Методическая статья

Сгруппированное и конечно-элементное моделирование сердечной недостаточности с сохраненной фракцией выброса

DOI:

10.3791/62167

⸱

13 февраля 2021 г.

 ,  , 
1Institute for Medical Engineering and Science, Massachusetts Institute of Technology, 2Health Science and Technology Program, Harvard/Massachusetts Institute of Technology, 3Department of Mechanical Engineering, Massachusetts Institute of Technology

* These authors contributed equally

В этой статье

Краткое содержание

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

В данной работе представлены две вычислительные модели сердечной недостаточности с сохраненной фракцией выброса, основанные на подходе с кусковым параметром и конечно-элементном анализе. Эти модели используются для оценки изменений гемодинамики левого желудочка и связанных с ним сосудов, вызванных перегрузкой давления и уменьшением желудочкового соответствия.

Аннотация

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Научные усилия в области вычислительного моделирования сердечно-сосудистых заболеваний в основном сосредоточены на сердечной недостаточности с уменьшенной фракцией выброса (HFrEF), в целом игнорируя сердечную недостаточность с сохраненной фракцией выброса (HFpEF), которая в последнее время стала доминирующей формой сердечной недостаточности во всем мире. Мотивированные скудностью HFpEF в кремнийных представлениях, в этой статье представлены две различные вычислительные модели для моделирования гемодинамики HFpEF в результате перегрузки давления левого желудочка. Сначала была разработана объектно-ориентированная модель сгруппированных параметров с использованием численного решателя. Эта модель основана на нульмерной (0D) windkessel-подобной сети, которая зависит от геометрических и механических свойств конститутивных элементов и предлагает преимущество низких вычислительных затрат. Во-вторых, для реализации многомерного моделирования был использован программный пакет для анализа методом конечных элементов (ВЭД). Модель FEA объединяет трехмерные (3D) мультифизические модели электромеханической сердечной реакции, структурных деформаций и гемодинамики на основе жидкостной полости и использует упрощенную модель сгруппированным параметром для определения профилей обмена потоком между различными полостями жидкости. При каждом подходе были успешно смоделированы как острые, так и хронические гемодинамические изменения в левом желудочке и проксимальной сосудистой области в результате перегрузки давлением. В частности, перегрузка давлением была смоделировата путем уменьшения площади отверстия аортального клапана, в то время как хроническое ремоделирование было смоделирован путем уменьшения соответствия стенки левого желудочка. В соответствии с научной и клинической литературой HFpEF, результаты обеих моделей показывают (i) острое повышение градиента трансаортального давления между левым желудочком и аортой и уменьшение ударного объема и (ii) хроническое уменьшение конечного диастолического объема левого желудочка, свидетельствующее о диастолической дисфункции. Наконец, модель FEA демонстрирует, что стресс в миокарде HFpEF значительно выше, чем в здоровой сердечной ткани на протяжении всего сердечного цикла.

Введение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Сердечная недостаточность является основной причиной смерти во всем мире, которая возникает, когда сердце не может перекачивать или наполнять адекватно, чтобы идти в ногу с метаболическими потребностями организма. Фракция выброса, т. е. относительное количество крови, хранящейся в левом желудочке, которое выбрасывается при каждом сокращении, используется клинически для классификации сердечной недостаточности на (i) сердечную недостаточность с уменьшенной фракцией выброса (HFrEF) и (ii) сердечную недостаточность с сохраненной фракцией выброса (HFpEF), для фракций выброса менее или более 45%, соответственно1,2,3. Симптомы HFpEF часто развиваются в ответ на перегрузку давления левого желудочка, которая может быть вызвана несколькими состояниями, включая стеноз аорты, гипертонию и обструкцию3,4,5,6,7оттока левого желудочка. Перегрузка давлением приводит к каскаду молекулярных и клеточных аберраций, приводящих к утолщению стенки левого желудочка (концентрическое ремоделирование) и, в конечном счете, к жесткости стенки или потере соответствия8,9,10. Эти биомеханические изменения глубоко влияют на сердечно-сосудистую гемодинамику, поскольку они приводят к повышенному соотношению конечного диастолического давления и объема и к уменьшению конечного диастолического объема11.

