Summary
Este protocolo demuestra el flujo de trabajo de la plataforma SILICOFCM para generar automáticamente un modelo paramétrico del ventrículo izquierdo a partir de imágenes de ultrasonido específicas del paciente mediante la aplicación de un modelo electromecánico multiescala del corazón. Esta plataforma permite ensayos clínicos in silico destinados a reducir los ensayos clínicos reales y maximizar los resultados terapéuticos positivos.
Abstract
El proyecto SILICOFCM tiene como objetivo principal desarrollar una plataforma computacional para ensayos clínicos in silico de miocardiopatías familiares (MCA). La característica única de la plataforma es la integración de datos biológicos, genéticos y de imágenes clínicas específicos del paciente. La plataforma permite probar y optimizar el tratamiento médico para maximizar los resultados terapéuticos positivos. Por lo tanto, se pueden evitar los efectos adversos y las interacciones farmacológicas, se puede prevenir la muerte súbita cardíaca y se puede acortar el tiempo entre el inicio del tratamiento farmacológico y el resultado deseado. Este artículo presenta un modelo paramétrico del ventrículo izquierdo generado automáticamente a partir de imágenes de ultrasonido específicas del paciente mediante la aplicación de un modelo electromecánico del corazón. Los efectos del fármaco se prescribieron a través de condiciones límite específicas para el flujo de entrada y salida, las mediciones de ECG y la función del calcio para las propiedades del músculo cardíaco. Los datos genéticos de los pacientes se incorporaron a través de la propiedad material de la pared del ventrículo. El análisis de vista apical implica segmentar el ventrículo izquierdo utilizando un marco U-net previamente entrenado y calcular el rectángulo limítrofe basado en la longitud del ventrículo izquierdo en el ciclo diastólico y sistólico. El análisis de la vista de modo M incluye el borde de las áreas características del ventrículo izquierdo en la vista de modo M. Después de extraer las dimensiones del ventrículo izquierdo, se generó una malla de elementos finitos basada en opciones de malla, y se ejecutó una simulación de análisis de elementos finitos con velocidades de entrada y salida proporcionadas por el usuario. Los usuarios pueden visualizar directamente en la plataforma varios resultados de simulación, como diagramas de presión-volumen, presión-deformación y miocardio de tiempo de trabajo, así como animaciones de diferentes campos como desplazamientos, presiones, velocidad y tensiones de cizallamiento.
Introduction
El rápido desarrollo de tecnologías de la información, paquetes de software de simulación y dispositivos médicos en los últimos años brinda la oportunidad de recopilar una gran cantidad de información clínica. Por lo tanto, la creación de herramientas computacionales completas y detalladas se ha vuelto esencial para procesar información específica a partir de la abundancia de datos disponibles.
Desde el punto de vista de los médicos, es de suma importancia distinguir fenotipos "normales" de "anormales" en un paciente específico para estimar la progresión de la enfermedad, las respuestas terapéuticas y los riesgos futuros. Modelos computacionales recientes han mejorado significativamente la comprensión integradora del comportamiento de los músculos cardíacos en miocardiopatías hipertróficas (MCH) y dilatadas (MCD)1. Es crucial utilizar un modelo de alta resolución, detallado y anatómicamente preciso de la actividad eléctrica de todo el corazón, que requiere tiempos de cálculo masivos, software dedicado y supercomputadoras 1,2,3. Recientemente se ha desarrollado una metodología para un modelo de corazón 3D real utilizando un modelo lineal elástico y de material ortotrópico basado en experimentos de Holzapfel, que puede predecir con precisión el transporte de la señal eléctrica y el campo de desplazamiento dentro del corazón4. El desarrollo de nuevos enfoques de modelado integrador podría ser una herramienta eficaz para distinguir el tipo y la gravedad de los síntomas en pacientes con trastornos multigénicos y evaluar el grado de deterioro en la actividad física normal.
