Summary
Denne protokollen demonstrerer arbeidsflyten til SILICOFCM-plattformen for automatisk å generere en parametrisk modell av venstre ventrikel fra pasientspesifikke ultralydbilder ved å bruke en multiskala elektromekanisk modell av hjertet. Denne plattformen muliggjør kliniske studier i silico som er ment å redusere reelle kliniske studier og maksimere positive terapeutiske resultater.
Abstract
SILICOFCM-prosjektet har hovedsakelig som mål å utvikle en beregningsplattform for kliniske studier av familiære kardiomyopatier (FCM). Den unike egenskapen til plattformen er integrasjonen av pasientspesifikke biologiske, genetiske og kliniske bildedata. Plattformen tillater testing og optimalisering av medisinsk behandling for å maksimere positive terapeutiske resultater. Dermed kan bivirkninger og legemiddelinteraksjoner unngås, plutselig hjertedød kan forebygges, og tiden mellom oppstart av medikamentell behandling og ønsket resultat kan forkortes. Denne artikkelen presenterer en parametrisk modell av venstre ventrikel automatisk generert fra pasientspesifikke ultralydbilder ved å bruke en elektromekanisk modell av hjertet. Legemiddeleffekter ble foreskrevet gjennom spesifikke grensebetingelser for innløps- og utløpsstrøm, EKG-målinger og kalsiumfunksjon for hjertemuskelegenskaper. Genetiske data fra pasienter ble inkorporert gjennom ventrikkelveggens materielle egenskap. Apikal visningsanalyse innebærer segmentering av venstre ventrikel ved hjelp av et tidligere trent U-nettrammeverk og beregning av grenserektangelet basert på lengden på venstre ventrikel i den diastoliske og systoliske syklusen. M-modus visningsanalyse inkluderer kanting av de karakteristiske områdene i venstre ventrikel i M-modusvisningen. Etter å ha trukket ut dimensjonene til venstre ventrikel, ble det generert et endelig elementnett basert på maskealternativer, og en endelig elementanalysesimulering ble kjørt med brukerforsynte innløps- og utløpshastigheter. Brukere kan direkte visualisere på plattformen ulike simuleringsresultater som trykkvolum, trykkbelastning og myokardiale arbeidstidsdiagrammer, samt animasjoner av forskjellige felt som forskyvninger, trykk, hastighet og skjærspenninger.
Introduction
Den raske utviklingen av informasjonsteknologi, simuleringsprogramvarepakker og medisinsk utstyr de siste årene gir mulighet for å samle inn en stor mengde klinisk informasjon. Å lage omfattende og detaljerte beregningsverktøy har derfor blitt avgjørende for å behandle spesifikk informasjon fra overflod av tilgjengelige data.
Fra legenes synspunkt er det av avgjørende betydning å skille mellom "normale" versus "unormale" fenotyper hos en bestemt pasient for å estimere sykdomsprogresjon, terapeutiske responser og fremtidige risikoer. Nylige beregningsmodeller har betydelig forbedret den integrerende forståelsen av oppførselen til hjertemuskler i hypertrofiske (HCM) og dilaterte (DCM) kardiomyopatier1. Det er avgjørende å bruke en høyoppløselig, detaljert og anatomisk nøyaktig modell av helhjertet elektrisk aktivitet, noe som krever massive beregningstider, dedikert programvare og superdatamaskiner 1,2,3. En metodikk for en ekte 3D-hjertemodell er nylig utviklet ved hjelp av en lineær elastisk og ortotropisk materialmodell basert på Holzapfel-eksperimenter, som nøyaktig kan forutsi det elektriske signaltransport- og forskyvningsfeltet i hjerte4. Utviklingen av nye integrerende modelleringsmetoder kan være et effektivt verktøy for å skille type og alvorlighetsgrad av symptomer hos pasienter med multigene lidelser og vurdere graden av svekkelse i normal fysisk aktivitet.
Det er imidlertid mange nye utfordringer for pasientspesifikk modellering. De fysiske og biologiske egenskapene til det menneskelige hjerte er ikke mulig å bestemme fullt ut. Ikke-invasive målinger inkluderer vanligvis støyende data som det er vanskelig å estimere spesifikke parametere for den enkelte pasient. Storskala beregning krever mye tid å kjøre, mens den kliniske tidsrammen er begrenset. Pasientpersonopplysninger bør håndteres på en slik måte at genererte metadata kan gjenbrukes uten at det går ut over pasientens konfidensialitet. Til tross for disse utfordringene kan multiskala hjertemodeller inkludere et tilstrekkelig detaljnivå for å oppnå spådommer som nøye følger observerte forbigående responser, og gir dermed løfte om potensielle kliniske anvendelser.
