Summary

Modellazione a parametro raggruppato e elemento finito dell'insufficienza cardiaca con frazione di espulsione preservata

Published: February 13, 2021
doi:

Summary

Questo lavoro introduce due modelli computazionali di insufficienza cardiaca con frazione di espulsione preservata basata su un approccio a parametro forfait e analisi degli elementi finiti. Questi modelli sono utilizzati per valutare i cambiamenti nell’emodinamica del ventricolo sinistro e la relativa vascolarizzazione indotta dal sovraccarico di pressione e dalla ridotta conformità ventricolare.

Abstract

Gli sforzi scientifici nel campo della modellazione computazionale delle malattie cardiovascolari si sono in gran parte concentrati sull’insufficienza cardiaca con ridotta frazione di espulsione (HFrEF), trascurando ampiamente l’insufficienza cardiaca con frazione di espulsione preservata (HFpEF), che è diventata più recentemente una forma dominante di insufficienza cardiaca in tutto il mondo. Motivati dalla scarsità di HFpEF nelle rappresentazioni silico, in questo documento vengono presentati due distinti modelli computazionali per simulare l’emodinamica dell’HFpEF derivante dal sovraccarico di pressione ventricolare sinistro. In primo luogo, un modello a parametro raggruppato orientato agli oggetti è stato sviluppato utilizzando un risolutore numerico. Questo modello si basa su una rete a forma di Windkessel a dimensione zero (0D), che dipende dalle proprietà geometriche e meccaniche degli elementi costitutivi e offre il vantaggio di bassi costi computazionali. In secondo luogo, è stato utilizzato un pacchetto software di analisi degli elementi finiti (FEA) per l’implementazione di una simulazione multidimensionale. Il modello FEA combina modelli multifisica tridimensionali (3D) della risposta cardiaca elettromeccanica, deformazioni strutturali ed emodinamica basata sulla cavità fluida e utilizza un modello semplificato di parametro raggruppato per definire i profili di scambio del flusso tra diverse cavità del fluido. Attraverso ogni approccio, sono stati simulati con successo sia i cambiamenti emodinamici acuti che cronici nel ventricolo sinistro e nella vascuola prossimale risultanti dal sovraccarico di pressione. In particolare, il sovraccarico di pressione è stato modellato riducendo l’area dell’orifizio della valvola aortica, mentre il rimodellamento cronico è stato simulato riducendo la conformità della parete ventricolare sinistra. Coerentemente con la letteratura scientifica e clinica dell’HFpEF, i risultati di entrambi i modelli mostrano (i) un’elevazione acuta del gradiente di pressione transaortica tra il ventricolo sinistro e l’aorta e una riduzione del volume dell’ictus e (ii) una diminuzione cronica del volume ventricolare sinistro diastolico finale, indicativo di disfunzione diastolica. Infine, il modello FEA dimostra che lo stress nel miocardio HFpEF è notevolmente più elevato che nel tessuto cardiaco sano durante tutto il ciclo cardiaco.

Introduction

L’insufficienza cardiaca è una delle principali cause di morte in tutto il mondo, che si verifica quando il cuore non è in grado di pompare o riempire adeguatamente per stare al passo con le esigenze metaboliche del corpo. La frazione di espulsione, cioè la quantità relativa di sangue immagazzinata nel ventricolo sinistro che viene espulso ad ogni contrazione viene utilizzata clinicamente per classificare l’insufficienza cardiaca in (i) insufficienza cardiaca con frazione di espulsione ridotta (HFrEF) e (ii) insufficienza cardiaca con frazione di espulsione preservata (HFpEF), per frazioni di espulsione inferiori o superiori al 45%,rispettivamente 1,2,3. I sintomi dell’HFpEF si sviluppano spesso in risposta al sovraccarico di pressione ventricolare sinistra, che può essere causato da diverse condizioni tra cui stenosi aortica, ipertensione e ostruzione del tratto di deflusso ventricolaresinistro 3,4,5,6,7. Il sovraccarico di pressione guida una cascata di aberrazioni molecolari e cellulari, portando all’ispessimento della parete ventricolare sinistra (rimodellamento concentrico) e, in definitiva, all’irrigidimento o alla perdita diconformità delle pareti 8,9,10. Questi cambiamenti biomeccanici influenzano profondamente l’emodinamica cardiovascolare in quanto si traducono in un’elevata relazione pressione-volume diastolico finale e in una riduzione del volume end-diastolico11.

