Summary
Este protocolo demonstra o fluxo de trabalho da plataforma SILICOFCM para gerar automaticamente um modelo paramétrico do ventrículo esquerdo a partir de imagens ultrassonográficas específicas do paciente, aplicando um modelo eletromecânico multiescala do coração. Esta plataforma permite ensaios clínicos in silico destinados a reduzir os ensaios clínicos reais e maximizar os resultados terapêuticos positivos.
Abstract
O projeto SILICOFCM visa principalmente desenvolver uma plataforma computacional para ensaios clínicos in silico de cardiomiopatias familiares (MCA). A característica única da plataforma é a integração de dados de imagem biológica, genética e clínica específicos do paciente. A plataforma permite o teste e a otimização do tratamento médico para maximizar os resultados terapêuticos positivos. Assim, os efeitos adversos e as interações medicamentosas podem ser evitados, a morte súbita cardíaca pode ser evitada e o tempo entre o início do tratamento medicamentoso e o resultado desejado pode ser encurtado. Este artigo apresenta um modelo paramétrico do ventrículo esquerdo gerado automaticamente a partir de imagens ultrassonográficas específicas do paciente, aplicando um modelo eletromecânico do coração. Os efeitos da droga foram prescritos através de condições de contorno específicas para o fluxo de entrada e saída, medições de ECG e função de cálcio para propriedades do músculo cardíaco. Os dados genéticos dos pacientes foram incorporados através da propriedade material da parede do ventrículo. A análise da visão apical envolve a segmentação do ventrículo esquerdo usando uma estrutura de rede U previamente treinada e o cálculo do retângulo limítrofe com base no comprimento do ventrículo esquerdo no ciclo diastólico e sistólico. A análise da visualização do modo M inclui a borda das áreas características do ventrículo esquerdo na visualização do modo M. Após a extração das dimensões do ventrículo esquerdo, uma malha de elementos finitos foi gerada com base em opções de malha, e uma simulação de análise de elementos finitos foi executada com velocidades de entrada e saída fornecidas pelo usuário. Os usuários podem visualizar diretamente na plataforma vários resultados de simulação, como diagramas de pressão-volume, pressão-deformação e tempo de trabalho miocárdico, bem como animações de diferentes campos, como deslocamentos, pressões, velocidade e tensões de cisalhamento.
Introduction
O rápido desenvolvimento de tecnologias da informação, pacotes de software de simulação e dispositivos médicos nos últimos anos oferece a oportunidade de coletar uma grande quantidade de informações clínicas. A criação de ferramentas computacionais abrangentes e detalhadas tornou-se, portanto, essencial para processar informações específicas a partir da abundância de dados disponíveis.
Do ponto de vista dos médicos, é de suma importância distinguir fenótipos "normais" versus "anormais" em um paciente específico para estimar a progressão da doença, as respostas terapêuticas e os riscos futuros. Modelos computacionais recentes melhoraram significativamente a compreensão integrativa do comportamento dos músculos cardíacos em cardiomiopatias hipertróficas (CMH) e dilatadas (DCM)1. É crucial utilizar um modelo de alta resolução, detalhado e anatomicamente preciso da atividade elétrica de todo o coração, o que requer tempos de computação massivos, software dedicado e supercomputadores 1,2,3. Uma metodologia para um modelo cardíaco 3D real foi recentemente desenvolvida utilizando um modelo linear de material elástico e ortotrópico baseado em experimentos de Holzapfel, que pode prever com precisão o campo de transporte e deslocamento de sinal elétrico dentro do coração4. O desenvolvimento de novas abordagens de modelagem integrativa pode ser uma ferramenta eficaz para distinguir o tipo e a gravidade dos sintomas em pacientes com distúrbios multigênicos e avaliar o grau de comprometimento da atividade física normal.