Men uavhengig av den betydelige vitenskapelige innsatsen fra flere forskningslaboratorier og den betydelige tilskuddsstøtten, er det for tiden bare en kommersielt tilgjengelig programvarepakke for multiskala og helhjertesimuleringer, kalt SIMULIA Living Heart Model5. Det inkluderer dynamisk elektromekanisk simulering, raffinert hjertegeometri, en blodstrømsmodell og fullstendig karakterisering av hjertevev, inkludert passive og aktive egenskaper, fibrøs natur og elektriske veier. Denne modellen er målrettet for bruk i persontilpasset medisin, men den aktive materialkarakteriseringen er basert på en fenomenologisk modell introdusert av Guccione et al.6,7. Derfor kan SIMULIA ikke direkte og nøyaktig oversette endringene i kontraktile proteinfunksjonelle egenskaper observert i mange hjertesykdommer. Disse endringene er forårsaket av mutasjoner og andre abnormiteter på molekylære og subcellulære nivåer6. Den begrensede bruken av SIMULIA-programvare for et lite antall applikasjoner i klinisk praksis er et godt eksempel på dagens kamp med å utvikle multiskala menneskelige hjertemodeller på høyere nivå. På den annen side motiverer det utviklingen av en ny generasjon multiskala programpakker som kan spore effekten av mutasjoner fra molekylær til organskala.
Hovedmålet med elektrofysiologi av hjertet er å bestemme signalutbredelse inne i torso og egenskapene til alle rom 4,5,6. SILICOFCM8-prosjektet forutsier utvikling av kardiomyopatisykdom ved hjelp av pasientspesifikke biologiske, genetiske og kliniske bildedata. Det oppnås med multiskala modellering av det realistiske sarkomeriske systemet, pasientens genetiske profil, muskelfiberretning, væskestrukturinteraksjon og elektrofysiologikobling. Effektene av venstre ventrikkelsdeformasjon, mitralventilbevegelse og kompleks hemodynamikk gir detaljert funksjonell oppførsel av hjerteforholdene hos en bestemt pasient.
Denne artikkelen demonstrerer bruken av SILICOFCM-plattformen for en parametrisk modell av venstre ventrikel (LV) generert automatisk fra pasientspesifikke ultralydbilder ved hjelp av en væskestruktur hjertemodell med elektromekanisk kobling. Apikal visning og M-modus visningsanalyser av LV ble generert med en dyp læringsalgoritme. Deretter, ved hjelp av maskegeneratoren, ble elementmodellen bygget automatisk for å simulere forskjellige grensebetingelser for hele syklusen for LV-sammentrekning9. På denne plattformen kan brukerne direkte visualisere simuleringsresultatene som trykkvolum, trykkbelastning og myokardiale arbeidstidsdiagrammer, samt animasjoner av forskjellige felt som forskyvninger, trykk, hastighet og skjærspenninger. Inngangsparametere fra spesifikke pasienter er geometri fra ultralydbilder, hastighetsprofil i inngangs- og utgangsgrensestrømningsbetingelsene for LV, og spesifikk medisinering (f.eks. entresto, digoksin, mavacamten, etc.).
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Protokollen i denne studien ble godkjent av UK National Health Service Health Research Authority North East-Tyne & Wear South Research Ethics Committee med referansenummer 18/NE/0318 6. februar 2019 og ble vedtatt av Institutional Review Board for hvert deltakende senter. Studien ble gjennomført innenfor prinsippene for god klinisk praksis og etter Helsinkideklarasjonen. Informert samtykke ble innhentet fra alle involverte i studien. Pasientinformasjonen holdes anonym.
