventriculaire vezeloriëntaties op basis van in vivo beelden van hartgeometrieën van patiënten, wat gepersonaliseerde cardiale modellering faciliteert. Validatie met harten van honden laat geen significante verschillen zien tussen de geschatte en verkregen vezeloriëntaties op een klinisch observeerbaar niveau.
Belangrijkste componenten van de studie
Wetenschappelijk gebied
- Cardiale elektrofysiologie
- Medische beeldvorming
- Gepersonaliseerde geneeskunde
Achtergrond
- Klinische acquisitie van hartvezeloriëntaties is momenteel niet haalbaar.
- Diffusietensor-MRI is een geavanceerde techniek voor het meten van vezeloriëntaties.
- Het begrijpen van vezeloriëntaties is cruciaal voor nauwkeurige elektrofysiologische simulaties.
- Dit onderzoek heeft tot doel een alternatieve schattingsmethode te bieden met behulp van in vivo beelden.
Doel van de studie
- Om vezeloriëntaties van harten van patiënten te schatten voor gepersonaliseerde simulaties.
- Om de schattingsmethodologie te valideren aan de hand van verkregen vezeloriëntaties.
- Om de haalbaarheid van het gebruik van in vivo beelden voor cardiale modellering aan te tonen.
Gebruikte methoden
- Deformatie van een atlas-hartgeometrie om deze aan te passen aan de hartgeometrie van een patiënt op basis van CT of MRI.
- Morphing van atlas-vezeloriëntaties op basis van het geometrische deformatieveld.
- Vergelijking van de geschatte vezeloriëntaties met die verkregen uit harten van honden.
- Validatie van de methodologie via elektrofysiologische simulaties.
Belangrijkste resultaten
- De geschatte vezeloriëntaties komen nauw overeen met de verworven oriëntaties.
- Er zijn geen significante verschillen waargenomen in de resultaten van de elektrofysiologische simulaties.
- De methodologie is gevalideerd voor zowel normale als falende harten van honden.
- Het onderzoek ondersteunt het gebruik van in vivo beelden voor het schatten van myocardiale vezeloriëntaties.
Conclusies
- De voorgestelde methodologie maakt gepersonaliseerde cardiale modellering mogelijk zonder dat diffusie-tensor-MRI vereist is.
- Schatting van vezeloriëntaties kan de nauwkeurigheid van cardiale simulaties verbeteren.
- Deze benadering kan de klinische resultaten in de cardiale elektrofysiologie verbeteren.
Veelgestelde vragen
Industriële relevantie voor leidinggevenden
Het schatten van de oriëntatie van ventriculaire vezels op basis van in vivo beelden maakt patiëntspecifieke elektrofysiologische hartmodellen mogelijk zonder dat diffusietensor-MRI vereist is, wat een belangrijk knelpunt in de planning van gepersonaliseerde therapie wegneemt. Deze benadering ondersteunt mechanische risicoreductie door een anatomisch nauwkeurig substraat te bieden voor het simuleren van aritmie-mechanismen en de resultaten van interventies. Het verhoogt het voorspellend vertrouwen in preklinische en translationele workflows waarin de vezeloriëntatie de modellen van elektrische propagatie direct beïnvloedt.
Strategische toepassingen in biofarmaceutische R&D
Vroege ontdekking & target-validatie
- Wetenschappelijke waarde: Maakt het mogelijk om structuur-functierelaties in hartweefsel te onderzoeken door patiëntspecifieke schattingen van de vezeloriëntatie te leveren voor hypothesetoetsing.
- Operationele waarde: Vermindert de afhankelijkheid van ex vivo diffusietensor-MRI, waardoor een bredere toepassing in normale en ziekte-modellen mogelijk wordt.
- Voorspellende waarde: Ondersteunt de validatie van functionele targets door structurele gegevens te koppelen aan elektrofysiologisch gedrag in simulatie-omgevingen.
Screening & Assay-ontwikkeling
- Klaarheid voor Analyse: Genereert gestandaardiseerde, geometrisch overeenkomstige fiber-oriëntatiekaarten die dienen als input voor reproduceerbare elektrofysiologische simulaties.