Sin embargo, existen muchos desafíos nuevos para el modelado específico del paciente. Las propiedades físicas y biológicas del corazón humano no son posibles de determinar completamente. Las mediciones no invasivas generalmente incluyen datos ruidosos a partir de los cuales es difícil estimar parámetros específicos para el paciente individual. La computación a gran escala requiere mucho tiempo para ejecutarse, mientras que el marco de tiempo clínico es limitado. Los datos personales del paciente deben gestionarse de tal manera que los metadatos generados puedan reutilizarse sin comprometer la confidencialidad del paciente. A pesar de estos desafíos, los modelos cardíacos multiescala pueden incluir un nivel suficiente de detalle para lograr predicciones que sigan de cerca las respuestas transitorias observadas, lo que proporciona una promesa para posibles aplicaciones clínicas.
Sin embargo, independientemente del esfuerzo científico sustancial de múltiples laboratorios de investigación y la cantidad significativa de apoyo de subvenciones, actualmente, solo hay un paquete de software disponible comercialmente para simulaciones multiescala y de corazón completo, llamado SIMULIA Living Heart Model5. Incluye simulación electromecánica dinámica, geometría cardíaca refinada, un modelo de flujo sanguíneo y caracterización completa del tejido cardíaco, incluidas las características pasivas y activas, la naturaleza fibrosa y las vías eléctricas. Este modelo está dirigido para su uso en medicina personalizada, pero la caracterización del material activo se basa en un modelo fenomenológico introducido por Guccione et al.6,7. Por lo tanto, SIMULIA no puede traducir directa y exactamente los cambios en las características funcionales de las proteínas contráctiles observados en numerosas enfermedades cardíacas. Estos cambios son causados por mutaciones y otras anomalías a nivel molecular y subcelular6. El uso limitado del software SIMULIA para un pequeño número de aplicaciones en la práctica clínica es un gran ejemplo de las luchas actuales en el desarrollo de modelos de corazón humano multiescala de nivel superior. Por otro lado, motiva el desarrollo de una nueva generación de paquetes de programas multiescala que pueden rastrear los efectos de las mutaciones desde la escala molecular hasta la escala de órganos.
El objetivo principal de la electrofisiología del corazón es determinar la propagación de la señal dentro del torso y las propiedades de todos los compartimentos 4,5,6. El proyecto SILICOFCM8 predice el desarrollo de enfermedades cardiomiopatía utilizando datos biológicos, genéticos y de imágenes clínicas específicos del paciente. Se logra con el modelado multiescala del sistema sarcomérico realista, el perfil genético del paciente, la dirección de la fibra muscular, la interacción fluido-estructura y el acoplamiento electrofisiológico. Los efectos de la deformación del ventrículo izquierdo, el movimiento de la válvula mitral y la hemodinámica compleja proporcionan un comportamiento funcional detallado de las afecciones cardíacas en un paciente específico.
Este artículo demuestra el uso de la plataforma SILICOFCM para un modelo paramétrico del ventrículo izquierdo (VI) generado automáticamente a partir de imágenes de ultrasonido específicas del paciente utilizando un modelo cardíaco de estructura fluida con acoplamiento electromecánico. La vista apical y los análisis de vista en modo M de LV se generaron con un algoritmo de aprendizaje profundo. Luego, utilizando el generador de malla, el modelo de elementos finitos se construyó automáticamente para simular diferentes condiciones de contorno del ciclo completo para la contracción del VI9. En esta plataforma, los usuarios pueden visualizar directamente los resultados de la simulación, como diagramas de presión-volumen, presión-deformación y miocardio, así como animaciones de diferentes campos como desplazamientos, presiones, velocidad y esfuerzos cortantes. Los parámetros de entrada de pacientes específicos son la geometría de las imágenes de ultrasonido, el perfil de velocidad en las condiciones de flujo límite de entrada y salida para el VI y la terapia farmacológica específica (por ejemplo, entresto, digoxina, mavacamten, etc.).
Subscription Required. Please recommend JoVE to your librarian.