1. Arbeidsflyt for ultralyd M-modus eller apikal visning DICOM bildeanalyse og LV-parameterutvinning
MERK: For å starte denne protokollen, må brukeren logge på SILICOFCM plattform8 og velge riktig arbeidsflyt (dvs. ultralydbildeanalyse ved hjelp av M-modus eller apikal visning). Arbeidsflyten for ultralyd M-mode DICOM bildeanalyse og LV-parameterutvinning innebærer for eksempel flere trinn. Det første trinnet er malmatching. Maler som skal matches inkluderer alle relevante nødvendige grenser. Det bør understrekes at for hvert nytt datasett skal malen trekkes ut manuelt bare en gang for hvert datasett som tilsvarer en bestemt ultralydsmaskin. Arbeidsflytdiagrammet er presentert i figur 1. Området som samsvarer med malen vil bli hentet fra det analyserte bildet etter at Felsenszwalbs effektive grafbaserte bildesegmenteringsalgoritme finner "sterke" grenser som tilsvarer kantene til septum og veggen til LV. Basert på disse grensene og stedene der hjertediametrene er de største (tilsvarer diameter i diastolen) og de minste (tilsvarer diameter i systole), ulike LV-dimensjoner vil bli beregnet. Brukeren bør definere om visningen er M-modus eller apikal visning.
- Logg inn på plattformen med brukernavn og passord. Under Virtual Population Module velger du ultralyd M-modus eller Apical view workflow.
- I listen over tilgjengelige arbeidsflyter velger du ultralydsammenslått arbeidsflyt.
- I Filopplasting-delen laster du opp bilder og DICOM-filer som er lagret lokalt på brukerens datamaskin (figur 2).
MERK: Innganger til modulen M-mode view DICOM-bildeanalyse fra en bestemt pasient og LV-parameterutvinning er testbildet (levert av brukeren i DICOM-format som representerer M-modus eller apikalvisning) og statiske filer (figur 1). De statiske filene består av a) input.txt-filen , som er en malfil som brukes til å overskrive de beregnede utdatamålene fra modulen (nye utdatafiler opprettes i sin tur fra denne filen), og b) malbildefilen, som brukes til malmatching (dvs. template_dicom_GEMS.jpg). - Velg enten Private eller Fellesmapper som målmappe for filene. Skriv inn ønsket kommentar eller notat i Kommentarer-delen før du starter arbeidsflyten. Velg apikalvisning og M-modus LV ultralydbilder og DICOM-filer lastet opp tidligere (trinn 1.3.) (Figur 3).
MERK: Ultralyd hjertesegmenteringsverktøy består av to undermoduler: apikalvisningen og M-modusvisningen. Begge modulene er tilgjengelige via plattformen. Analysen inkluderer beregning av de karakteristiske parametrene som er synlige i tilsvarende tverrsnitt. I begge tilfeller skrives de nødvendige verdiene til en fil som tas som input til den parametriske hjertemodellen fra brukersiden (se diskusjonen for detaljer). - Klikk på Utfør-knappen . Den interaktive plattformen varsler brukeren når arbeidsflyten som kjører, er ferdig.
- Visualiser den opprettede geometrien til LV direkte på plattformen (en 3D-modell vises automatisk på skjermen, som kan roteres med musen). Tilgjengelige alternativer inkluderer skyggelagte og trådrammemodeller for visualisering.
MERK: Etter at LV-dimensjonene er trukket ut, basert på maskealternativer, genereres nettverket av endelige elementer, og endelig elementanalysesimulering kjøres med brukerforeskrevne innløps- og utløpshastigheter (se nedenfor).
2. PAK endelig elementløser for fluidstruktur (FS) simuleringer
MERK: Dette verktøyet kan brukes til endelig elementanalyse av de koblede faststoffproblemene. Den støtter både sterk og løs kobling mellom fast og flytende. Elementer kan være heksahedroner eller tetraeder, med eller uten en ekstra knute i midten av elementet. Denne løseren har innebygde materialmodeller som Holzapfel-modellen, jegermuskelmodellen osv. PAK-FS informasjonsflytdiagrammet er avbildet i figur 4. Den starter fra inndatafilen og PAK-preprosessoren. PAK-preprosessorverktøyet sender ut en DAT-fil, som vil fungere som en inndatafil for den endelige elementløseren. Det endelige resultatet fra løseren er VTK-filer som inkluderer resultatene av den endelige elementsimuleringen: hastigheter, trykk, belastninger og spenninger i venstre ventrikel.
- Last ned malfilene for grensebetingelsene for innløps- og utløpshastigheter ved hjelp av knappene i den nederste delen (figur 3); Hvis pasientspesifikke flytgrensebetingelser er tilgjengelige, kan du laste ned og bruke disse filene. Last ned maskealternativene ved å klikke på den tilsvarende knappen i den nederste delen. Lagre disse filene i enten private eller fellesmapper.