Вычислительное моделирование сердечно-сосудистой системы продвинуло понимание артериального давления и потоков как в физиологии, так и в болезни и способствовало разработке диагностических и терапевтических стратегий12. Модели in silico классифицируются на низкоразмерные или высокоразмерные модели, причем первые используют аналитические методы для оценки глобальных гемодинамических свойств с низкой вычислительной потребностью, а вторые обеспечивают более обширное многомасштабное и мультифизическое описание сердечно-сосудистой механики и гемодинамики в 2D или 3Dдомене 13. Сгруппированное представление Виндкесселя является наиболее распространенным среди низкоразмерных описаний. Основываясь на аналогии с электрической схемой (закон Ома), это имитирует общее гемодинамическое поведение сердечно-сосудистой системы посредством комбинации резистивных, емкостных и индуктивных элементов14. Недавнее исследование этой группы предложило альтернативную модель Виндкесселя в гидравлической области, которая позволяет моделировать изменения геометрии и механики крупных сосудов - камер сердца и клапанов - более интуитивно понятным способом, чем традиционные электрические аналоговые модели. Это моделирование разработано на объектно-ориентированном численном решателье (см. Таблицу материалов)и может захватывать нормальную гемодинамику, физиологические эффекты кардиореспираторной связи, дыхательный кровоток в физиологии одного сердца и гемодинамические изменения из-за сужения аорты. Это описание расширяет возможности моделей с сгруппированных параметров, предлагая физически интуитивный подход к моделированию спектра патологических состояний, включая сердечную недостаточность15.

Многомерные модели основаны на ВЭД для вычисления пространственно-временной гемодинамики и взаимодействий жидкости и структуры жидкости. Эти представления могут обеспечить подробное и точное описание местного поля кровотока; однако из-за их низкой вычислительной эффективности они не подходят для исследований всего сердечно-сосудистого дерева16,17. Программный пакет (см. Таблицу материалов)был использован в качестве анатомически точной платформы FEA 4-камерного сердца взрослого человека, которая объединяет электромеханический отклик, структурные деформации и гемодинамику на основе жидкостной полости. Адаптированная модель сердца человека также содержит простую модель сгруппированных параметров, которая определяет обмен потоком между различными полостями жидкости, а также полную механическую характеристику сердечнойткани 18,19.

Было разработано несколько моделей сердечной недостаточности с кусковым параметром и ВЭД для захвата гемодинамических аномалий и оценки терапевтических стратегий, особенно в контексте механических вспомогательных устройств кровообращения для HFrEF20,21,22,23,24. Таким образом, широкий спектр 0D-моделей сгруппированных параметров различной сложности успешно захватил гемодинамику сердца человека в физиологических и HFrEF условиях путем оптимизации двух- или трехэлементных электрических аналоговых систем Windkessel20,21,23,24. Большинство из этих представлений представляют собой одно- или бивентрикулярные модели, основанные на формулировке изменяющейся во времени эластансации для воспроизведения сократительного действия сердца и использования нелинейного отношения конец-диастолическое давление-объем для описания заполнения желудочков25,26,27. Комплексные модели, которые захватывают сложную сердечно-сосудистую сеть и имитируют как предсердное, так и желудочковое насосное действие, были использованы в качестве платформ для тестирования устройств. Тем не менее, хотя в области HFrEF существует значительный объем литературы, очень немногие модели HFpEF in silico были предложены20,22,28,29,30,31.

Низкоразмерная модель гемодинамики HFpEF, недавно разработанная Burkhoff et al.32 и Granegger et al.28,может захватывать петли давления-объема (PV) 4-камерного сердца, полностью повторяя гемодинамику различных фенотипов HFpEF. Кроме того, они используют свою платформу in silico для оценки осуществимости механического циркуляторного устройства для HFpEF, пионерских вычислительных исследований HFpEF для физиологических исследований, а также разработки устройств. Однако эти модели по-прежнему не могут уловить динамические изменения в кровотоке и давлении, наблюдаемые во время прогрессирования заболевания. Недавнее исследование Kadry et al.30 фиксирует различные фенотипы диастолической дисфункции путем корректировки активного расслабления миокарда и пассивной жесткости левого желудочка на низкоразмерной модели. Их работа предусматривает комплексный гемодинамический анализ диастолической дисфункции на основе как активных, так и пассивных свойств миокарда. Аналогичным образом, литература по многомерным моделям в основном сосредоточена на HFrEF19,33,34,35,36,37. Bakir et al.33 предложили полностью связанную модель сердечной жидкости и электромеханики FEA для прогнозирования гемодинамического профиля HFrEF и эффективности вспомогательного устройства левого желудочка (LVAD). Эта бивентрикулярная (или двухкамерная) модель использовала связанную схему Виндкесселя для моделирования гемодинамики здорового сердца, HFrEF и HFrEF с поддержкой LVAD33,37.