Protocol
El protocolo de este estudio fue aprobado por el Comité de Ética de Investigación de Investigación de Salud de la Autoridad de Investigación del Servicio Nacional de Salud del Reino Unido North East-Tyne & Wear South con el número de referencia 18 / NE / 0318 el 6 de febrero de 2019 y fue adoptado por la Junta de Revisión Institucional de cada centro participante. El estudio se realizó dentro de los principios de las Buenas Prácticas Clínicas y siguiendo la Declaración de Helsinki. Se obtuvo el consentimiento informado de todos los sujetos involucrados en el estudio. La información del paciente se mantiene anónima.
1. Flujo de trabajo para el análisis de imágenes DICOM en modo M de ultrasonido o vista Apical y extracción de parámetros LV
NOTA: Para iniciar este protocolo, el usuario debe iniciar sesión en la plataforma SILICOFCM8 y elegir el flujo de trabajo apropiado (es decir, análisis de imágenes de ultrasonido utilizando el modo M o la vista apical). El flujo de trabajo para el análisis de imágenes DICOM en modo M de ultrasonido y la extracción de parámetros LV, por ejemplo, implica varios pasos. El primer paso es la coincidencia de plantillas. Las plantillas que deben combinarse incluyen todos los bordes necesarios relevantes. Debe enfatizarse que, para cada nuevo conjunto de datos, la plantilla debe extraerse manualmente solo una vez para cada conjunto de datos que corresponda a una máquina de ultrasonido específica. El diagrama de flujo de trabajo se presenta en la figura 1. El área que coincide con la plantilla se extraerá de la imagen analizada después de que el eficiente algoritmo de segmentación de imágenes basado en gráficos de Felsenszwalb encuentre límites "fuertes" que corresponden a los bordes del tabique y la pared del VI. Sobre la base de estos bordes y los lugares donde los diámetros del corazón son los más grandes (corresponde al diámetro en la diástole) y los más pequeños (corresponde al diámetro en la sístole), se calcularán varias dimensiones de VI. El usuario debe definir si la vista es en modo M o en apical.
- Inicie sesión en la plataforma con un nombre de usuario y contraseña. En Virtual Population Module (Módulo de población virtual), elija el modo M de ultrasonido o el flujo de trabajo de vista APICAL.
- En la lista de flujos de trabajo disponibles, seleccione el flujo de trabajo combinado con ultrasonido .
- En la sección Carga de archivos, cargue imágenes y archivos DICOM almacenados localmente en el equipo del usuario (Figura 2).
NOTA: Las entradas para el módulo de análisis de imágenes DICOM de vista en modo M de un paciente específico y extracción de parámetros LV son la imagen de prueba (proporcionada por el usuario en formato DICOM que representa el modo M o la vista apical) y los archivos estáticos (Figura 1). Los archivos estáticos comprenden a) el archivo .txt entrada , que es un archivo de plantilla utilizado para sobrescribir las medidas de salida calculadas del módulo (se crean nuevos archivos de salida, a su vez, a partir de este archivo), y b) el archivo de imagen de plantilla, que se utiliza para la coincidencia de plantillas (es decir, template_dicom_GEMS.jpg). - Seleccione las carpetas privadas o públicas como carpeta de destino de los archivos. Escriba el comentario o la nota deseados en la sección Comentarios antes de iniciar el flujo de trabajo. Seleccione la vista Apical y las imágenes de ultrasonido LV en modo M y los archivos DICOM cargados anteriormente (Paso 1.3). (Figura 3).
NOTA: La herramienta de segmentación cardíaca por ultrasonido consta de dos submódulos: la vista apical y la vista en modo M. Se accede a ambos módulos a través de la plataforma. El análisis incluye el cálculo de los parámetros característicos visibles en las secciones transversales correspondientes. En ambos casos, los valores necesarios se escriben en un archivo que se toma como entrada al modelo paramétrico del corazón desde el lado del usuario (consulte la discusión para obtener más detalles). - Haga clic en el botón Ejecutar . La plataforma interactiva notifica al usuario cuando finaliza el flujo de trabajo en ejecución.