- Last opp disse filene på samme måte som å laste opp bilder (figur 3). De foreskrevne innløps- og utløpshastighetene simulerer legemiddeltilstanden, mens maskealternativene styrer tettheten til det endelige elementnettet. For simulering av pasientspesifikke tilstander, modifiser standardverdiene for trykk, strømning, materialegenskaper og kalsiumfunksjon.
- Klikk på Utfør-knappen . En ny arbeidsflyt som kjører, vises i listen. Hvis noen av delene i arbeidsflyten ikke er klare, klikker du på Hjelp fil-knappen (figur 3) for å se detaljerte instruksjoner om hvordan du bruker denne arbeidsflyten, samt for å tolke resultatene.
MERK: Hvis alt kjøres uten feil, endres statusen til arbeidsflyten fra "kjører" til "ferdig ok". - Se resultatene med flere alternativer. Alternativt kan du laste ned resultatene; resultatmappen inneholder VTK-filer, CSV-filer og animasjoner.
- Klikk på øyeknappen for å se utkastningsfraksjon og globale arbeidseffektivitetsverdier, samt diagrammer over trykk vs. volum, trykk vs. belastning og myokardarbeid vs. tid.
- Klikk på kameraknappen for å forhåndsvise og spille av animasjoner av feltene forskyvning, trykk, skjærspenninger og hastighet.
- Klikk på 3D-visualiseringsknappen for å visualisere utdataene online i ParaView Glance.
- Last inn flere VTK-filer som tidligere er lastet ned som resultater. Se flere parametere av interesse og endre feltet, for eksempel til hastighet for visualisering.
- Rotere modellen eller endre fargevalget. Velg Surface med kanter eller Wireframe for representasjon av overflaten. Bruk samme metode på hver lastet VTK-fil.
3. Bestemmelse av ventrikkelaktiveringssekvens fra EKG-måling
MERK: En modifisert FitzHugh-Nagumo-modell av hjertecellen ble implementert. De prekordiale ledningene ble modellert med standard seks elektroder. Hjertets potensial ble optimalisert med invers EKG. Fra aktivering i sinoatrialnoden (som er en funksjon av tid), med heterogent handlingspotensial gjennom hjerte og torso, kan brukeren få elektrisk aktivitet på den totale torsomodellen. PAK-TORSO informasjonsflytdiagrammet er gitt i figur 5. Brukeren gir skalering av torsomodellen i alle retninger (x,y,z) og EKG-signalfunksjon. Deretter opprettes den skalerte modellen, og oppførselen simuleres ved hjelp av PAK-FS-problemløseren. Brukeren angir disse inndataverdiene i en tekstfil. Utgangen av simuleringen er en VTK-fil med hjertets elektriske aktivitet i det torso-innebygde miljøet.
- Gå til Utfør arbeidsflyt på hjemmesiden, og velg deretter torse-cwl i listen over tilgjengelige arbeidsflyter. Legg til en kommentar eller et notat i Kommentarer-delen før du kjører arbeidsflyten.
- Klikk på Input Template File-knappen og lagre innholdet som vises på nettsiden som input.txt fil, som skal brukes til torsomodellen. I feltet Inndatafil velger du den nedlastede inndatafilen.txt filen. Etter at filen er importert, klikker du på Utfør-knappen for å starte beregningen.
MERK: En ny arbeidsflyt vises nederst til venstre, med statusen vist som "kjører"; Beregningen varer omtrent 0,5 timer, og deretter endres statusen til "Ferdig OK". - Klikk på øye- eller kameraknappene nederst til venstre for å visualisere de tilgjengelige simuleringsrapportene eller animasjonene direkte på plattformen.
MERK: Resultatene inkluderer fordelinger av det elektriske feltet, hastighet, trykk, skjærspenning og deformasjon ved hvert tidstrinn. Animasjoner for hver av disse distribusjonene er mulig å se for den totale hjertesyklusen. - Alternativt kan du klikke på 3D-visualiseringsknappen for å visualisere utdataene online i ParaView Glance.
- Velg ÅPNE EN FIL-knappen , gå til BJELKE-fanen , skriv inn brukerlegitimasjon hvis du blir bedt om det, og åpne den private mappen.
- På neste side velger du mappen arbeidsflytutdata , og åpner torso-cwl-mappen . Åpne den første mappen på listen.
- Se listen over VTK-filer som representerer simuleringsresultatene. Velg en eller flere filer og klikk på SELECT-knappen for å laste inn filen i ParaView Glance.
