Summary
Этот протокол демонстрирует рабочий процесс платформы SILICOFCM для автоматической генерации параметрической модели левого желудочка из специфичных для пациента ультразвуковых изображений путем применения многомасштабной электромеханической модели сердца. Эта платформа позволяет проводить клинические испытания in silico , предназначенные для сокращения реальных клинических испытаний и максимизации положительных терапевтических результатов.
Abstract
Проект SILICOFCM в основном направлен на разработку вычислительной платформы для клинических испытаний семейных кардиомиопатий (FCM). Уникальной характеристикой платформы является интеграция специфических для пациента биологических, генетических и клинических данных визуализации. Платформа позволяет тестировать и оптимизировать медицинское лечение для максимизации положительных терапевтических результатов. Таким образом, можно избежать побочных эффектов и лекарственных взаимодействий, предотвратить внезапную сердечную смерть, а время между началом медикаментозного лечения и желаемым результатом можно сократить. В данной статье представлена параметрическая модель левого желудочка, автоматически генерируемая из специфических для пациента ультразвуковых изображений путем применения электромеханической модели сердца. Лекарственные эффекты назначались через определенные граничные условия для входного и выходного потока, измерения ЭКГ и функции кальция для свойств сердечной мышцы. Генетические данные пациентов были включены через материальное свойство стенки желудочка. Анализ апикального вида включает сегментацию левого желудочка с использованием ранее обученной структуры U-net и вычисление граничащего прямоугольника на основе длины левого желудочка в диастолическом и систолическом цикле. Анализ представления в М-режиме включает в себя окаймление характерных областей левого желудочка в М-режиме. После извлечения размеров левого желудочка была сгенерирована сетка конечных элементов на основе вариантов сетки, и было проведено моделирование анализа конечных элементов с предоставленными пользователем скоростями входа и выхода. Пользователи могут непосредственно визуализировать на платформе различные результаты моделирования, такие как диаграммы давления-объема, давления-деформации и рабочего времени миокарда, а также анимацию различных полей, таких как смещения, давления, скорость и напряжения сдвига.
Introduction
Стремительное развитие информационных технологий, программных пакетов моделирования и медицинских устройств в последние годы дает возможность для сбора большого количества клинической информации. Таким образом, создание всеобъемлющих и подробных вычислительных инструментов стало необходимым для обработки конкретной информации из обилия доступных данных.
С точки зрения врачей, крайне важно различать «нормальные» и «аномальные» фенотипы у конкретного пациента, чтобы оценить прогрессирование заболевания, терапевтические реакции и будущие риски. Последние вычислительные модели значительно улучшили интегративное понимание поведения сердечных мышц при гипертрофических (HCM) и дилатационных (DCM) кардиомиопатиях1. Крайне важно использовать высокочастотную, подробную и анатомически точную модель электрической активности всего сердца, которая требует огромного времени вычислений, специального программного обеспечения и суперкомпьютеров 1,2,3. Методология для реальной 3D-модели сердца была недавно разработана с использованием линейной модели упругого и ортотропного материала, основанной на экспериментах Хольцапфеля, которая может точно предсказать поле переноса и смещения электрического сигнала в сердце4. Разработка новых подходов интегративного моделирования может стать эффективным инструментом для различения типа и тяжести симптомов у пациентов с мультигенными расстройствами и оценки степени нарушения нормальной физической активности.
Однако существует много новых проблем для моделирования конкретных пациентов. Физические и биологические свойства сердца человека невозможно полностью определить. Неинвазивные измерения обычно включают шумные данные, по которым трудно оценить конкретные параметры для отдельного пациента. Крупномасштабные вычисления требуют много времени для выполнения, в то время как клинические временные рамки ограничены. Персональные данные пациентов должны управляться таким образом, чтобы сгенерированные метаданные можно было повторно использовать без ущерба для конфиденциальности пациента. Несмотря на эти проблемы, многомасштабные модели сердца могут включать достаточный уровень детализации для достижения прогнозов, которые точно следуют наблюдаемым переходным реакциям, тем самым обеспечивая перспективу для проспективных клинических применений.