Аналогичным образом, Sack et al.35 разработали бивентрикулярную модель для исследования дисфункции правого желудочка. Их бивентрикулярная геометрия была получена из данных магнитно-резонансной томографии (МРТ) пациента, а конечно-элементная сетка модели была построена с использованием сегментации изображения для анализа гемодинамики неисправного правого желудочка35с поддержкой VAD. Четырехкамерные сердечные подходы ВЭД разработаны для повышения точности моделей электромеханического поведения сердца19,34. В отличие от бивентрикулярных описаний, четырехкамерные модели сердца человека, полученные на основе МРТ, обеспечивают лучшее представление о сердечно-сосудистой анатомии18. Модель сердца, используемая в этой работе, является признанным примером четырехкамерной модели ВЭД. В отличие от моделей Сгруппового параметра и бивентрикулярной ВЭД, это представление фиксирует гемодинамические изменения по мере их возникновения во время прогрессирования заболевания34,37. Genet et al.34,например, использовали ту же платформу для реализации численной модели роста ремоделирования, наблюдаемой в HFrEF и HFpEF. Однако эти модели оценивают влияние гипертрофии сердца только на структурную механику и не дают исчерпывающего описания связанной гемодинамики.

Чтобы устранить отсутствие моделей HFpEF in silico в этой работе, модель с кусковым параметром, ранее разработанная этой группой15, и модель FEA были повторно доработаны для моделирования гемодинамического профиля HFpEF. С этой целью будет впервые продемонстрирована способность каждой модели моделировать сердечно-сосудистую гемодинамику на исходном уровне. Затем будут оценены эффекты вызванной стенозом перегрузки левого желудочка и уменьшения комплаенса левого желудочка из-за ремоделирования сердца - типичного признака HFpEF.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. 0D модель с комк-параметрами

  1. Настройка симуляции
    ПРИМЕЧАНИЕ: В среде числового решателя (см. Таблицу материалов)создайте домен, как показано на рисунке 1. Он состоит из 4-камерного сердца, верхней части тела, брюшной полости, нижней части тела и грудного отделения, а также проксимальной сосудистой клетки, включая аорту, легочную артерию и верхнюю и нижнюю вену. Стандартные элементы, используемые в этом моделировании, являются частью гидравлической библиотеки по умолчанию. Подробную информацию можно найти в дополнительных файлах.
    1. Перемещайтесь по библиотеке гидравлики, чтобы найти необходимые элементы: гидравлический трубопровод, гидравлическую камеру постоянного объема, линейное сопротивление, центробежный насос, обратный клапан, отверстие переменной площади и пользовательскую гидравлическую жидкость.
      1. Перетащите элементы гидравлического трубопровода в рабочее пространство.
        ПРИМЕЧАНИЕ: Они учитывают потери на трение, а также соответствие стенок и сжимаемость жидкости в кровеносных сосудах и камерах сердца. Через этот блок потеря давления рассчитывается с использованием закона Дарси-Вайсбаха, тогда как изменение диаметра из-за соответствия стенки зависит от константы пропорциональности соответствия, просветного давления и постоянной времени. Наконец, сжимаемость жидкости определяется объемным модулем среды.
      2. Вставьте элементы гидравлической камеры постоянного объема, чтобы определить соответствие стенок и сжимаемость жидкости.
        ПРИМЕЧАНИЕ: Этот блок не учитывает потери давления из-за трения.
      3. Добавьте линейные элементы сопротивления, чтобы определить сопротивление потоку.
        ПРИМЕЧАНИЕ: Это не зависит от геометрических свойств сосудистой системы, аналогично резистивному элементу, используемому в электрических аналоговых моделях Виндкесселя. Другие блоки, такие как центробежный насос, обратный клапан, отверстие переменной площади и пользовательские элементы гидравлической жидкости, должны быть вставлены для создания желаемого давления в систему, моделирования влияния сердечных клапанов на кровоток и определения механических свойств крови. Через эти элементы поведение сердечно-сосудистой системы как в физиологии, так и в заболевании может быть полностью захвачено. Входной сигнал для центробежного насоса можно найти на рисунке S1A.
      4. Моделируйте сократимость каждой камеры сердца с помощью пользовательского элемента камеры с переменным соответствием.
        ПРИМЕЧАНИЕ: Это принимает соответствие как изменяющийся во времени пользовательский входной сигнал и основано на модели эластансности с изменяющейся во времени(рисунок S1B-D).
    2. Укажите параметры относительно каждого элемента, как показано в таблице S1,также найденной в Rosalia et al.15
    3. Вставьте элемент повторяющейся последовательности физического сигнала (PS) для каждого из блоков, для которых требуется изменяющийся во времени пользовательский входной сигнал: насос низкого напряжения, элементы соответствия переменным требованиям и блоки отверстий переменной площади.
      ПРИМЕЧАНИЕ: Входные сигналы, используемые для этого моделирования, можно найти на рисунке S1.
    4. Выберите неявный решатель ODE 23t по умолчанию и запустите моделирование в течение 100 с, чтобы достичь устойчивого состояния.