- Manipuler modellgeometrien (dvs. flytt, roter, zoom inn eller ut osv.) ved hjelp av musen.
- Velg forskjellige alternativer for modellrepresentasjon som følger.
- Velg Wireframe-alternativet for å se det indre av overkroppen med et hjerte innlemmet i overkroppen. Velg alternativet Punkter for å vise en stiplet representasjon av torsomodellen med fullt hjertenett.
- Juster Point Size-verdien for å endre visningsresultatene. Juster opasitetsverdien for å se det indre av overkroppen og vise resultater inne i hjertenettet.
- Klikk på rullegardinmenyen Color By og velg ønsket alternativ, for eksempel elektrisk potensial. Endre standard fargeskala til et av de oppførte alternativene.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Som et eksempel er arbeidsflyten for ultralyd M-modus DICOM bildeanalyse og LV-parameterutvinning presentert i figur 1. M-modus og apikal visning kan testes separat eller etter hverandre, avhengig av parametrene av interesse. Hvis testet etter hverandre, blir resultatene lagt til en felles fil (separat for systole og diastole faser). Hvis bare én visning testes, hentes verdiene for ukjente parametere fra standard filinndata.txt (figur 1). SILICOFCM-verktøyet analyserer bildene avhengig av visningsmodus, som følger.
Apikal visningsanalyse inkluderer segmentering av LV ved hjelp av et tidligere trent U-net-rammeverk og beregning av grenserektangelet, basert på hvilket parametrene LV-lengde, diastolisk, 2D (LVLd [cm]) og LV-lengde, systolisk, 2D (LVLs [cm]) beregnes. Brukeren bør definere om visningen representerer den systoliske eller diastoliske fasen. Utdatafilene er som følger: a) input_parametric_diastole.stl eller input_parametric_systole.stl, som representerer inndatafilen for PAK-problemløser med opprettet geometri, inkludert den beregnede verdien for LVLd[cm] eller LVLs[cm] avhengig av brukerinngangen av om bildet representerer diastol eller systole; b) output_Apical_view.txt, som inneholder dataene for LVLd[cm] eller LVLs[cm], avhengig av brukerens inntasting av om bildet representerer diastolen eller systolen.
M-modusvisningsanalyse inkluderer kantlinjen til de karakteristiske områdene til LV i denne visningen. Basert på disse områdene beregnes ulike parametere. Utdatafilene er som følger: a) input_parametric_diastole.stl og input_parametric_systole.stl, som representerer inngangsgeometrien for PAK-løseren, inkludert beregnede verdier for interventrikulær septumtykkelse, diastolisk, M-modus (IVSd [cm]), interventrikulær septumtykkelse, systolisk, M-modus (IVSs [cm]), LV intern dimensjon, diastolisk, M-modus (LVIDd [cm]), LV intern dimensjon, systolisk, M-modus (LVIDs [cm]), LV bakre veggtykkelse, diastolisk, M-modus (LVPWd[cm]), og LV bakre veggtykkelse, systolisk, M-modus (LVPWs[cm]); b) output_M_mode.txt, som inneholder dataene for IVSd [cm], IVSs [cm], LVIDd [cm], LVIDs [cm], LVPWd [cm] og LVPWs [cm].
For å generere et eksempel på LV, så realistisk som mulig, ble en parametrisk type modell med spesifikke deler, nemlig basisdelen, ventiler (aorta og mitral) og tilkoblingsdel (dvs. forbindelsen mellom base og ventiler), generert via PAK endelige elementsimuleringer (trinn 2) ved hjelp av de beregnede parametrene for LV-geometri. Hver del har sin lengde og radius, samt antall lag (divisjon). Den endelige elementmodellen består av et væskedomene omgitt av en solid vegg som er koblet til basen og en del av tilkoblingslaget. For å simulere den realistiske oppførselen til LV-modellen, foreskrevne funksjoner for hastigheter ved innløpet (mitral; Figur 6A) og uttak (aorta; Figur 6B) ventiler ble brukt. En algoritme for automatisk beregning av fiberretning ble brukt på denne endelige elementmodellen. Resultatene for ett lag og trelags solid representasjon er vist i figur 7.