- Visualice la geometría creada de LV directamente en la plataforma (aparecerá automáticamente un modelo 3D en la pantalla, que se puede girar con el mouse). Las opciones disponibles incluyen modelos sombreados y alámbricos para visualización.
NOTA: Después de extraer las dimensiones de LV, según las opciones de malla, se genera la malla de elementos finitos y se ejecuta la simulación de análisis de elementos finitos con velocidades de entrada y salida prescritas por el usuario (ver más abajo).
2. Solucionador de elementos finitos PAK para simulaciones de fluido-estructura (FS)
NOTA: Esta herramienta se puede utilizar para el análisis de elementos finitos de los problemas acoplados sólido-fluido. Admite un acoplamiento fuerte y suelto entre sólido y fluido. Los elementos pueden ser hexaedros o tetraedros, con o sin un nodo adicional en el centro del elemento. Este solucionador tiene modelos de materiales incorporados como el modelo Holzapfel, el modelo de músculo cazador, etc. El diagrama de flujo de información de PAK-FS se muestra en la Figura 4. Se inicia desde el archivo de entrada y el preprocesador PAK. La herramienta de preprocesador PAK genera un archivo DAT, que servirá como archivo de entrada para el solucionador de elementos finitos. El resultado final del solucionador son archivos VTK que incluyen los resultados de la simulación de elementos finitos: velocidades, presiones, deformaciones y tensiones en el ventrículo izquierdo.
- Descargue los archivos de plantilla para las condiciones de contorno de las velocidades de entrada y salida utilizando los botones de la sección inferior (Figura 3); Si hay disponibles condiciones límite de flujo específicas del paciente, descargue y use estos archivos. Descargue las opciones de malla haciendo clic en el botón correspondiente en la sección inferior. Guarde estos archivos en carpetas privadas o públicas.
- Cargue estos archivos de manera similar a cargar imágenes (Figura 3). Las velocidades de entrada y salida prescritas simulan la condición del fármaco, mientras que las opciones de malla controlan la densidad de la malla de elementos finitos. Para simular condiciones específicas del paciente, modifique los valores predeterminados de presión, flujo, propiedades del material y función del calcio.
- Haga clic en el botón Ejecutar . Aparecerá un nuevo flujo de trabajo en ejecución en la lista. Si alguna de las secciones del flujo de trabajo no está clara, haga clic en el botón Archivo de Ayuda (Figura 3) para ver instrucciones detalladas sobre cómo usar este flujo de trabajo, así como para interpretar los resultados.
NOTA: Si todo se ejecuta sin errores, el estado del flujo de trabajo cambiará de "en ejecución" a "terminado correctamente". - Vea los resultados con varias opciones. Alternativamente, descargue los resultados; la carpeta de resultados contiene archivos VTK, archivos CSV y animaciones.
- Haga clic en el botón del ojo para ver la fracción de eyección y los valores globales de eficiencia laboral, así como diagramas de presión vs. volumen, presión vs. deformación y trabajo miocárdico vs. tiempo.
- Haga clic en el botón de la cámara para obtener una vista previa y reproducir animaciones de los campos de desplazamiento, presión, esfuerzo cortante y velocidad.
- Haga clic en el botón de visualización 3D para visualizar las salidas en línea en ParaView Glance.
- Cargue varios archivos VTK descargados previamente como resultados. Vea varios parámetros de interés y cambie el campo, por ejemplo, a velocidad para la visualización.
- Gire el modelo o cambie la combinación de colores. Elija Superficie con bordes o Estructura de alambres para la representación de la superficie. Aplique la misma metodología a cada archivo VTK cargado.
3. Determinación de la secuencia de activación ventricular a partir de la medición del ECG
NOTA: Se implementó un modelo modificado de FitzHugh-Nagumo de la célula cardíaca. Los cables precordiales se modelaron con los seis electrodos estándar. El potencial del corazón se optimizó con ECG inverso. A partir de la activación en el nodo sinoauricular (que es una función del tiempo), con potencial de acción heterogéneo a través del corazón y el torso, el usuario puede obtener actividad eléctrica en el modelo de torso total. El diagrama de flujo de información PAK-TORSO se muestra en la Figura 5. El usuario proporciona escalado del modelo de torso en todas las direcciones (x, y, z) y función de señal de ECG. A continuación, se crea el modelo a escala y se simula su comportamiento utilizando el solucionador PAK-FS. El usuario proporciona estos valores de entrada en un archivo de texto. La salida de la simulación es un archivo VTK con la actividad eléctrica del corazón en el entorno incrustado en el torso.