- Kwantitatieve Output: Levert inclinatiehoekschattingen op voxelniveau met meetbare foutmarges (gemiddelde absolute afwijking van 15.4°) voor kwaliteitscontrole.
- Hergebruik van het Platform: Het op deformatie gebaseerde raamwerk kan worden toegepast op verschillende soorten en ziektestadia met behulp van één enkele atlas, wat schaalbare modelgeneratie ondersteunt.
Translationeel & Preklinisch Onderzoek
- Relevantie voor ziektebeelden: Gevalideerd in zowel normale als falende hondenharten, wat de toepasbaarheid op pathofysiologische substraten aantoont.
- Translationele continuïteit: Slaat een brug tussen ex vivo validatie en in vivo schatting, wat longitudinale modellering mogelijk maakt van ontdekking tot preklinisch onderzoek.
- Risico-gecorrigeerde beslissingen: Lage MAD-scores in pseudo-ECG's (<6,1%) duiden op een klinisch verwaarloosbaar verschil tussen geschatte en verworven oriëntaties, wat go/no-go-criteria ondersteunt bij modelgebaseerde interventietesten.
Integratie van Pipeline & Workflow
Deze methode past binnen het continuüm van ontdekking tot preklinisch onderzoek door in vivo cardiale CT- of MRI-beelden om te zetten in simulatie-geschikte vezeloriëntatievelden, waardoor integratie in elektrofysiologische workflows mogelijk wordt.
- Ontdekkingsbiologie: Ondersteunt hypothese-gestuurde modellering van ventriculaire activatie door patiëntspecifieke structurele inputs te leveren die de elektrische golfvoortplanting bepalen.
- Screening: Levert gestandaardiseerde, uit vervorming afgeleide vezelkaarten die consistentie waarborgen over virtuele cohorten voor het screenen van verbindingen of interventies.
- Analytica: Genereert kwantificeerbare oriëntatiedata (bijv. inclinatiehoeken), waardoor statistische vergelijkingen tussen condities en simulatieresultaten mogelijk worden.
- Translationeel onderzoek: Verbindt in vivo beeldvorming met preklinische validatie via harthartstudies bij honden, wat de continuïteit in modelontwikkeling ondersteunt.
- Bedrijfsbrede herbruikbaarheid: Het atlas-vervormingsraamwerk is herbruikbaar over projecten heen, waardoor redundante inspanningen voor vezelmapping in initiatieven voor hartmodellering worden verminderd.
Operationele & Bedrijfsimpact
- Wetenschappelijke waarde: Verbetert de mechanistische getrouwheid van cardiale simulaties door een kritische elektrofysiologische determinant — de vezeloriëntatie — te schatten op basis van klinisch toegankelijke gegevens.
- Operationele waarde: Standaardiseert de schatting van de vezeloriëntatie via reproduceerbare stappen voor beeldtransformatie en tensor-reoriëntatie.
- Strategische waarde: Vermindert het biologische risico bij modellering in een laat stadium door structurele inputs te valideren aan de hand van acquisities die als gouden standaard gelden.
- Impact op portfolio: Maakt risico-gecorrigeerde prioritering van elektrofysiologische interventies mogelijk door betrouwbare, patiëntspecifieke simulatieresultaten.
Overwegingen voor de implementatie
- Expertise in cardiace beeldsegmentatie, diffusion tensor-verwerking en niet-lineaire registratie (bijv. LDDMM).
- Toegang tot hoge-resolutie in vivo CT of MRI en ex vivo DT-MRI voor de constructie en validatie van atlassen.
- Standaardisatie van landmark-gebaseerde segmentatie- en interpolatieprotocollen over verschillende operators en locaties.
- Overwegingen voor adaptatie bij variërende hartgrootte, pathologie en beeldresolutie bij de toepassing van het deformatiekader.
- Validatievereiste: de schattingsfout moet worden gekwantificeerd via een vergelijking van de inclinatiehoek om de klinische relevantie te waarborgen (<15,4° gemiddeld absoluut verschil in de validatiecohort).