Figur 8 viser trykkfordelingen inne i den parametriske modellen i løpet av en tidssyklus på 1 s, delt inn i 10 tidstrinn. I løpet av de første fem trinnene er det ingen signifikante trykkendringer før sammentrekningen, når den når den høyeste verdien på skalaen og volumet av modellen begynner å øke samtidig. Figur 9 viser hvordan hastigheten fordeles inne i væskedelen av LV-modellen. Som vist er det bemerkelsesverdige verditopper inne i grenene, forårsaket av væskestrøm under laste- / lossesyklusen. Figur 10 viser hvordan forskyvningene fordeler seg langs modellen. I likhet med trykkendringen, i løpet av de to første trinnene, er forskyvningene ubetydelige til sammentrekningen, når de blir maksimale nederst i modellen. Gjennom den gjenværende tiden går modellen sakte tilbake til sin uformede tilstand. Figur 11 viser det resulterende trykkvolumdiagrammet (PV). Figur 12 viser vektorrepresentasjonen av hastigheter inne i væskedelen av ventrikkelmodellen. Fasehastighetsvektorer er tilstede inne i mitralventilen under væskeinnstrømningen, og etter at ventrikkelen er fylt med væske fra 0,7 s, går væske ut gjennom aortadelen.
Monodomain-ligninger for det fullt koblede hjerte-torsosystemet ble brukt for å simulere elektrofysiologi. Myokard- og torsoledningsevne er definert i tabell 1 10,11,12,13,14. Nullfluks ble brukt for Vm som grensebetingelse for alle indre grenser i kontakt med lunger, overkropp og hjerte. Derfor, −n · Γ = 0, hvor n er enheten utover normalvektoren på grensen og Γ er fluksvektoren gjennom den grensen for den intracellulære spenningen, lik Γ = − σ· ∂Vm/∂n. Deretter ble klassiske tilnærminger implementert for å løse EKG-inverse problemet ved hjelp av epikardial potensialformulering. Metodene som ble brukt var familien av Tikhonov-metoder og L-regulariseringsbaserte metoder 10,11,12,13,14.
Helhjertet elektrisk aktivitet i det torso-innebygde miljøet er presentert i figur 13. Et spesialisert ledningssystem med heterogene virkningspotensialmorfologier i hele hjertet ble inkorporert i initiering av aktivering i sinoatrialnoden. Figur 14 viser kartene over kroppsoverflatepotensial hos et friskt individ under progresjonen av ventrikulær aktivering i ni sekvenser som tilsvarer det målte EKG-signalet.
Figur 1: Informasjonsflytdiagram for ultralyd M-modus DICOM bildeanalyse og LV-parameterekstraksjon. Klikk her for å se en større versjon av denne figuren.
Figur 2: Laste opp nye filer for analyse. Klikk her for å se en større versjon av denne figuren.
Figur 3: Brukergrensesnitt for ultralyd apikal visning DICOM bildeanalyse og LV-parameterutvinning. Klikk her for å se en større versjon av denne figuren.
Figur 4: PAK-FS informasjonsflytdiagram. Klikk her for å se en større versjon av denne figuren.
Figur 5: PAK-TORSO informasjonsflytdiagram. Klikk her for å se en større versjon av denne figuren.
Figur 6: Hastighetsprofil . (A) Innløpsfunksjon av hastighet ved mitralklafftverrsnitt, og (B) utløpshastighetsfunksjon ved aortaklafftverrsnitt. Vennligst klikk her for å se en større versjon av denne figuren.
Figur 7: Parametrisk LV-modell med fiberretning . (A) En-lags solid vegg, og (B) trelags solid veggrepresentasjon. Vennligst klikk her for å se en større versjon av denne figuren.
Figur 8: Trykkfelt inne i den parametriske LV-modellen. Fem forskjellige tidstrinn presenteres. Vennligst klikk her for å se en større versjon av denne figuren.
Figur 9: Hastighetsfeltet inne i den parametriske LV-modellen. Fem forskjellige tidstrinn presenteres. Vennligst klikk her for å se en større versjon av denne figuren.
Figur 10: Forskyvninger i den parametriske LV-modellen. Fem forskjellige tidstrinn presenteres. Vennligst klikk her for å se en større versjon av denne figuren.
Figur 11: Trykk vs. volum (PV) diagram for LV væskestruktur interaksjonsmodell. Den foreskrevne syklusvarigheten på 1 s er delt inn i 10 tidstrinn. Fem representative tidstrinn vises. Vennligst klikk her for å se en større versjon av denne figuren.