- En la página de inicio, vaya a Ejecutar flujo de trabajo y luego elija torse-cwl en la lista de flujos de trabajo disponibles. Agregue un comentario o una nota en la sección Comentarios antes de ejecutar el flujo de trabajo.
- Haga clic en el botón Archivo de plantilla de entrada y guarde el contenido que se muestra en la página web como archivo .txt entrada , que se utilizará para el modelo de torso. En el campo Archivo de entrada, seleccione el archivo de entrada .txt descargado. Después de importar el archivo, haga clic en el botón Ejecutar para iniciar el cálculo.
NOTA: Aparecerá un nuevo flujo de trabajo en la parte inferior izquierda, con su estado mostrado como "en ejecución"; El cálculo dura aproximadamente 0,5 h, y luego el estado cambiará a "Terminado OK". - Haga clic en los botones del ojo o de la cámara en la esquina inferior izquierda para visualizar los informes de simulación o animaciones disponibles directamente en la plataforma.
NOTA: Los resultados incluyen distribuciones del campo eléctrico, velocidad, presión, esfuerzo cortante y deformación en cada paso de tiempo. Las animaciones para cada una de estas distribuciones son posibles de ver para el ciclo cardíaco total. - Alternativamente, haga clic en el botón de visualización 3D para visualizar las salidas en línea en ParaView Glance.
- Seleccione el botón ABRIR UN ARCHIVO , vaya a la pestaña GIRDER , ingrese las credenciales de usuario si se le solicita y abra la carpeta privada.
- En la página siguiente, seleccione la carpeta workflow-outputs y abra la carpeta torso-cwl . Abra la primera carpeta de la lista.
- Consulte la lista de archivos VTK que representan los resultados de la simulación. Elija uno o más archivos y haga clic en el botón SELECCIONAR para cargar el archivo en ParaView Glance.
- Manipule la geometría del modelo (es decir, mueva, gire, acerque o aleje, etc.) con el ratón.
- Seleccione diferentes opciones para la representación del modelo de la siguiente manera.
- Elija la opción Wireframe para ver el interior del torso con un corazón incorporado dentro del torso. Elija la opción Puntos para mostrar una representación punteada del modelo de torso con malla de corazón completa.
- Ajuste el valor Tamaño de punto para cambiar los resultados de visualización. Ajuste el valor de Opacidad para ver el interior del torso y mostrar los resultados dentro de la malla del corazón.
- Haga clic en el menú desplegable Color By y elija la opción deseada, por ejemplo, potencial eléctrico. Cambie la escala de color predeterminada a cualquiera de las opciones enumeradas.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
Como ejemplo, el flujo de trabajo para el análisis de imágenes DICOM en modo M de ultrasonido y la extracción de parámetros LV se presenta en la Figura 1. El modo M y la vista apical podrían probarse por separado o una tras otra, dependiendo de los parámetros de interés. Si se prueban uno tras otro, los resultados se anexan a un archivo común (por separado para las fases de sístole y diástole). Si solo se prueba una vista, los valores de los parámetros desconocidos se toman de la entrada de archivo predeterminada .txt (Figura 1). La herramienta SILICOFCM analiza las imágenes dependiendo del modo de visualización, de la siguiente manera.