Há, no entanto, muitos novos desafios para a modelagem específica do paciente. As propriedades físicas e biológicas do coração humano não são possíveis de determinar completamente. As medições não invasivas geralmente incluem dados ruidosos a partir dos quais é difícil estimar parâmetros específicos para o paciente individual. A computação em larga escala requer muito tempo para ser executada, enquanto o período de tempo clínico é limitado. Os dados pessoais do doente devem ser geridos de forma a que os metadados gerados possam ser reutilizados sem comprometer a confidencialidade do doente. Apesar desses desafios, os modelos cardíacos em várias escalas podem incluir um nível suficiente de detalhes para alcançar previsões que sigam de perto as respostas transitórias observadas, fornecendo assim uma promessa para aplicações clínicas prospectivas.
No entanto, independentemente do esforço científico substancial de vários laboratórios de pesquisa e da quantidade significativa de apoio financeiro, atualmente, existe apenas um pacote de software comercialmente disponível para simulações multiescala e de coração inteiro, chamado SIMULIA Living Heart Model5. Inclui simulação eletromecânica dinâmica, geometria cardíaca refinada, um modelo de fluxo sanguíneo e caracterização completa do tecido cardíaco, incluindo características passivas e ativas, natureza fibrosa e vias elétricas. Esse modelo é direcionado para uso em medicina personalizada, mas a caracterização do material ativo é baseada em um modelo fenomenológico introduzido por Guccione et al.6,7. Portanto, o SIMULIA não pode traduzir direta e com precisão as alterações nas características funcionais da proteína contrátil observadas em inúmeras doenças cardíacas. Essas alterações são causadas por mutações e outras anormalidades nos níveis molecular e subcelular6. O uso limitado do software SIMULIA para um pequeno número de aplicações na prática clínica é um ótimo exemplo das lutas de hoje no desenvolvimento de modelos cardíacos humanos multiescala de nível superior. Por outro lado, motiva o desenvolvimento de uma nova geração de pacotes de programas multiescala que podem rastrear os efeitos de mutações da escala molecular para a escala de órgãos.
O principal objetivo da eletrofisiologia do coração é determinar a propagação do sinal no interior do tronco e as propriedades de todos os compartimentos 4,5,6. O projeto SILICOFCM8 prevê o desenvolvimento da doença cardiomiopatia usando dados biológicos, genéticos e clínicos específicos do paciente. Isso é alcançado com a modelagem multiescala do sistema sarcômero realista, o perfil genético do paciente, a direção da fibra muscular, a interação fluido-estrutura e o acoplamento eletrofisiológico. Os efeitos da deformação do ventrículo esquerdo, do movimento da válvula mitral e da hemodinâmica complexa fornecem um comportamento funcional detalhado das condições cardíacas em um paciente específico.
Este artigo demonstra o uso da plataforma SILICOFCM para um modelo paramétrico do ventrículo esquerdo (VE) gerado automaticamente a partir de imagens ultrassonográficas específicas do paciente, utilizando um modelo de coração de estrutura fluida com acoplamento eletromecânico. As análises de visão apical e de visão em modo M do VE foram geradas com um algoritmo de aprendizagem profunda. Em seguida, utilizando o gerador de malha, o modelo de elementos finitos foi construído automaticamente para simular diferentes condições de contorno do ciclo completo para a contração do VE9. Nesta plataforma, os usuários podem visualizar diretamente os resultados da simulação, como diagramas de pressão-volume, pressão-deformação e tempo de trabalho miocárdico, bem como animações de diferentes campos, como deslocamentos, pressões, velocidade e tensões de cisalhamento. Os parâmetros de entrada de pacientes específicos são a geometria de imagens de ultrassom, o perfil de velocidade nas condições de fluxo de contorno de entrada e saída para o VE e a terapia medicamentosa específica (por exemplo, entresto, digoxina, mavacamten, etc.).
Subscription Required. Please recommend JoVE to your librarian.