Figur 12: Vektoriell representasjon av hastigheter i den parametriske modellen til venstre ventrikkel. Fire representative tidstrinn vises. Vennligst klikk her for å se en større versjon av denne figuren.
Figur 13: Simulering av helhjerteaktivering ved ulike tidspunkter på avledning II EKG-signal. 1–9 aktiveringssekvenser i (B) tilsvarer EKG-signalet i (A). Transmembranpotensialet i mV er betegnet med fargelinjen. Vennligst klikk her for å se en større versjon av denne figuren.
Figur 14: Kart over kroppsoverflatepotensial hos et sunt forsøksperson. Progresjon av ventrikkelaktivering i ni sekvenser (nedre panel) tilsvarende EKG-signalet (øvre panel). Hjerteaktivitetsområdet i mV er betegnet med fargelinjen. Vennligst klikk her for å se en større versjon av denne figuren.
| Parameter | SAN | Atria | AVN | Hans | BNL | Purkinje | Ventriklene | |
| En | -0.6 | 0.13 | 0.13 | 0.13 | 0.13 | 0.13 | 0.13 | |
| B | -0.3 | 0 | 0 | 0 | 0 | 0 | 0 | |
| c1(AsV−1 m−3) | 1000 | 2.6 | 2.6 | 2.6 | 2.6 | 2.6 | 2.6 | |
| c2 (AsV−1 m−3) | 1 | 1 | 1 | 1 | 1 | 1 | 1 | |
| D | 0 | 1 | 1 | 1 | 1 | 1 | 1 | |
| e | 0.066 | 0.0132 | 0.0132 | 0.005 | 0.0022 | 0.0047 | 0.006 | |
| A (mV) | 33 | 140 | 140 | 140 | 140 | 140 | 140 | |
| B (mV) | -22 | -85 | -85 | -85 | -85 | -85 | -85 | |
| k | 1000 | 1000 | 1000 | 1000 | 1000 | 1000 | 1000 | |
| σ (mS·m-1) | 0.5 | 8 | 0.5 | 10 | 15 | 35 | 8 | |
Tabell 1: Parametere for monodomain-modell med modifiserte FitzHugh-Nahumo-ligninger.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
SILICOFCM-prosjektet er en in silico klinisk forsøksplattform for å designe virtuelle pasientpopulasjoner for risikoforutsigelse, testing av effekten av farmakologisk behandling og reduksjon av dyreforsøk og kliniske studier på mennesker. Testing av effekten av farmakologisk behandling ble modellert med foreskrevne strømningsbetingelser for innløps-/utløpsgrenser, kalsiumfunksjon og materialveggegenskaper. Denne plattformen integrerer multiskalametoder på sarkomerisk nivå med helhjerteytelse og det funksjonelle optimaliseringsnivået for risikoforutsigelse av pasientspesifikke forhold under kardiomyopatisk sykdomsprogresjon.
Hjertemodellering for kardiomyopati og elektromekanisk kobling av LV i SILICOFCM8-prosjektet er presentert. Geometrien til hjertemodellen inkluderte syv forskjellige regioner: 1) sinoatrial node; 2) atria; 3) atrioventrikulær knute; 4) Hans bunt; 5) bunt fibre; 6) Purkinje fibre; og 7) ventrikulært myokard. Kart over kroppsoverflatepotensial hos et friskt forsøksperson under progresjonen av ventrikkelaktivering i ni sekvenser tilsvarende EKG-signalet har blitt presentert.
Etter at dimensjonene til venstre ventrikel er ekstrahert, basert på maskealternativer, genereres nettverket av endelige elementer og endelig elementanalysesimulering kjøres med brukerforeskrevne innløps- og utløpshastigheter. Brukere kan visualisere løsninger direkte på plattformen ved å se på tilgjengelige animasjoner og diagrammer. Brukere kan visualisere trykkvolum, trykkbelastning og myokardiale arbeidstidsdiagrammer ved å klikke på øyesymbolet. Hvis brukere klikker på kameraknappen, vises listen over tilgjengelige animasjoner av forskjellige felt (forskyvninger, trykk, hastighet, skjærspenninger).