Однако, несмотря на значительные научные усилия нескольких исследовательских лабораторий и значительный объем грантовой поддержки, в настоящее время существует только один коммерчески доступный пакет программного обеспечения для многомасштабного и цельносердечного моделирования, называемый SIMULIA Living Heart Model5. Он включает в себя динамическое электромеханическое моделирование, уточненную геометрию сердца, модель кровотока и полную характеристику сердечной ткани, включая пассивные и активные характеристики, фиброзную природу и электрические пути. Эта модель предназначена для использования в персонализированной медицине, но характеристика активного материала основана на феноменологической модели, представленной Guccione et al.6,7. Поэтому SIMULIA не может напрямую и точно транслировать изменения функциональных характеристик сократительного белка, наблюдаемые при многочисленных сердечных заболеваниях. Эти изменения вызваны мутациями и другими аномалиями на молекулярном и субклеточном уровнях6. Ограниченное использование программного обеспечения SIMULIA для небольшого числа приложений в клинической практике является отличным примером сегодняшней борьбы за разработку многомасштабных моделей человеческого сердца более высокого уровня. С другой стороны, это мотивирует разработку нового поколения многомасштабных программных пакетов, которые могут отслеживать эффекты мутаций от молекулярного до органного масштаба.
Основной целью электрофизиологии сердца является определение распространения сигнала внутри туловища и свойств всех отсеков 4,5,6. Проект SILICOFCM8 прогнозирует развитие кардиомиопатии с использованием специфических для пациента биологических, генетических и клинических данных визуализации. Это достигается с помощью многомасштабного моделирования реалистичной саркомерной системы, генетического профиля пациента, направления мышечных волокон, взаимодействия жидкости и структуры и электрофизиологической связи. Эффекты деформации левого желудочка, движения митрального клапана и сложной гемодинамики дают детальное функциональное поведение сердечных заболеваний у конкретного пациента.
В данной статье демонстрируется использование платформы SILICOFCM для параметрической модели левого желудочка (LV), генерируемой автоматически из специфических для пациента ультразвуковых изображений с использованием модели сердца с жидкостной структурой с электромеханической связью. Апикальный и M-режимный анализ РН были сгенерированы с помощью алгоритма глубокого обучения. Затем, используя сетчатый генератор, модель конечных элементов была построена автоматически для моделирования различных граничных условий полного цикла для сжатияНН 9. На этой платформе пользователи могут непосредственно визуализировать результаты моделирования, такие как диаграммы давления-объема, давления-деформации и рабочего времени миокарда, а также анимацию различных полей, таких как смещения, давления, скорость и напряжения сдвига. Входными параметрами от конкретных пациентов являются геометрия из ультразвуковых изображений, профиль скорости во входных и выходных граничных условиях потока для ЛЖ и специфическая лекарственная терапия (например, энтресто, дигоксин, мавакамтен и т.д.).
Subscription Required. Please recommend JoVE to your librarian.
Protocol
Протокол в этом исследовании был одобрен Национальным управлением исследований здравоохранения Великобритании North East-Tyne & Wear South Research Ethics Committee с регистрационным номером 18/NE/0318 6 февраля 2019 года и был принят Советом по институциональному обзору каждого участвующего центра. Исследование проводилось в рамках принципов надлежащей клинической практики и в соответствии с Хельсинкской декларацией. Информированное согласие было получено от всех субъектов, участвующих в исследовании. Информация о пациенте остается анонимной.
1. Рабочий процесс для ультразвукового M-режима или Apical view DICOM анализа изображений и извлечения параметров LV
ПРИМЕЧАНИЕ: Чтобы начать этот протокол, пользователь должен войти в платформу SILICOFCM8 и выбрать соответствующий рабочий процесс (т. Е. Анализ ультразвуковых изображений с использованием M-режима или Apical view). Например, рабочий процесс ультразвукового анализа изображений DICOM в М-режиме и извлечения параметров LV включает в себя несколько этапов. Первым шагом является сопоставление шаблонов. Шаблоны, которые должны быть сопоставлены, включают все соответствующие необходимые границы. Следует подчеркнуть, что для каждого нового набора данных шаблон должен извлекаться вручную только один раз для каждого набора данных, соответствующего конкретному ультразвуковому аппарату. Схема рабочего процесса представлена на рисунке 1. Область, соответствующая шаблону, будет извлечена из анализируемого изображения после того, как эффективный алгоритм сегментации изображений на основе графов Фельзенсвальба найдет «сильные» границы, соответствующие границам перегородки и стенки LV. На основе этих границ и мест, где диаметры сердца являются наибольшими (соответствует диаметру в диастоле) и наименьшими (соответствует диаметру в систоле), будут рассчитаны различные размеры РН. Пользователь должен определить, является ли представление M-режимом или Представлением Apical.