2. Модель ВЭД

  1. Настройка симуляции
    ПРИМЕЧАНИЕ: Модель FEA использует связанный электро-механический анализ в последовательности. В этой модели сначала проводится электрический анализ; затем полученные электрические потенциалы используются в качестве источника возбуждения в следующем механическом анализе. Таким образом, установка моделирования содержит две рабочие области: электрическую(ELEC)и механическую(MECH)области, которые предопределены в программном обеспечении моделирования FEA(Таблица материалов)18. Следовательно, в следующем разделе описывается только рабочий процесс анализа. Модель FEA использует следующие пользовательские подпрограммы HETVAL, VUANISOHYPERи UAMP для моделирования электрических и механических материалов18.
    1. Перейдите в домен ELEC для выполнения электрического анализа с использованием предопределенной температурной процедуры в стандартном модуле.
      1. Используйте один шаг анализа с именем BEAT. Установите продолжительность сердечного цикла на 500 мс и примените импульс электрического потенциала к набору узлов, представляющих синоатриальный (SA) узел(набор узлов: R_Atrium-1.SA_NODE).
      2. Просмотрите форму электрического сигнала по умолчанию, которая колеблется от -80 мВ до 20 мВ более 200 мс с определением амплитуды плавного шага, как описано в руководстве по модели18. Используйте значения констант материала по умолчанию в электрическом анализе для регулировки задержки AV.
      3. Запустите модуль Задание и создайте задание с именем heart-elec.
    2. После завершения настройки электрического анализа перейдите в область MECH для выполнения механического анализа на основе жидкостной полости.
      ПРИМЕЧАНИЕ: Механическое моделирование выполняется после электрического анализа, и полученные электрические потенциалы используются в качестве источника возбуждения для механического анализа. Механический анализ содержит несколько этапов.
      1. Используйте три основных шага с именами PRE-LOAD, BEAT1и RECOVERY1. На этапе PRE-LOAD просмотрите граничные условия предварительно напряженного состояния сердца. Используйте 0,3 с в качестве времени шага для линейного увеличения давления в камерах жидкости.
        ПРИМЕЧАНИЕ: Предопределенные значения давления в полости жидкости приведены в таблице S3. Предварительно напряженное состояние сердца уже было определено в нормальной настройке моделирования сердца, а начальные условия узла представлены во внешних файлах моделирования, как указано в таблице S5. Пересчет состояния с нулевым напряжением с использованием обратного механического моделирования требуется всякий раз, когда изменяется граничное условие, как это объясняется на этапах 3.2.2-3.2.4.
      2. На шаге BEAT1 используйте 0,5 с в качестве времени шага для имитации сокращения.
      3. На шаге RECOVERY1 выберите 0,5 с для сердечной релаксации и наполнения желудочков для частоты сердечных сокращений 60 уд/мин.
      4. Включите последующие шаги, BEATX и RECOVERYX,чтобы смоделировать более одного сердечного цикла для достижения устойчивого состояния.
        ПРИМЕЧАНИЕ: Трех сердечных циклов будет достаточно, чтобы достичь устойчивого состояния. Один цикл моделирования завершается за ~8 ч на 24-ядерном процессоре (3,2 ГГц x 24).
      5. Запустите модуль Задание и создайте задание с именем heart-mech,включив параметр двойной точности.
  2. Обзор упрощенной модели Windkessel с сгруппированных параметров
    ПРИМЕЧАНИЕ: Механическая область модели FEA имеет модель кровотока, которая основана на упрощенной схеме сгруппированных параметров и создается как комбинация поверхностных полостей жидкости и обмена жидкости, как показано на рисунке 218.
    1. Используйте представление Windkessel, упомянутое в приведенном выше примечании, для запуска моделирования. Просмотрите представление модели кровотока, чтобы скорректировать значения резистивных и емкостных элементов для сопротивления потока и структурных соответствий, соответственно.
    2. Просмотрите 3D-представление конечных элементов четырех камер сердца и убедитесь, что их геометрические положения точны.
    3. Проверьте сборку сердца и переключитесь на модуль «Взаимодействие», чтобы настроить соответствие и значения сократимости каждой из четырех камер сердца.
      ПРИМЕЧАНИЕ: Значения по умолчанию в модуле Взаимодействие настроены для моделирования идеализированного здорового цикла сердцебиение человека18.
    4. Просмотрите следующие полости гидростатической жидкости в модуле взаимодействия, CAV-AORTA, CAV-LA, CAV-LV, CAV-PULMONARY_TRUNK, CAV-RA, CAV-RV, CAV-SVC, CAV-ARTERIAL-COMP, CAV-PULMONARY-COMP и CAV-VENOUS-COMP(таблица S3).
    5. Используйте камеры соответствия (CAV-ARTERIAL-COMP, CAV-PULMONARY-COMP и CAV-VENOUS-COMP) в качестве кубических объемов, поскольку они представляют соответствие артериального, венозного и легочного кровообращения.
    6. Прикрепите три кубических объема соответствия к заземленной пружине и просмотрите значение жесткости для моделирования реакции давления-объема в артериальном, венозном и легочном кровообращении.
    7. Проверьте следующие определения обмена жидкостью между полостями гидростатической жидкости: артериально-венозная, венозно-правое предсердие, правое предсердие-правый желудочек, правый желудочек-легочная система, легочная система-левое предсердие, левое предсердие-левое желудочек и левый желудочек-аорта(таблица S4).
    8. Отрегулируйте коэффициент вязкого сопротивления, чтобы изменить модель кровотока в каждом звене обмена жидкостью (см. Дополнительные файлы для получения дополнительной информации об эффекте вязкого сопротивления).
  3. Мультифизическое моделирование
    1. Найдите файл базы данных CAE в рабочем каталоге.
      ПРИМЕЧАНИЕ: Модель FEA в этом протоколе поставляется в базе данных и называется LH-Human-Model-Beta-V2_1.cae.
    2. Вставьте входные, объектные и библиотечные файлы в рабочий каталог для запуска моделирования. Полный список входных и библиотечных файлов см. в таблице S5.
    3. Запустите программное обеспечение для моделирования моделей ВЭД (см. Таблицу материалов).
      ПРИМЕЧАНИЕ: Обратитесь к поставщику программного обеспечения за совместимостью с более поздними версиями18.
    4. Просмотрите детали, сборку и граничные условия в доменах ELEC и MECH, как описано в разделах 2.2 и 2.3.
    5. Во-первых, запустите задание электрического моделирования под названием heart-elec,как описано в разделе 2.1.1.3. Визуально осмотрите результаты электрического потенциала, чтобы убедиться, что моделирование сердца-элека работало так, как ожидалось. Затем убедитесь, что результирующий файл heart-elec.odb находится в рабочем каталоге.
    6. Перейдите ко второму этапу моделирования, переключившись в область MECH. Просмотрите значения материальных констант, используемых в механическом моделировании для моделирования желаемой пассивной и активной сердечной реакции.
    7. Убедитесь, что файлы библиотеки материалов для механического анализа используют имя строки HYBRID-. Чтобы изменить реакцию материала камер сердца, отрегулируйте соответствующий гибридный файл материала или замените весь ответ материала, определив новое поведение материала в разделе «Материалы» модуля CAE.
      ПРИМЕЧАНИЕ: Подробную информацию о встроенных конститутивных законах можно найти в руководстве пользователя18.
    8. На этапе PRE-LOAD установите давление гидростатических полостей для получения желаемого физиологического поведения. Используйте встроенную опцию плавной амплитуды для увеличения с нуля до желаемого уровня давления, как описано в шаге 2.1.2.1.
    9. Отключите граничные условия давления, определенные в 2.1.2.1, чтобы запустить модель кровотока с постоянным общим объемом крови в системе кровообращения. Запустите задание моделирования с именем heart-mech,как описано в разделе 2.1.2.5.