Det er noen begrensninger ved studien. Parametrisk LV-geometri ble hentet fra ultralydbilder. Den fremtidige versjonen vil gå inn i mer detaljert geometrisk rekonstruksjon. En direkte forbindelse med spesifikke legemidler for kardiomyopati er ikke presentert i dette manuskriptet. I denne studien styres det gjennom grensebetingelser for strømning og trykk. Genetiske data er for tiden innlemmet gjennom kalsium hjertemuskelfunksjon og den ikke-lineære materialegenskapen til veggen. I den fremtidige versjonen vil flere detaljer fra bilderekonstruksjon og genetiske data for pasientspesifikk kardiomyopatisk sykdom (hypertrofisk og dilatert genetisk variant) bli vurdert.
SILICOFCM beregningsplattform8 vil åpne en ny vei for kliniske studier i silico , spesielt for hjertesykdom og risikoforutsigelse for den pasientspesifikke tilstanden. Gullstandarden for dagens kliniske praksis for risikoprediksjon er standard overlevelseskalkulator for kardiomyopatipasienter. Plattformen som brukes her kan gi mer informasjon i forhold til dagens medisinske standard, da modelleringen ikke bare inkluderer biomarkørene, men også pasientspesifikk geometri, strømnings- og trykkhemodynamikkforhold, veggmaterialeegenskaper (fra deformasjon i bildene) og legemiddelrespons med forskjellige kombinasjoner av grensebetingelser, kalsiumfunksjon og materialegenskaper.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Forfatterne har ingen interessekonflikter.
Acknowledgments
Denne studien støttes av EUs Horizon 2020 forsknings- og innovasjonsprogram under tilskuddsavtale SILICOFCM 777204 og departementet for utdanning, vitenskap og teknologisk utvikling i Republikken Serbia gjennom kontrakter nr. 451-03-68/2022-14/200107. Denne artikkelen gjenspeiler bare forfatternes synspunkter. EU-kommisjonen er ikke ansvarlig for eventuell bruk av informasjonen artikkelen inneholder.
Materials
| Name | Company | Catalog Number | Comments |
| SILICOFCM project | www.silicofcm.eu | open access for registered users |
References
- Gibbons Kroeker, C. A., Adeeb, S., Tyberg, J. V., Shrive, N. G. A 2D FE model of the heart demonstrates the role of the pericardium in ventricular deformation. American Journal of Physiology. 291 (5), 2229-2236 (2006).
- Pullan, A. J., Buist, M. L., Cheng, L. K. Mathematically Modelling the Electrical Activity of the Heart - From Cell To Body Surface and Back Again. , World Scientific. (2005).
- Trudel, M. -C., Dub´e, B., Potse, M., Gulrajani, R. M., Leon, L. J. Simulation of QRST integral maps with a membrane based computer heart model employing parallel processing. IEEE Transactions on Biomedical Engineering. 51 (8), 1319-1329 (2004).
- Kojic, M., et al. Smeared multiscale finite element models for mass transport and electrophysiology coupled to muscle mechanics. Frontiers in Bioengineering and Biotechnology. 7, 381 (2019).
- 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).
- Guccione, J. M., McCulloch, A. D. Mechanics of active contraction in cardiac muscle: Part I--Constitutive relations for fiber stress that describe deactivation. TheJournal of Biomechanical Engineering. 115, 72-81 (1993).
- Guccione, J. M., Waldman, L. K., McCulloch, A. D. Mechanics of active contraction in cardiac muscle: Part II--Cylindrical models of the systolic left ventricle. The Journal of Biomechanical Engineering. 115, 82-90 (1993).
- H2020 project SILICOFCM: In Silico. trials for drug tracing the effects of sarcomeric protein mutations leading to familial cardiomyopathy. , Available from: www.silicofcm.eu 2018-2022 (2022).
- Kojic, M., et al. Smeared multiscale finite element model for electrophysiology and ionic transport in biological tissue. Computers in Biology and Medicine. 108, 288-304 (2019).
- Wang, Y., Rudy, Y. Application of the method of fundamental solutions to potential-based inverse electrocardiography. Annals of Biomedical Engineering. 34 (8), 1272-1288 (2006).
- Van Oosterom, A. The use of the spatial covariance in computing pericardial potentials. IEEE Transactions on Biomedical Engineering. 46 (7), 778-787 (1999).
- Van Oosterom, A. The spatial covariance used in computing the pericardial potential distribution. Computational Inverse Problems in Electrocardiography. , 1-50 (2001).
- Van Oosterom, A. Source models in inverse electrocardiography. International Journal of Bioelectromagnetism. 5, 211-214 (2003).
- Van Oosterom, A. The equivalent double layer: source models for repolarization. Comprehensive Electrocardiology. , Springer. 227-246 (2010).