Protocol
O protocolo deste estudo foi aprovado pelo Comitê de Ética em Pesquisa em Pesquisa do Serviço Nacional de Saúde do Reino Unido North East-Tyne & Wear South com o número de referência 18/NE/0318 em 6 de fevereiro de 2019 e foi adotado pelo Conselho de Revisão Institucional de cada centro participante. O estudo foi realizado dentro dos princípios de Boas Práticas Clínicas e seguindo a Declaração de Helsinque. O consentimento informado foi obtido de todos os sujeitos envolvidos no estudo. As informações do paciente são mantidas anônimas.
1. Fluxo de trabalho para ultrassom M-mode ou Apical view DICOM análise de imagem e extração de parâmetros LV
NOTA: Para iniciar este protocolo, o usuário deve efetuar login na plataforma SILICOFCM8 e escolher o fluxo de trabalho apropriado (ou seja, análise de imagem de ultrassom usando o modo M ou a visualização Apical). O fluxo de trabalho para análise de imagem DICOM em modo M de ultrassom e extração de parâmetros LV, por exemplo, envolve várias etapas. A primeira etapa é a correspondência de modelos. Os modelos a serem combinados incluem todas as fronteiras necessárias relevantes. Deve-se enfatizar que, para cada novo conjunto de dados, o modelo deve ser extraído manualmente apenas uma vez para cada conjunto de dados que corresponda a uma máquina de ultrassom específica. O diagrama de fluxo de trabalho é apresentado na Figura 1. A área correspondente ao modelo será extraída da imagem analisada depois que o eficiente algoritmo de segmentação de imagem baseado em gráficos de Felsenszwalb encontrar limites "fortes" que correspondem às bordas do septo e da parede do VE. Com base nessas bordas e nos locais onde os diâmetros cardíacos são os maiores (corresponde ao diâmetro na diástole) e os menores (corresponde ao diâmetro na sístole), várias dimensões do VE serão calculadas. O usuário deve definir se o modo de exibição é modo M ou modo Apical.
- Faça login na plataforma com um nome de usuário e senha. Em Módulo de População Virtual, escolha o modo M de ultrassom ou o fluxo de trabalho de exibição apical.
- Na lista de fluxos de trabalho disponíveis, selecione o fluxo de trabalho mesclado por ultrassom .
- Na seção File Upload , carregue imagens e arquivos DICOM armazenados localmente no computador do usuário (Figura 2).
NOTA: As entradas para a análise de imagem DICOM de visualização de modo M do módulo de um paciente específico e extração de parâmetros de VE são a imagem de teste (fornecida pelo usuário no formato DICOM representando o modo M ou a visualização Apical) e arquivos estáticos (Figura 1). Os arquivos estáticos compreendem a) o arquivo de entrada.txt , que é um arquivo de modelo usado para substituir as medidas de saída calculadas do módulo (novos arquivos de saída são criados, por sua vez, a partir desse arquivo) e b) o arquivo de imagem de modelo, que é usado para correspondência de modelo (ou seja, template_dicom_GEMS.jpg). - Selecione pastas Privadas ou Públicas como a Pasta de Destino dos arquivos. Digite o comentário ou anotação desejado na seção Comentários antes de iniciar o fluxo de trabalho. Selecione a visualização Apical e as imagens de ultrassom LV em modo M e os arquivos DICOM carregados anteriormente (Etapa 1.3). (Figura 3).
NOTA: A ferramenta de segmentação cardíaca por ultrassom consiste em dois submódulos: a visualização apical e a visualização em modo M. Ambos os módulos são acessados através da plataforma. A análise inclui o cálculo dos parâmetros característicos visíveis nas seções transversais correspondentes. Em ambos os casos, os valores necessários são gravados em um arquivo que é tomado como entrada para o modelo de coração paramétrico do lado do usuário (consulte a discussão para obter detalhes). - Clique no botão Executar . A plataforma interativa notifica o usuário quando o fluxo de trabalho em execução é concluído.