3. Стеноз аортального клапана

ПРИМЕЧАНИЕ: Стеноз аорты часто является движущей силой HFpEF, поскольку он приводит к перегрузке давлением и, в конечном счете, к концентрическому ремоделированию и потере соответствия стенки левого желудочка. Гемодинамика, наблюдаемая при стенозе аорты, часто прогрессирует до той, которая наблюдается при HFpEF.

  1. Модель сгруппированных параметров
    1. Модифицируйте входной сигнал в элементе повторяющейся последовательности PS относительно аортального клапана, расположенного в левом желудочковом отсеке. Смоделировать уменьшение площади отверстия, равное 70% по сравнению с исходным уровнем(таблица S6).
      ПРИМЕЧАНИЕ: Входные значения будут представлять область отверстия стенозивного клапана во время каждого сердцебиения. Значение площади отверстия можно легко отрегулировать, умножив вектор начальных выходных значений элемента PS аортального клапана на десятичное значение, соответствующее конечной площади отверстия по отношению к его исходному значению. В этой работе коэффициент 0,3 был использован для достижения 70% сужения.
  2. Модель ВЭД
    1. Изменение определения обмена жидкостью параметра LINK-LV-ARTERIAL.
      ПРИМЕЧАНИЕ: Этот параметр обладает коэффициентом вязкого сопротивления, настроенным на кровоток между левым желудочком и аортой. Эффективная обменная область может быть модифицирована для корректировки кровотока и создания соответствующей модели стеноза аорты(таблица S7).
    2. Найдите папку toolbox и скопируйте файлы внутри этой папки в главный рабочий каталог.
    3. Выполните обратное механическое моделирование, выполнив файлы набора инструментов18. С этой целью изменяют давление всасывания левого желудочка и левого предсердия до 6 мм рт.ст. в полости жидкости, чтобы отрегулировать их исходное объемное состояние для модели стеноза аорты. Выполните функцию inversePreliminary.py.
      ПРИМЕЧАНИЕ: Пересчет состояния с нулевым напряжением с использованием обратного механического моделирования требуется всякий раз, когда изменяется граничное условие.
    4. После завершения обратного механического моделирования запустите функции постобработки: calcNodeCoords.py и straight_mv_chordae.py. Используйте значения по умолчанию для других параметров потока и запустите новое механическое моделирование, как описано в разделе 2.1.2.5.