El análisis de vista apical incluye segmentar el VI utilizando un marco U-net previamente entrenado y calcular el rectángulo de borde, en base al cual se calculan los parámetros longitud del VI, diastólica, 2D (LVLd[cm]) y longitud del VI, sistólica, 2D (LVLs[cm]). El usuario debe definir si la vista representa la fase sistólica o diastólica. Los archivos de salida son los siguientes: a) input_parametric_diastole.stl o input_parametric_systole.stl, que representa el archivo de entrada para el solucionador PAK con geometría creada, incluido el valor calculado para LVLd[cm] o LVLs[cm] dependiendo de la entrada del usuario de si la imagen representa diástole o sístole; b) output_Apical_view.txt, que contiene los datos para LVLd[cm] o LVLs[cm], dependiendo de la entrada del usuario de si la imagen representa diástole o sístole.
El análisis de la vista en modo M incluye el borde de las áreas características del VI en esta vista. Sobre la base de estas áreas, se calculan varios parámetros. Los archivos de salida son los siguientes: a) input_parametric_diastole.stl y input_parametric_systole.stl, que representan la geometría de entrada para el solucionador PAK, incluidos los valores calculados para el grosor del tabique interventricular, diastólico, modo M (IVSd[cm]), espesor del tabique interventricular, sistólico, modo M (IVS[cm]), dimensión interna del VI, diastólica, modo M (LVIDd[cm]), dimensión interna del VI, sistólica, modo M (LVIDs[cm]), espesor de la pared posterior del VI, diastólica, modo M (LVPWd[cm]) y espesor de la pared posterior del VI, sistólica, modo M (BPP[cm]); b) output_M_mode.txt, que contiene los datos para IVSd [cm], IVS [cm], LVIDd [cm], LVIDs [cm], LVPWd [cm] y LVPW [cm].
Para generar un ejemplo de VI, lo más realista posible, se generó un tipo de modelo paramétrico con partes específicas, a saber, la parte base, las válvulas (aórtica y mitral) y la parte de conexión (es decir, la conexión entre la base y las válvulas), a través de simulaciones de elementos finitos PAK (Paso 2) utilizando los parámetros calculados de la geometría LV. Cada parte tiene su longitud y radio, así como el número de capas (división). El modelo de elementos finitos consiste en un dominio fluido rodeado por una pared sólida que está conectada a la base y parte de la capa de conexión. Para simular el comportamiento realista del modelo LV, se prescriben funciones para velocidades en la entrada (mitral; Figura 6A) y salida (aórtica; Figura 6B) Se utilizaron válvulas. Se aplicó un algoritmo para el cálculo automático de la dirección de la fibra a este modelo de elementos finitos. Los resultados para una capa y una representación sólida de tres capas se muestran en la Figura 7.
La Figura 8 muestra la distribución de presión dentro del modelo paramétrico durante un ciclo de tiempo de 1 s, dividido en 10 pasos de tiempo. Durante los primeros cinco pasos, no hay cambios significativos de presión hasta la contracción, cuando alcanza el valor más alto en la escala y el volumen del modelo comienza a aumentar al mismo tiempo. La Figura 9 muestra cómo se distribuye la velocidad dentro de la parte fluida del modelo LV. Como se muestra, hay picos de valor notables dentro de las ramas, causados por el flujo de fluido durante el ciclo de carga / descarga. La figura 10 muestra cómo se distribuyen los desplazamientos a lo largo del modelo. Similar al cambio de presión, durante los dos primeros pasos, los desplazamientos son insignificantes hasta la contracción, cuando se vuelven máximos en la parte inferior del modelo. A lo largo del tiempo restante, el modelo vuelve lentamente a su estado no deformado. La figura 11 muestra el diagrama de presión-volumen (PV) resultante. La figura 12 muestra la representación vectorial de las velocidades dentro de la parte fluida del modelo de ventrículo. Los vectores de velocidad de fase están presentes dentro de la válvula mitral durante la entrada de líquido y, después de que el ventrículo se llena de líquido desde 0,7 s, el líquido sale a través de la parte aórtica.