- Visualize a geometria criada do LV diretamente na plataforma (um modelo 3D aparecerá automaticamente na tela, que pode ser girado usando o mouse). As opções disponíveis incluem modelos Shaded e Wireframe para visualização.
NOTA: Depois que as dimensões do VE são extraídas, com base nas opções de malha, a malha de elementos finitos é gerada e a simulação de análise de elementos finitos é executada com velocidades de entrada e saída prescritas pelo usuário (veja abaixo).
2. Solucionador de elementos finitos PAK para simulações de estrutura fluida (FS)
NOTA: Esta ferramenta pode ser usada para a análise de elementos finitos dos problemas de fluido-sólido acoplado. Ele suporta acoplamento forte e solto entre sólido e fluido. Os elementos podem ser hexaedros ou tetraedros, com ou sem um nó adicional no centro do elemento. Este solucionador tem modelos de materiais embutidos, como o modelo Holzapfel, modelo muscular caçador, etc. O diagrama de fluxo de informações PAK-FS é representado na Figura 4. Ele é iniciado a partir do arquivo de entrada e do pré-processador PAK. A ferramenta de pré-processador PAK produz um arquivo DAT, que servirá como um arquivo de entrada para o solucionador de elementos finitos. A saída final do solucionador são arquivos VTK que incluem os resultados da simulação de elementos finitos: velocidades, pressões, deformações e tensões no ventrículo esquerdo.
- Baixe os arquivos de modelo para as condições de contorno das velocidades de entrada e saída usando os botões na seção inferior (Figura 3); se as condições de contorno de fluxo específicas do paciente estiverem disponíveis, baixe e use esses arquivos. Baixe as opções de malha clicando no botão correspondente na seção inferior. Salve esses arquivos em pastas Privada ou Pública.
- Carregue esses arquivos de maneira semelhante ao upload de imagens (Figura 3). As velocidades de entrada e saída prescritas simulam a condição da droga, enquanto as opções de malha controlam a densidade da malha de elementos finitos. Para simular condições específicas do paciente, modifique os valores padrão de pressão, fluxo, propriedades do material e função do cálcio.
- Clique no botão Executar . Um novo fluxo de trabalho em execução aparecerá na lista. Se alguma das seções do fluxo de trabalho não estiver clara, clique no botão Arquivo de Ajuda (Figura 3) para exibir instruções detalhadas sobre como usar esse fluxo de trabalho, bem como para interpretar os resultados.
Observação : se tudo for executado sem erros, o status do fluxo de trabalho mudará de "em execução" para "concluído ok". - Veja os resultados com várias opções. Alternativamente, baixe os resultados; a pasta de resultados contém arquivos VTK, arquivos CSV e animações.
- Clique no botão do olho para visualizar a fração de ejeção e os valores globais de eficiência do trabalho, bem como diagramas de pressão versus volume, pressão versus deformação e trabalho miocárdico versus tempo.
- Clique no botão da câmera para visualizar e reproduzir animações dos campos de deslocamento, pressão, tensões de cisalhamento e velocidade.
- Clique no botão de visualização 3D para visualizar as saídas on-line no ParaView Glance.
- Carregue vários arquivos VTK baixados anteriormente como resultados. Veja vários parâmetros de interesse e altere o campo, por exemplo, para velocidade para visualização.
- Gire o modelo ou altere o esquema de cores. Escolha Superfície com bordas ou Wireframe para a representação da superfície. Aplique a mesma metodologia a cada arquivo VTK carregado.