4. Гемодинамика HFpEF

ПРИМЕЧАНИЕ: Для моделирования эффектов хронического ремоделирования были модифицированы механические свойства левого сердца.

  1. Модель сгруппированных параметров
    1. Модифицируйте диастолическое соответствие левого желудочка элемента соответствия LV, чтобы имитировать жесткость стенки из-за перегрузки давлением, используя значение конечного диастолического соответствия в таблице S8.
      ПРИМЕЧАНИЕ: Предположим, что соответствие линейно падает от конечной систолы к конечной диастоле.
    2. Увеличьте сопротивление утечке насоса РН до 18 × 106 Пам-3 (таблица S8)для захвата повышенных давлений в левом желудочке, наблюдаемых в HFpEF.
  2. Модель ВЭД
    1. Отредактируйте свойства активного материала геометрии левого желудочка. Увеличьте компонент жесткости, чтобы настроить активную реакцию ткани, влияющую на компоненты напряжения в направлениях волокна и листа в конститутивной модели.
      1. Измените реакцию материала левого желудочка в файле mech-mat-LV_ACTIVE.
        ПРИМЕЧАНИЕ: Величина жесткости для камеры левого желудочка может быть настроена для обеспечения соответствующих эффектов диастолического соответствия.
      2. Увеличьте параметры жесткости a и b в анисотропном гиперупругом составе, чтобы захватить повышенную реакцию жесткости для физиологии HFpEF.
      3. На этапе PRE-LOAD установите давление в полости жидкости левого желудочка и левого предсердия до 20 мм рт.ст.
      4. Выполните обратное механическое моделирование для получения объемного состояния левого желудочка и предсердий. Экспорт узловых координат из файла heart-mech-inverse.odb 18.
      5. Выполните функции постобработки: calcNodeCoords.py и straight_mv_chordae.py,как описано в шаге 3.2.4. Найдите новые узловые входные файлы в рабочем каталоге и выполните новое механическое моделирование, как описано в разделе 2.1.2.5.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Результаты моделирования базовых линий проиллюстрированы на рисунке 3. На ней изображены формы волн давления и объема левого желудочка и аорты(рисунок 3A),а также петли PV левого желудочка(рисунок 3B). Две модели in silico показывают сходную гемодинамику аорты и левого желудочка, которые находятся в физиологическом диапазоне. Незначительные различия в реакции, предсказанные двумя платформами, можно заметить во время фаз опорожнения ...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Предложенные в этой работе платформы сгруппированным параметром и ВЭД повторяли сердечно-сосудистую гемодинамику в физиологических условиях, как в острой фазе вызванной стенозом перегрузки давлением, так и в хронической HFpEF. Улавливая роль, которую перегрузка давлением играет в острой и хронической фазах развития HFpEF, результаты этих моделей согласуются с клинической литературой HFpEF, включая начало градиента трансаортального давления из-за стеноза аорты, увеличение давления в левом желудочке и уменьшение конечного ...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Нет никаких конфликтов интересов, связанных с этой работой.

Благодарности

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Мы признаем финансирование от гарвардо-Массачусетского технологического института медицинских наук и технологий и премию Фонда SITA от Института медицинской инженерии и науки.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Abaqus SoftwareDassault Systè Мес Симулия, Корп.Используемая версия: 2018; Программное обеспечение для моделирования МКЭ
HETVALDassault Systè Мес Симулия, Корп.Используемая версия: 2018
Гидравлическая (изотермическая) библиотекаMathWorksИспользуемая версия: 2020a
Живая Человеческая МодельDassault Systè Мес Симулия, Корп.Используемая версия: V2_1, анатомически точная МКЭ платформа 4-камерного сердца взрослого человека
MATLABИспользуемаяверсия: 2020a, объектно-ориентированный численный решатель
SIMSCAPE FLUIDSMathWorks
UAMPDassault Systè Мес Симулия, Корп.Используемая версия: 2018
VUANISOHYPERDassault Systè Мес Симулия, Корп.Используемая версия: 2018