- Войдите на платформу с именем пользователя и паролем. В разделе Модуль виртуальной популяции выберите ультразвуковой M-режим или рабочий процесс Apical view.
- В списке доступных рабочих процессов выберите рабочий процесс с ультразвуковым объединением .
- В разделе Загрузка файлов загрузите изображения и файлы DICOM, хранящиеся локально на компьютере пользователя (рисунок 2).
ПРИМЕЧАНИЕ: Входами в модуль M-mode view DICOM image analysis от конкретного пациента и извлечения параметра LV являются тестовое изображение (предоставленное пользователем в формате DICOM, представляющем M-режим или Apical view) и статические файлы (рисунок 1). Статические файлы содержат а) входной.txt файл, который представляет собой файл шаблона, используемый для перезаписи вычисляемых выходных мер из модуля (новые выходные файлы создаются, в свою очередь, из этого файла), и б) файл изображения шаблона, который используется для сопоставления шаблонов (т.е . template_dicom_GEMS.jpg). - Выберите Частная или Общая папки в качестве папки назначения для файлов. Введите нужный комментарий или примечание в разделе Комментарии перед запуском рабочего процесса. Выберите Apical view и M-mode LV ультразвуковые изображения и файлы DICOM, загруженные ранее (шаг 1.3). (Рисунок 3).
ПРИМЕЧАНИЕ: Инструмент ультразвуковой сегментации сердца состоит из двух подмодулей: апикального вида и М-режима. Доступ к обоим модулям осуществляется через платформу. Анализ включает в себя расчет характерных параметров, видимых в соответствующих поперечных сечениях. В обоих случаях необходимые значения записываются в файл, который принимается в качестве входных данных для параметрической модели сердца со стороны пользователя (подробности см. в обсуждении). - Нажмите на кнопку Выполнить . Интерактивная платформа уведомляет пользователя о завершении запущенного рабочего процесса.
- Визуализируйте созданную геометрию LV непосредственно на платформе (на экране автоматически появится 3D-модель, которую можно поворачивать с помощью мыши). Доступные опции включают затененные и каркасные модели для визуализации.
ПРИМЕЧАНИЕ: После извлечения размеров НН на основе вариантов сетки генерируется сетка конечных элементов и выполняется моделирование анализа конечных элементов с заданными пользователем скоростями входа и выхода (см. Ниже).
2. Решатель конечных элементов ПАК для моделирования флюид-структуры (FS)
ПРИМЕЧАНИЕ: Этот инструмент может быть использован для конечно-элементного анализа связанных твердо-флюидных задач. Он поддерживает как прочную, так и слабую связь между твердым телом и жидкостью. Элементы могут быть шестигранниками или тетраэдрами, с дополнительным узлом в центре элемента или без него. Этот решатель имеет встроенные материальные модели, такие как модель Хольцапфеля, модель мышц охотника и т. Д. Схема потока информации PAK-FS показана на рисунке 4. Он запускается из входного файла и препроцессора PAK. Инструмент препроцессора PAK выводит DAT-файл, который будет служить входным файлом для решателя конечных элементов. Конечным выходом из решателя являются файлы VTK, которые включают результаты моделирования конечных элементов: скорости, давления, деформации и напряжения в левом желудочке.
- Загрузите файлы шаблона для граничных условий скоростей входа и выхода с помощью кнопок в нижней части (рисунок 3); если доступны граничные условия потока для конкретного пациента, загрузите и используйте эти файлы. Загрузите параметры сетки, нажав на соответствующую кнопку в нижней части. Сохраните эти файлы в личных или общих папках.