Se aplicaron ecuaciones monodominio para el sistema de torso cardíaco totalmente acoplado con el fin de simular la electrofisiología. Las conductividades miocárdicas y torsales se definen en la Tabla 1 10,11,12,13,14. El flujo cero se utilizó para Vm como condición límite para todos los límites interiores en contacto con los pulmones, el torso y el corazón. Por lo tanto, −n · Γ = 0, donde n es el vector normal unitario hacia el exterior en el límite y Γ es el vector de flujo a través de ese límite para el voltaje intracelular, igual a Γ = − σ· ∂Vm/∂n. A continuación, se implementaron enfoques clásicos para resolver el problema inverso del ECG utilizando la formulación del potencial epicárdico. Los métodos utilizados fueron la familia de métodos de Tikhonov y los métodos basados en la regularización L 10,11,12,13,14.
La actividad eléctrica de todo el corazón en el entorno incrustado en el torso se presenta en la Figura 13. Se incorporó un sistema de conducción especializado con morfologías heterogéneas de potencial de acción en todo el corazón en el inicio de la activación en el nódulo sinoauricular. La Figura 14 muestra los mapas del potencial de superficie corporal en un sujeto sano durante la progresión de la activación ventricular en nueve secuencias que corresponden a la señal de ECG medida.
Figura 1: Diagrama de flujo de información para el análisis de imágenes DICOM en modo M de ultrasonido y extracción de parámetros LV. Haga clic aquí para ver una versión más grande de esta figura.
Figura 2: Carga de nuevos archivos para su análisis. Haga clic aquí para ver una versión más grande de esta figura.
Figura 3: Interfaz de usuario para ultrasonido Análisis de imágenes DICOM de vista apical y extracción de parámetros LV. Haga clic aquí para ver una versión más grande de esta figura.
Figura 4: Diagrama de flujo de información PAK-FS. Haga clic aquí para ver una versión más grande de esta figura.
Figura 5: Diagrama de flujo de información PAK-TORSO. Haga clic aquí para ver una versión más grande de esta figura.
Figura 6: Perfil de velocidad. (A) Función de entrada de la velocidad en la sección transversal de la válvula mitral, y (B) función de velocidad de salida en la sección transversal de la válvula aórtica. Haga clic aquí para ver una versión más grande de esta figura.
Figura 7: Modelo paramétrico LV con dirección de fibras . (A) Pared sólida de una capa, y (B) representación de pared sólida de tres capas. Haga clic aquí para ver una versión más grande de esta figura.
Figura 8: Campo de presión dentro del modelo paramétrico LV. Se presentan cinco pasos de tiempo diferentes. Haga clic aquí para ver una versión más grande de esta figura.
Figura 9: Campo de velocidad dentro del modelo paramétrico LV. Se presentan cinco pasos de tiempo diferentes. Haga clic aquí para ver una versión más grande de esta figura.
Figura 10: Desplazamientos en el modelo paramétrico de BT. Se presentan cinco pasos de tiempo diferentes. Haga clic aquí para ver una versión más grande de esta figura.
Figura 11: Diagrama de presión vs. volumen (PV) para el modelo de interacción fluido-estructura del VI. La duración del ciclo prescrito de 1 s se divide en 10 pasos de tiempo. Se muestran cinco pasos de tiempo representativos. Haga clic aquí para ver una versión más grande de esta figura.
Figura 12: Representación vectorial de velocidades en el modelo paramétrico del ventrículo izquierdo. Se muestran cuatro pasos de tiempo representativos. Haga clic aquí para ver una versión más grande de esta figura.
Figura 13: Simulación de la activación de todo el corazón en varios puntos de tiempo en la señal de ECG de derivación II. 1-9 secuencias de activación en (B) corresponden a la señal de ECG en (A). El potencial transmembrana en mV se denota por la barra de color. Haga clic aquí para ver una versión más grande de esta figura.
Figura 14: Mapas del potencial de superficie corporal en un sujeto sano. Progresión de la activación ventricular en nueve secuencias (panel inferior) correspondientes a la señal del ECG (panel superior). El rango de actividad cardíaca en mV se indica mediante la barra de color. Haga clic aquí para ver una versión más grande de esta figura.
| Parámetro | SAN | Atria | AVN | Suyos | BNL | Purkinje | Ventrículos | |
| Un | -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 | |
Tabla 1: Parámetros para el modelo monodominio con ecuaciones de FitzHugh-Nahumo modificadas.