Ссылки

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Borlaug, B. A., Paulus, W. J. Heart failure with preserved ejection fraction: Pathophysiology, diagnosis, and treatment. European Heart Journal. 32 (6), 670-679 (2011).
  2. Borlaug, B. A., Kane, G. C., Melenovsky, V., Olson, T. P. Abnormal right ventricular-pulmonary artery coupling with exercise in heart failure with preserved ejection fraction. European Heart Journal. 37 (43), 3293-3302 (2016).
  3. Borlaug, B. A. Evaluation and management of heart failure with preserved ejection fraction. Nature Reviews Cardiology. 17 (9), 1-15 (2020).
  4. Carabello, B. A., Paulus, W. J. Aortic stenosis. The Lancet. 373 (9667), 956-966 (2009).
  5. Lam, C. S. P., Donal, E., Kraigher-Krainer, E., Vasan, R. S. Epidemiology and clinical course of heart failure with preserved ejection fraction. European Journal of Heart Failure. 13 (1), 18-28 (2011).
  6. Omote, K., et al. Left ventricular outflow tract velocity time integral in hospitalized heart failure with preserved ejection fraction. ESC Heart Failure. 7 (1), 167-175 (2020).
  7. Samson, R., Jaiswal, A., Ennezat, P. V., Cassidy, M., Jemtel, T. H. L. Clinical phenotypes in heart failure with preserved ejection fraction. Journal of the American Heart Association. 5 (1), (2016).
  8. Weber, K. T., Brilla, C. G., Janicki, J. S. Myocardial fibrosis: Functional significance and regulatory factors. Cardiovascular Research. 27 (3), 341-348 (1993).
  9. Borbély, A., et al. Cardiomyocyte stiffness in diastolic heart failure. Circulation. 111 (6), 774-781 (2005).
  10. Borlaug, B. A., Lam, C. S. P., Roger, V. L., Rodeheffer, R. J., Redfield, M. M. Contractility and Ventricular Systolic Stiffening in Hypertensive Heart Disease. Insights Into the Pathogenesis of Heart Failure With Preserved Ejection Fraction. Journal of the American College of Cardiology. 54 (5), 410-418 (2009).
  11. Penicka, M., et al. Heart Failure With Preserved Ejection Fraction in Outpatients With Unexplained Dyspnea. A Pressure-Volume Loop Analysis. Journal of the American College of Cardiology. 55 (16), 1701-1710 (2010).
  12. Owen, B., Bojdo, N., Jivkov, A., Keavney, B., Revell, A. Structural modelling of the cardiovascular system. Biomechanics and Modeling in Mechanobiology. 17 (5), 1217-1242 (2018).
  13. Zhou, S., et al. A review on low-dimensional physics-based models of systemic arteries: Application to estimation of central aortic pressure. BioMedical Engineering Online. 18 (1), 41(2019).
  14. Sagawa, K., Lie, R. K., Schaefer, J. Translation of Otto frank's paper "Die Grundform des arteriellen Pulses" zeitschrift für biologie 37. Journal of Molecular and Cellular Cardiology. 22 (1899), 253-254 (1990).
  15. Rosalia, L., Ozturk, C., Van Story, D., Horvath, M., Roche, E. T. Object-oriented lumped-parameter modeling of the cardiovascular system for physiological and pathophysiological conditions. Advanced theory and simulations. , (2021).
  16. Lopez-Perez, A., Sebastian, R., Ferrero, J. M. Three-dimensional cardiac computational modelling: METHODS, features and applications. BioMedical Engineering Online. 14, 35(2015).
  17. Xie, X., Zheng, M., Wen, D., Li, Y., Xie, S. A new CFD based non-invasive method for functional diagnosis of coronary stenosis. BioMedical Engineering Online. 17 (1), 36(2018).
  18. Abaqus Dassault, S. SIMULIA living heart human model user documentation. , (2017).
  19. Baillargeon, B., Rebelo, N., Fox, D. D., Taylor, R. L., Kuhl, E. The living heart project: A robust and integrative simulator for human heart function. European Journal of Mechanics, A/Solids. 48, 38-47 (2014).
  20. Moscato, F., et al. Use of continuous flow ventricular assist devices in patients with heart failure and a normal ejection fraction: a computer-simulation study. The Journal of Thoracic and Cardiovascular Surgery. 145 (5), 1352-1358 (2013).
  21. Fresiello, L., Meyns, B., Di Molfetta, A., Ferrari, G. A Model of the Cardiorespiratory Response to Aerobic Exercise in Healthy and Heart Failure Conditions. Frontiers in Physiology. 7 (189), (2016).
  22. Moscato, F., et al. Left ventricle afterload impedance control by an axial flow ventricular assist device: a potential tool for ventricular recovery. Artificial Organs. 34 (9), 736-744 (2010).