- Загрузите эти файлы аналогично загрузке изображений (рисунок 3). Предписанные скорости на входе и выходе имитируют состояние лекарственного средства, в то время как варианты сетки контролируют плотность конечно-элементной сетки. Для моделирования конкретных условий пациента измените значения по умолчанию давления, расхода, свойств материала и функции кальция.
- Нажмите на кнопку Выполнить . В списке появится новый запущенный рабочий процесс. Если какой-либо из разделов рабочего процесса не ясен, нажмите на кнопку Help File (рисунок 3), чтобы просмотреть подробные инструкции по использованию этого рабочего процесса, а также интерпретировать результаты.
ПРИМЕЧАНИЕ: Если все выполняется без ошибок, статус рабочего процесса изменится с "running" на "finished ok". - Просмотрите результаты с помощью нескольких вариантов. Кроме того, можно загрузить результаты; папка результатов содержит файлы VTK, CSV-файлы и анимацию.
- Нажмите кнопку «Глаз», чтобы просмотреть значения фракции выброса и глобальной эффективности работы, а также диаграммы давления против объема, давления против деформации и работы миокарда против времени.
- Нажмите на кнопку камеры, чтобы просмотреть и воспроизвести анимацию полей смещения, давления, сдвига и скорости.
- Нажмите кнопку 3D-визуализации, чтобы визуализировать выходные данные онлайн в ParaView Glance.
- Загрузите несколько файлов VTK, ранее загруженных в качестве результатов. Просмотрите несколько интересующих параметров и измените поле, например, на скорость для визуализации.
- Поверните модель или измените цветовую схему. Выберите Поверхность с краями или Каркас для представления поверхности. Примените одну и ту же методологию к каждому загруженному файлу VTK.
3. Определение последовательности активации желудочков по результатам измерения ЭКГ
ПРИМЕЧАНИЕ: Реализована модифицированная модель сердечной клетки Фицхью-Нагумо. Прекордиальные провода были смоделированы с помощью стандартных шести электродов. Потенциал сердца был оптимизирован с помощью обратной ЭКГ. Начиная с активации в синоатриальном узле (который является функцией времени), с гетерогенным потенциалом действия через сердце и туловище, пользователь может получить электрическую активность на модели общего туловища. Схема потока информации PAK-TORSO приведена на рисунке 5. Пользователь обеспечивает масштабирование модели туловища во всех направлениях (x,y,z) и функцию сигнала ЭКГ. Затем создается масштабируемая модель, а ее поведение моделируется с помощью решателя PAK-FS. Пользователь предоставляет эти входные значения в текстовом файле. Выходом моделирования является файл VTK с электрической активностью сердца в среде, встроенной в туловище.
- На главной странице перейдите в раздел Выполнение рабочего процесса и выберите torse-cwl в списке доступных рабочих процессов. Добавьте комментарий или примечание в разделе Комментарии перед выполнением рабочего процесса.
- Нажмите кнопку Input Template File (Файл входного шаблона) и сохраните содержимое, отображаемое на веб-странице, в качестве файла ввода.txt , который будет использоваться для модели туловища. В поле Входной файл выберите загруженный файл ввода.txt . После импорта файла нажмите кнопку Выполнить , чтобы начать расчет.
ПРИМЕЧАНИЕ: В левом нижнем углу появится новый рабочий процесс, состояние которого будет отображаться как "запущено"; расчет длится около 0,5 ч, а затем статус изменится на «готово ок». - Нажмите на кнопки глаз или камеры в левом нижнем углу, чтобы визуализировать доступные отчеты о моделировании или анимацию непосредственно на платформе.
ПРИМЕЧАНИЕ: Результаты включают распределение электрического поля, скорости, давления, напряжения сдвига и деформации на каждом временном шаге. Анимации для каждого из этих распределений можно просмотреть для общего сердечного цикла. - Кроме того, нажмите кнопку 3D-визуализации, чтобы визуализировать выходные данные онлайн в ParaView Glance.
- Нажмите кнопку ОТКРЫТЬ ФАЙЛ , перейдите на вкладку GIRDER , при появлении запроса введите учетные данные пользователя и откройте личную папку.
- На следующей странице выберите папку workflow-outputs и откройте папку torso-cwl . Откройте первую папку в списке.