3. Determinação da sequência de ativação ventricular a partir da medida do ECG
NOTA: Um modelo de FitzHugh-Nagumo modificado da célula cardíaca foi implementado. As derivações precordiais foram modeladas com os seis eletrodos padrão. O potencial do coração foi otimizado com ECG inverso. A partir da ativação no nó sinoatrial (que é uma função do tempo), com potencial de ação heterogêneo através do coração e tronco, o usuário pode obter atividade elétrica no modelo de tronco total. O fluxograma de informações PAK-TORSO é apresentado na Figura 5. O usuário fornece dimensionamento do modelo de tronco em todas as direções (x, y, z) e função de sinal de ECG. Em seguida, o modelo dimensionado é criado e seu comportamento é simulado usando o solucionador PAK-FS. O usuário fornece esses valores de entrada em um arquivo de texto. A saída da simulação é um arquivo VTK com a atividade elétrica do coração no ambiente incorporado ao tronco.
- Na página inicial, vá para Executar fluxo de trabalho e, em seguida, escolha torse-cwl na lista de fluxos de trabalho disponíveis. Adicione um comentário ou anotação na seção Comentários antes de executar o fluxo de trabalho.
- Clique no botão Arquivo de modelo de entrada e salve o conteúdo mostrado na página da Web como arquivo de entrada.txt , que será usado para o modelo de tronco. No campo Arquivo de Entrada , selecione o arquivo .txt entrada baixado. Depois que o arquivo for importado, clique no botão Executar para iniciar o cálculo.
Observação : um novo fluxo de trabalho aparecerá no canto inferior esquerdo, com seu status mostrado como "em execução"; o cálculo dura cerca de 0,5 h e, em seguida, o status mudará para "concluído ok". - Clique nos botões de olho ou câmera no canto inferior esquerdo para visualizar os relatórios de simulação ou animações disponíveis diretamente na plataforma.
NOTA: Os resultados incluem distribuições do campo elétrico, velocidade, pressão, tensão de cisalhamento e deformação em cada etapa de tempo. Animações para cada uma dessas distribuições são possíveis de visualizar para o ciclo cardíaco total. - Como alternativa, clique no botão de visualização 3D para visualizar as saídas on-line no ParaView Glance.
- Selecione o botão ABRIR UM ARQUIVO , vá para a guia GIRDER , insira as credenciais do usuário, se solicitado, e abra a pasta Particular.
- Na página seguinte, selecione a pasta workflow-outputs e abra a pasta torso-cwl . Abra a primeira pasta da lista.
- Consulte a lista de arquivos VTK que representam os resultados da simulação. Escolha um ou mais arquivos e clique no botão SELECT para carregar o arquivo no ParaView Glance.
- Manipule a geometria do modelo (ou seja, mover, girar, aumentar ou diminuir o zoom, etc.) usando o mouse.
- Selecione opções diferentes para representação de modelo da seguinte maneira.
- Escolha a opção Wireframe para ver o interior do tronco com um coração incorporado dentro do tronco. Escolha a opção Pontos para exibir uma representação pontilhada do modelo de tronco com malha de coração cheio.
- Ajuste o valor Tamanho do Ponto para alterar os resultados da exibição. Ajuste o valor de Opacidade para ver o interior do tronco e exibir os resultados dentro da malha do coração.
- Clique no menu suspenso Cor por e escolha a opção desejada, por exemplo, potencial elétrico. Altere a escala de cores padrão para qualquer uma das opções listadas.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Como exemplo, o fluxo de trabalho para análise de imagem DICOM em modo M de ultrassom e extração de parâmetros LV é apresentado na Figura 1. O modo M e a visão apical podem ser testados separadamente ou um após o outro, dependendo dos parâmetros de interesse. Se testados um após o outro, os resultados são anexados a um arquivo comum (separadamente para as fases de sístole e diástole). Se apenas uma exibição for testada, os valores de parâmetros desconhecidos serão retirados da entrada de arquivo padrão.txt (Figura 1). A ferramenta SILICOFCM analisa as imagens dependendo do modo de visualização, da seguinte forma.