  23. Colacino, F. M., Moscato, F., Piedimonte, F., Arabia, M., Danieli, G. A. Left ventricle load impedance control by apical VAD can help heart recovery and patient perfusion: a numerical study. Asaio Journal. 53 (3), 263-277 (2007).
  24. Gu, K., et al. Lumped parameter model for heart failure with novel regulating mechanisms of peripheral resistance and vascular compliance. Asaio Journal. 58 (3), 223-231 (2012).
  25. Suga, H., Sagawa, K., Kostiuk, D. P. Controls of ventricular contractility assessed by pressure-volume ratio, Emax. Cardiovascular Research. 10 (5), 582-592 (1976).
  26. Fernandez de Canete, J., Saz-Orozco, P. d, Moreno-Boza, D., Duran-Venegas, E. Object-oriented modeling and simulation of the closed loop cardiovascular system by using SIMSCAPE. Computers in Biology and Medicine. 43 (4), 323-333 (2013).
  27. Heldt, T., Shim, E. B., Kamm, R. D., Mark, R. G., et al. Computational modeling of cardiovascular response to orthostatic stress. Journal of Applied Physiology. 92 (3), 1239-1254 (2002).
  28. Granegger, M., et al. A Valveless Pulsatile Pump for the Treatment of Heart Failure with Preserved Ejection Fraction: A Simulation Study. Cardiovascular Engineering and Technology. 10 (1), 69-79 (2019).
  29. Hay, I., Rich, J., Ferber, P., Burkhoff, D., Maurer, M. S. Role of impaired myocardial relaxation in the production of elevated left ventricular filling pressure. American Journal of Physiology-Heart and Circulatory Physiology. 288 (3), 1203-1208 (2005).
  30. Kadry, K., et al. Biomechanics of diastolic dysfunction: a one-dimensional computational modeling approach. American Journal of Physiology-Heart and Circulatory Physiology. 319 (4), 882-892 (2020).
  31. Luo, C., Ramachandran, D., Ware, D. L., Ma, T. S., Clark, J. W. Modeling left ventricular diastolic dysfunction: classification and key indicators. Theoretical Biology & Medical Modelling. 8, 14(2011).
  32. Burkhoff, D., et al. Left atrial decompression pump for severe heart failure with preserved ejection fraction: theoretical and clinical considerations. JACC: Heart Failure. 3 (4), 275-282 (2015).
  33. Ahmad Bakir, A., Al Abed, A., Stevens, M. C., Lovell, N. H., Dokos, S. A Multiphysics Biventricular Cardiac Model: Simulations With a Left-Ventricular Assist Device. Frontiers in Physiology. 9 (1259), (2018).
  34. Genet, M., Lee, L. C., Baillargeon, B., Guccione, J. M., Kuhl, E. Modeling pathologies of diastolic and systolic heart failure. Annals of Biomedical Engineering. 44 (1), 112-127 (2016).
  35. Sack, K. L., et al. Investigating the Role of Interventricular Interdependence in Development of Right Heart Dysfunction During LVAD Support: A Patient-Specific Methods-Based Approach. Frontiers in Physiology. 9 (520), (2018).
  36. Baillargeon, B., et al. Human cardiac function simulator for the optimal design of a novel annuloplasty ring with a sub-valvular element for correction of ischemic mitral regurgitation. Cardiovascular Engineering and Technology. 6 (2), 105-116 (2015).
  37. Sack, K. L., et al. Partial LVAD Restores Ventricular Outputs and Normalizes LV but not RV Stress Distributions in the Acutely Failing Heart in Silico. The International Journal of Artificial Organs. 39 (8), 421-430 (2016).
  38. Baumgartner, H., et al. Echocardiographic assessment of valve stenosis: EAE/ASE recommendations for clinical practice. Journal of the American Society of Echocardiography. 22 (1), 1-23 (2009).
  39. Rajani, R., Hancock, J., Chambers, J. The art of assessing aortic stenosis. Heart. 98, 14(2012).
  40. Vahanian, A., et al. Guidelines on the management of valvular heart disease: The Task Force on the Management of Valvular Heart Disease of the European Society of Cardiology. European Heart Journal. 28 (2), 230-268 (2007).
  41. Matiwala, S., Margulies, K. B. Mechanical approaches to alter remodeling. Current Heart Failure Reports. 1 (1), 14-18 (2004).
  42. NIH Clinical Trials Registry. ImCardia for DHF to Treat Diastolic Heart Failure (DHF) Patient a Pilot Study (ImCardia). , (2011).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

Похожие статьи