- Смотрите список файлов VTK, которые представляют результаты моделирования. Выберите один или несколько файлов и нажмите кнопку SELECT , чтобы загрузить файл в ParaView Glance.
- Управляйте геометрией модели (например, перемещайте, поворачивайте, увеличивайте или уменьшайте масштаб и т. д.) с помощью мыши.
- Выберите различные параметры представления модели следующим образом.
- Выберите опцию Wireframe , чтобы увидеть внутреннюю часть туловища с сердцем, встроенным в туловище. Выберите параметр «Точки», чтобы отобразить пунктирное представление модели туловища с полной сеткой сердца.
- Настройте значение Point Size , чтобы изменить результаты отображения. Отрегулируйте значение «Непрозрачность », чтобы увидеть внутреннюю часть туловища и отобразить результаты внутри сердечной сетки.
- Нажмите на выпадающее меню Color By и выберите нужный вариант, например, электрический потенциал. Измените цветовую шкалу по умолчанию на любой из перечисленных параметров.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
В качестве примера на рисунке 1 представлен рабочий процесс ультразвукового анализа изображений DICOM в М-режиме и извлечения параметров ЛЖ. М-режим и апикальный вид могут быть протестированы отдельно или один за другим, в зависимости от интересующих параметров. Если тестируются один за другим, результаты добавляются в один общий файл (отдельно для фаз систолы и диастолы). Если тестируется только одно представление, значения неизвестных параметров берутся из входных данных файла по умолчанию.txt (рисунок 1). Инструмент SILICOFCM анализирует изображения в зависимости от режима просмотра, как показано ниже.
Анализ апикального вида включает сегментацию LV с использованием ранее обученной структуры U-net и вычисление окаймляющего прямоугольника, на основе которого рассчитываются параметры LV length, diastolic, 2D (LVLd[cm]) и LV length, systolic, 2D (LVLs[cm]). Пользователь должен определить, представляет ли представление систолическую или диастолическую фазу. Выходные файлы следующие: a) input_parametric_diastole.stl или input_parametric_systole.stl, который представляет собой входной файл для решателя PAK с созданной геометрией, включая вычисляемое значение для LVLd[cm] или LVLs[cm] в зависимости от ввода пользователем того, представляет ли изображение диастолу или систолу; b) output_Apical_view.txt, которая содержит данные для LVLd[cm] или LVL[cm], в зависимости от пользовательского ввода того, представляет ли изображение диастолу или систолу.
Анализ представления в М-режиме включает в себя границы характерных областей РН в этом представлении. Исходя из этих областей, рассчитываются различные параметры. Выходные файлы следующие: a) input_parametric_diastole.stl и input_parametric_systole.stl, которые представляют входную геометрию для решателя PAK, включая расчетные значения толщины межжелудочковой перегородки, диастолического, M-режима (IVSd[см]), толщины межжелудочковой перегородки, систолического, M-режима (IVSs[cm]), внутреннего размера LV, диастолического, M-режима (LVIDd[cm]), внутреннего размера LV, систолического, M-режима (LVID[cm]), толщины задней стенки LV, диастолический, M-режим (LVPWd[см]) и толщина задней стенки LV, систолический, M-режим (LVPWs[см]); b) output_M_mode.txt, который содержит данные для IVSd [см], IVS [см], LVIDd [см], LVID [см], LVPWd [см] и LVPW [см].
Для получения примера РН, как можно более реалистичного, параметрический тип модели с конкретными частями, а именно базовой частью, клапанами (аортальными и митральными) и соединительной частью (т.е. соединением между основанием и клапанами), был сгенерирован с помощью моделирования конечных элементов ПАК (шаг 2) с использованием расчетных параметров геометрии ЛЖ. Каждая деталь имеет свою длину и радиус, а также количество слоев (деление). Конечно-элементная модель состоит из флюидного домена, окруженного сплошной стенкой, которая соединена с основанием и частью соединительного слоя. Для моделирования реалистичного поведения модели ЛЖ предписаны функции скоростей на входе (митральные; Рисунок 6А) и выход (аортальный; Рисунок 6B) использовались клапаны. К этой конечно-элементной модели применен алгоритм автоматического вычисления направления волокон. Результаты для однослойного и трехслойного твердого представления показаны на рисунке 7.