Subscription Required. Please recommend JoVE to your librarian.
Discussion
El proyecto SILICOFCM es una plataforma de ensayos clínicos in silico para diseñar poblaciones virtuales de pacientes para la predicción de riesgos, probar los efectos del tratamiento farmacológico y reducir los experimentos con animales y los ensayos clínicos en humanos. La prueba de los efectos del tratamiento farmacológico se modeló con las condiciones prescritas de flujo límite de entrada / salida, la función del calcio y las propiedades de la pared del material. Esta plataforma integra métodos multiescala a nivel sarcomérico con el rendimiento de todo el corazón y el nivel de optimización funcional para la predicción del riesgo de afecciones específicas del paciente durante la progresión de la enfermedad cardiomiopatía.
Se ha presentado el modelado cardíaco para miocardiopatía y acoplamiento electromecánico del VI en el proyecto SILICOFCM8 . La geometría del modelo cardíaco incluyó siete regiones diferentes: 1) nódulo sinoauricular; 2) aurículas; 3) nódulo auriculoventricular; 4) Su paquete; 5) fibras del paquete; 6) fibras de Purkinje; y 7) miocardio ventricular. Se han presentado mapas de potencial de superficie corporal en un sujeto sano durante la progresión de la activación ventricular en nueve secuencias correspondientes a la señal del ECG.
Después de extraer las dimensiones del ventrículo izquierdo, según las opciones de malla, se genera la malla de elementos finitos y se ejecuta la simulación de análisis de elementos finitos con velocidades de entrada y salida prescritas por el usuario. Los usuarios pueden visualizar soluciones directamente en la plataforma mirando las animaciones y diagramas disponibles. Los usuarios pueden visualizar diagramas de presión-volumen, presión-deformación y miocardio de tiempo de trabajo haciendo clic en el símbolo del ojo. Si los usuarios hacen clic en el botón de la cámara, aparece la lista de animaciones disponibles de varios campos (desplazamientos, presiones, velocidad, esfuerzos cortantes).
Hay algunas limitaciones para el estudio. La geometría paramétrica del VI se extrajo de imágenes ecográficas. La versión futura entrará en una reconstrucción geométrica más detallada. Una conexión directa con fármacos específicos para la miocardiopatía no se presenta en este manuscrito. En este estudio, se controla a través de condiciones límite para el flujo y la presión. Los datos genéticos se incorporan actualmente a través de la función del músculo cardíaco de calcio y la propiedad material no lineal de la pared. En la versión futura, se considerarán más detalles de la reconstrucción de imágenes y datos genéticos para la enfermedad cardiomiopatía específica del paciente (variante genética hipertrófica y dilatada).
La plataforma computacional SILICOFCM8 abrirá una nueva vía para ensayos clínicos in silico , específicamente para enfermedades cardíacas y predicción de riesgos para la condición específica del paciente. El estándar de oro para la práctica clínica actual para la predicción de riesgos es la calculadora de supervivencia estándar para pacientes con miocardiopatía. La plataforma utilizada aquí puede proporcionar más información en comparación con el estándar médico actual, ya que el modelado incluye no solo los biomarcadores, sino también la geometría específica del paciente, las condiciones hemodinámicas de flujo y presión, las propiedades del material de la pared (de la deformación en las imágenes) y la respuesta al fármaco con diferentes combinaciones de condiciones de contorno, función del calcio y propiedades del material.
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
Los autores no tienen conflictos de intereses.
Acknowledgments
Este estudio cuenta con el apoyo del programa de investigación e innovación Horizonte 2020 de la Unión Europea bajo el acuerdo de subvención SILICOFCM 777204 y el Ministerio de Educación, Ciencia y Desarrollo Tecnológico de la República de Serbia a través de los Contratos No. 451-03-68/2022-14/200107. Este artículo refleja sólo las opiniones de los autores. La Comisión Europea no es responsable del uso que pueda hacerse de la información que contiene el artículo.
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).