A análise da visão apical inclui segmentar o VE usando uma estrutura U-net previamente treinada e calcular o retângulo de borda, com base no qual os parâmetros comprimento do VE, diastólico, 2D (LVLd[cm]) e comprimento do VE, sistólico, 2D (LVLs[cm]) são calculados. O usuário deve definir se a visualização representa a fase sistólica ou diastólica. Os arquivos de saída são os seguintes: a) input_parametric_diastole.stl ou input_parametric_systole.stl, que representa o arquivo de entrada para o solucionador PAK com geometria criada, incluindo o valor calculado para LVLd[cm] ou LVLs[cm], dependendo da entrada do usuário se a imagem representa diástole ou sístole; b) output_Apical_view.txt, que contém os dados para LVLd[cm] ou LVLs[cm], dependendo da entrada do usuário se a imagem representa diástole ou sístole.
A análise da visualização do modo M inclui a borda das áreas características do VE nesta visão. Com base nessas áreas, vários parâmetros são calculados. Os arquivos de saída são os seguintes: a) input_parametric_diastole.stl e input_parametric_systole.stl, que representam a geometria de entrada para o solucionador PAK, incluindo valores calculados para espessura do septo interventricular, diastólica, modo M (IVSd[cm]), espessura do septo interventricular, sistólica, modo M (IVSs[cm]), dimensão interna do VE, diastólica, modo M (LVIDd[cm]), dimensão interna do VE, sistólica, modo M (LVIDs[cm]), espessura da parede posterior do VE, diastólica, modo-M (LVPWd[cm]), e espessura da parede posterior do VE, sistólica, modo-M (LVPWs[cm]); b) output_M_mode.txt, que contém os dados para IVSd [cm], IVSs [cm], LVIDd [cm], LVIDs [cm], LVPWd [cm] e LVPWs [cm].
Para gerar um exemplo de VE, o mais realista possível, um tipo paramétrico de modelo com partes específicas, ou seja, a parte de base, válvulas (aórtica e mitral) e parte de conexão (ou seja, a conexão entre base e válvulas), foi gerado via simulações de elementos finitos PAK (Passo 2) usando os parâmetros calculados da geometria do VE. Cada parte tem seu comprimento e raio, bem como o número de camadas (divisão). O modelo de elementos finitos consiste em um domínio fluido cercado por uma parede sólida que é conectada à base e parte da camada de conexão. Para simular o comportamento realista do modelo VE, prescreveram funções para velocidades na entrada (mitral; Figura 6A) e saída (aórtica; Figura 6B) foram utilizadas válvulas. Um algoritmo para o cálculo automático da direção da fibra foi aplicado a este modelo de elementos finitos. Os resultados para uma camada e representação sólida de três camadas são mostrados na Figura 7.
A Figura 8 mostra a distribuição de pressão dentro do modelo paramétrico durante um ciclo de tempo de 1 s, dividido em 10 etapas de tempo. Durante as cinco primeiras etapas, não há mudanças significativas de pressão até a contração, quando atinge o maior valor da balança e o volume do modelo começa a aumentar ao mesmo tempo. A Figura 9 mostra como a velocidade é distribuída dentro da parte fluida do modelo LV. Como mostrado, existem picos de valor notáveis dentro dos ramos, causados pelo fluxo de fluido durante o ciclo de carga / descarga. A Figura 10 mostra como os deslocamentos são distribuídos ao longo do modelo. Semelhante à mudança de pressão, durante as duas primeiras etapas, os deslocamentos são insignificantes até a contração, quando se tornam máximos na parte inferior do modelo. Ao longo do tempo restante, o modelo retorna lentamente ao seu estado não deformado. A Figura 11 mostra o diagrama pressão-volume (PV) resultante. A Figura 12 mostra a representação vetorial das velocidades no interior da parte fluida do modelo ventrículo. Vetores de velocidade de fase estão presentes dentro da válvula mitral durante a entrada de fluido e, depois que o ventrículo é preenchido com fluido a partir de 0,7 s, o fluido sai pela parte aórtica.