На рисунке 8 показано распределение давления внутри параметрической модели в течение временного цикла 1 с, разделенного на 10 временных шагов. В течение первых пяти шагов существенных изменений давления не происходит до сжатия, когда оно достигает наибольшего значения на шкале и объем модели начинает увеличиваться одновременно. На рисунке 9 показано, как скорость распределяется внутри текучей части модели РН. Как показано, внутри ветвей наблюдаются заметные пики значений, вызванные потоком жидкости во время цикла погрузки/разгрузки. На рисунке 10 показано, как смещения распределяются по модели. Подобно изменению давления, во время первых двух шагов смещения незначительны до сжатия, когда они становятся максимальными в нижней части модели. В течение оставшегося времени модель медленно возвращается в недеформированное состояние. На рисунке 11 показана результирующая диаграмма давления-объема (PV). На рисунке 12 показано векторное представление скоростей внутри жидкой части модели желудочка. Векторы фазовой скорости присутствуют внутри митрального клапана во время притока жидкости, и после того, как желудочек заполнен жидкостью от 0,7 с, жидкость выходит через часть аорты.
Монодоменовые уравнения для полностью связанной системы туловища сердца были применены для моделирования электрофизиологии. Проводимость миокарда и туловища определена в таблице 1 10,11,12,13,14. Нулевой поток использовался для Vm в качестве граничного условия для всех внутренних границ, контактирующих с легкими, туловищем и сердцем. Следовательно, −n · Γ = 0, где n — единица внешнего нормального вектора на границе, а Γ — вектор потока через эту границу для внутриклеточного напряжения, равный Γ = − σ· ∂Вм/∂н. Далее были реализованы классические подходы к решению обратной задачи ЭКГ с использованием формулировки эпикардиального потенциала. Использовались методы семейства методов Тихонова и методов регуляризации L 10,11,12,13,14.
Электрическая активность всего сердца в среде, встроенной в туловище, представлена на рисунке 13. Специализированная проводящая система с гетерогенными морфологиями потенциала действия по всему сердцу была включена в инициирование активации в синоатриальном узле. На рисунке 14 показаны карты потенциала поверхности тела у здорового субъекта во время прогрессирования активации желудочков в девяти последовательностях, которые соответствуют измеренному сигналу ЭКГ.
Рисунок 1: Схема потока информации для ультразвукового анализа изображений DICOM в M-режиме и извлечения параметров LV. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 2: Загрузка новых файлов для анализа. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 3: Пользовательский интерфейс для анализа изображений DICOM и извлечения параметров LV. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 4: Блок-схема информации PAK-FS. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 5: Блок-схема информации PAK-TORSO. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 6: Профиль скорости. (A) Впускная функция скорости при поперечном сечении митрального клапана и (B) функция скорости выхода при поперечном сечении аортального клапана. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 7: Параметрическая модель РН с направлением волокон. (А) Однослойная сплошная стенка и (В) трехслойное представление сплошной стенки. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 8: Поле давления внутри параметрической модели низкого напряжения. Представлены пять различных временных шагов. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 9: Поле скорости внутри параметрической модели РН. Представлены пять различных временных шагов. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 10: Смещения в параметрической модели РН. Представлены пять различных временных шагов. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 11: Диаграмма давления и объема (PV) для модели взаимодействия жидкости и структуры РН. Предписанная продолжительность цикла 1 с делится на 10 временных шагов. Показаны пять репрезентативных временных шагов. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 12: Векторное представление скоростей в параметрической модели левого желудочка. Показаны четыре репрезентативных шага времени. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 13: Моделирование активации всего сердца в различные моменты времени на ведущем сигнале ЭКГ II. 1–9 последовательностей активации в (B) соответствуют сигналу ЭКГ в (A). Трансмембранный потенциал в мВ обозначается цветовой полосой. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
Рисунок 14: Карты потенциала поверхности тела у здорового субъекта. Прогрессирование желудочковой активации в девяти последовательностях (нижняя панель), соответствующих сигналу ЭКГ (верхняя панель). Диапазон сердечной деятельности в мВ обозначается цветовой полосой. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.
| Параметр | САН | Предсердий | АВН | Его | БНЛ | Пуркинье | Желудочков | |
| A | -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 м−3) | 1000 | 2.6 | 2.6 | 2.6 | 2.6 | 2.6 | 2.6 | |
| c2 (AsV−1 м−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 (мВ) | 33 | 140 | 140 | 140 | 140 | 140 | 140 | |
| B (мВ) | -22 | -85 | -85 | -85 | -85 | -85 | -85 | |
| k | 1000 | 1000 | 1000 | 1000 | 1000 | 1000 | 1000 | |
| σ (мс·м-1) | 0.5 | 8 | 0.5 | 10 | 15 | 35 | 8 | |
Таблица 1: Параметры монодоменной модели с модифицированными уравнениями Фитцхью-Нахумо.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
Проект SILICOFCM представляет собой платформу для клинических испытаний in silico для разработки виртуальных популяций пациентов для прогнозирования риска, тестирования эффектов фармакологического лечения и сокращения экспериментов на животных и клинических испытаний на людях. Тестирование эффектов фармакологического лечения было смоделировано с предписанными условиями граничного потока на входе /выходе, функцией кальция и свойствами стенки материала. Эта платформа объединяет многомасштабные методы на саркомерическом уровне с работой всего сердца и уровнем функциональной оптимизации для прогнозирования риска специфических для пациента состояний во время прогрессирования кардиомиопатии.
Представлено моделирование сердца при кардиомиопатии и электромеханической связи ЛЖ в проекте SILICOFCM8 . Геометрия модели сердца включала семь различных областей: 1) синоатриальный узел; 2) предсердия; 3) атриовентрикулярный узел; 4) Его связка; 5) пучковые волокна; 6) волокна Пуркинье; и 7) желудочковый миокард. Представлены карты потенциала поверхности тела у здорового субъекта во время прогрессирования желудочковой активации в девяти последовательностях, соответствующих сигналу ЭКГ.
После извлечения размеров левого желудочка на основе вариантов сетки генерируется сетка конечных элементов и выполняется моделирование анализа конечных элементов с заданными пользователем скоростями входа и выхода. Пользователи могут визуализировать решения непосредственно на платформе, просматривая доступные анимации и диаграммы. Пользователи могут визуализировать диаграммы объема давления, напряжения давления и рабочего времени миокарда, нажав на символ глаза. Если пользователь нажимает на кнопку камеры, появляется список доступных анимаций различных полей (смещения, давления, скорость, напряжения сдвига).
Есть некоторые ограничения для исследования. Параметрическая геометрия ЛЖ была извлечена из ультразвуковых изображений. Будущая версия перейдет к более детальной геометрической реконструкции. Прямая связь со специфическими препаратами для кардиомиопатии в данной рукописи не представлена. В этом исследовании он контролируется через граничные условия для потока и давления. Генетические данные в настоящее время включаются через функцию кальциевой сердечной мышцы и нелинейное свойство материала стенки. В будущей версии будут рассмотрены более подробные сведения о реконструкции изображений и генетических данных для специфического для пациента кардиомиопатического заболевания (гипертрофический и дилатационный генетический вариант).
Вычислительная платформа SILICOFCM8 откроет новый путь для клинических испытаний in silico , в частности, для сердечных заболеваний и прогнозирования риска для конкретного состояния пациента. Золотым стандартом для современной клинической практики прогнозирования риска является стандартный калькулятор выживаемости для пациентов с кардиомиопатией. Используемая здесь платформа может дать больше информации по сравнению с текущим медицинским стандартом, поскольку моделирование включает в себя не только биомаркеры, но и специфическую для пациента геометрию, условия гемодинамики потока и давления, свойства материала стенки (от деформации на изображениях) и реакцию лекарственного средства с различными комбинациями граничных условий, функции кальция и свойств материала.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
У авторов нет конфликта интересов.
Acknowledgments
Это исследование поддерживается исследовательской и инновационной программой Европейского Союза Horizon 2020 в рамках грантового соглашения SILICOFCM 777204 и Министерством образования, науки и технологического развития Республики Сербия через контракты No 451-03-68/2022-14/200107. В данной статье отражены только взгляды авторов. Европейская комиссия не несет ответственности за любое использование информации, содержащейся в статье.
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).