Equações de monodomínio para o sistema de tronco cardíaco totalmente acoplado foram aplicadas a fim de simular a eletrofisiologia. As condutividades miocárdica e torso estão definidas na Tabela 1 10,11,12,13,14. O fluxo zero foi utilizado para Vm como condição limite para todos os limites internos em contato com os pulmões, tronco e cardíaco. Portanto, −n · Γ = 0, onde n é a unidade do vetor normal para fora no limite e Γ é o vetor de fluxo através desse limite para a tensão intracelular, igual a Γ = − σ· ∂Vm/∂n. Em seguida, abordagens clássicas foram implementadas para resolver o problema inverso do ECG usando a formulação do potencial epicárdico. Os métodos utilizados foram a família dos métodos de Tikhonov e os métodos baseados na regularização L 10,11,12,13,14.
A atividade elétrica de todo o coração no ambiente incorporado ao tronco é apresentada na Figura 13. Um sistema de condução especializado com morfologias heterogêneas de potencial de ação em todo o coração foi incorporado no início da ativação no nó sinoatrial. A Figura 14 mostra os mapas do potencial de superfície corporal em um indivíduo saudável durante a progressão da ativação ventricular em nove sequências que correspondem ao sinal de ECG medido.
Figura 1: Diagrama de fluxo de informações para análise de imagem DICOM em modo M de ultrassom e extração de parâmetros LV. Clique aqui para ver uma versão maior desta figura.
Figura 2: Carregando novos arquivos para análise. Clique aqui para ver uma versão maior desta figura.
Figura 3: Interface do usuário para análise de imagem DICOM de visualização apical de ultrassom e extração de parâmetros LV. Clique aqui para ver uma versão maior desta figura.
Figura 4: Diagrama de fluxo de informações PAK-FS. Clique aqui para ver uma versão maior desta figura.
Figura 5: Diagrama de fluxo de informações PAK-TOSO. Clique aqui para ver uma versão maior desta figura.
Figura 6: Perfil de velocidade. (A) Função de entrada de velocidade na seção transversal da válvula mitral e (B) função de velocidade de saída na seção transversal da válvula aórtica. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 7: Modelo paramétrico do VE com direção das fibras . (A) Parede sólida de uma camada e (B) representação de parede sólida de três camadas. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 8: Campo de pressão dentro do modelo paramétrico do VE. Cinco etapas de tempo diferentes são apresentadas. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 9: Campo de velocidade dentro do modelo paramétrico de VE. Cinco etapas de tempo diferentes são apresentadas. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 10: Deslocamentos no modelo paramétrico do VE. Cinco etapas de tempo diferentes são apresentadas. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 11: Diagrama pressão versus volume (PV) para o modelo de interação fluido-estrutura do VE. A duração do ciclo prescrito de 1 s é dividida em 10 etapas de tempo. Cinco etapas de tempo representativas são mostradas. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 12: Representação vetorial das velocidades no modelo paramétrico do ventrículo esquerdo. Quatro etapas de tempo representativas são mostradas. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 13: Simulação da ativação de todo o coração em vários pontos de tempo no sinal de ECG de derivação II. 1–9 sequências de ativação em (B) correspondem ao sinal de ECG em (A). O potencial transmembrana em mV é denotado pela barra de cores. Por favor, clique aqui para ver uma versão maior desta figura.
Figura 14: Mapas do potencial de superfície corporal em um indivíduo saudável. Progressão da ativação ventricular em nove sequências (painel inferior) correspondentes ao sinal do ECG (painel superior). A faixa de atividade cardíaca em mV é denotada pela barra de cores. Por favor, clique aqui para ver uma versão maior desta figura.
| Parâmetro | SAN | Átrios | AVN | Dele | BNL | Purkinje | Ventrículos | |
| Um | -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 | |
Tabela 1: Parâmetros para o modelo monodomínio com equações de FitzHugh-Nahumo modificadas.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
O projeto SILICOFCM é uma plataforma de ensaios clínicos in silico para projetar populações virtuais de pacientes para previsão de risco, testando os efeitos do tratamento farmacológico e reduzindo experimentos em animais e ensaios clínicos em humanos. O teste dos efeitos do tratamento farmacológico foi modelado com condições prescritas de fluxo de contorno de entrada/saída, função de cálcio e propriedades da parede do material. Esta plataforma integra métodos multiescala no nível sarcômero com o desempenho de todo o coração e o nível de otimização funcional para a previsão de risco de condições específicas do paciente durante a progressão da doença cardiomiopatia.
A modelagem cardíaca para cardiomiopatia e acoplamento eletromecânico do VE no projeto SILICOFCM8 foi apresentada. A geometria do modelo cardíaco incluiu sete regiões diferentes: 1) nó sinoatrial; 2) átrios; 3) nó atrioventricular; 4) Seu feixe; 5) fibras do feixe; 6) Fibras de Purkinje; e 7) miocárdio ventricular. Foram apresentados mapas de potencial de superfície corporal em um indivíduo saudável durante a progressão da ativação ventricular em nove sequências correspondentes ao sinal do ECG.
Depois que as dimensões do ventrículo esquerdo são extraídas, com base em opções de malha, a malha de elementos finitos é gerada e a simulação de análise de elementos finitos é executada com velocidades de entrada e saída prescritas pelo usuário. Os usuários podem visualizar soluções diretamente na plataforma, observando as animações e diagramas disponíveis. Os usuários podem visualizar diagramas de pressão-volume, pressão-tensão e tempo de trabalho miocárdico clicando no símbolo do olho. Se os usuários clicarem no botão da câmera, a lista de animações disponíveis de vários campos (deslocamentos, pressões, velocidade, tensões de cisalhamento) será exibida.
Existem algumas limitações para o estudo. A geometria paramétrica do VE foi extraída das imagens ultrassonográficas. A versão futura entrará em reconstrução geométrica mais detalhada. Uma conexão direta com drogas específicas para cardiomiopatia não é apresentada neste manuscrito. Neste estudo, é controlada através de condições de contorno para vazão e pressão. Os dados genéticos são atualmente incorporados através da função do músculo cardíaco de cálcio e da propriedade material não linear da parede. Na versão futura, mais detalhes da reconstrução da imagem e dados genéticos para a doença cardiomiopatia específica do paciente (variante genética hipertrófica e dilatada) serão considerados.
A plataforma computacionalSILICOFCM 8 abrirá um novo caminho para ensaios clínicos in silico , especificamente para doenças cardíacas e previsão de risco para a condição específica do paciente. O padrão-ouro para a prática clínica atual para predição de risco é a calculadora de sobrevida padrão para pacientes com cardiomiopatia. A plataforma usada aqui pode fornecer mais informações em comparação com o padrão médico atual, pois a modelagem inclui não apenas os biomarcadores, mas também a geometria específica do paciente, as condições hemodinâmicas de fluxo e pressão, as propriedades do material da parede (da deformação nas imagens) e a resposta a medicamentos com diferentes combinações de condições de contorno, função de cálcio e propriedades do material.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Os autores não têm conflitos de interesse.
Acknowledgments
Este estudo é apoiado pelo programa de investigação e inovação Horizonte 2020 da União Europeia ao abrigo do contrato de subvenção SILICOFCM 777204 e pelo Ministério da Educação, Ciência e Desenvolvimento Tecnológico da República da Sérvia através dos Contratos n.º 451-03-68/2022-14/200107. Este artigo reflete apenas os pontos de vista dos autores. A Comissão Europeia não é responsável por qualquer uso que possa ser feito das informações contidas no artigo.
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.
- Van Oosterom, A. The equivalent double layer: source models for repolarization. Comprehensive Electrocardiology. , Springer. 227-246 (2010).