La modellazione computazionale del sistema cardiovascolare ha avanzato la comprensione delle pressioni e dei flussi sanguigni sia in fisiologia che in malattia e ha favorito lo sviluppo di strategie diagnostiche e terapeutiche12. Nei modelli silico sono classificati in modelli a bassa o alta dimensione, con i primi che utilizzano metodi analitici per valutare proprietà emodinamiche globali a bassa domanda computazionale e il secondo fornisce una descrizione multiscala e multifisica più ampia della meccanica cardiovascolare e dell’emodinamica nel dominio 2D o 3D13. La rappresentazione di Windkessel a parametro forfait è la più comune tra le descrizioni a bassa dimensione. Basato sull’analogia del circuito elettrico (legge di Ohm), questo imita il comportamento emodinamico complessivo del sistema cardiovascolare attraverso una combinazione di elementi resistivi, capacitivi e induttivi14. Un recente studio di questo gruppo ha proposto un modello windkessel alternativo nel settore idraulico che consente la modellazione di cambiamenti nella geometria e nella meccanica di grandi vasi-camere cardiache e valvole-in modo più intuitivo rispetto ai tradizionali modelli analogici elettrici. Questa simulazione è sviluppata su un risolutore numerico orientato agli oggetti (vedi tabella dei materiali)e può catturare la normale emodinamica, gli effetti fisiologici dell’accoppiamento cardiorespiratorio, il flusso sanguigno guidato dalle vie respiratorie nella fisiologia a cuore singolo e i cambiamenti emodinamici dovuti alla costrizione aortica. Questa descrizione espande le capacità dei modelli a parametro raggruppato offrendo un approccio fisicamente intuitivo per modellare uno spettro di condizioni patologiche tra cui l’insufficienzacardiaca 15.

I modelli ad alta dimensione si basano su FEA per calcolare l’emodinamica spatiotemporale e le interazioni fluido-struttura. Queste rappresentazioni possono fornire descrizioni dettagliate e accurate del campo sanguigno locale; tuttavia, a causa della loro bassa efficienza computazionale, non sono adatti per studi sull’intero alberocardiovascolare 16,17. Un pacchetto software (vedi tabella dei materiali)è stato utilizzato come piattaforma FEA anatomicamente accurata del cuore umano adulto a 4 camere, che integra la risposta elettromeccanica, le deformazioni strutturali e l’emodinamica basata sulla cavità fluida. Il modello di cuore umano adattato comprende anche un semplice modello a parametro grumoso che definisce lo scambio di flusso tra le diverse cavità del fluido, nonché una caratterizzazione meccanica completa del tessutocardiaco 18,19.

Sono stati formulati diversi modelli di insufficienza cardiaca a parametro forfait e FEA per catturare anomalie emodinamiche e valutare strategie terapeutiche, in particolare nel contesto di dispositivi meccanici di assistenza circolatoria per HFrEF20,21,22,23,24. Un’ampia gamma di modelli di parametri raggruppati 0D di varie complessità ha quindi catturato con successo l’emodinamica del cuore umano in condizioni fisiologiche e HFrEF attraverso l’ottimizzazione di sistemi elettrici analogici Windkessel a due otre elementi 20,21,23,24. La maggior parte di queste rappresentazioni sono modelli uni- o biventricolari basati sulla formulazione di elastanza variabile nel tempo per riprodurre l’azione contrattile del cuore e utilizzare una relazione pressione-volume end-diastolica non lineare per descrivere il riempimento ventricolare25,26,27. Modelli completi, che catturano la complessa rete cardiovascolare e imitano sia l’azione di pompaggio atriale che ventricolare, sono stati utilizzati come piattaforme per il test dei dispositivi. Tuttavia, sebbene esista un significativo corpus letterario intorno al campo dell’HFrEF, pochissimi nei modelli silico di HFpEF sono statiproposti 20,22,28,29,30,31.

Un modello a bassa dimensionalità dell’emodinamica HFpEF, recentemente sviluppato da Burkhoffetal. Inoltre, utilizzano la loro piattaforma in silico per valutare la fattibilità di un dispositivo circolatorio meccanico per HFpEF, pionieristica ricerca computazionale di HFpEF per studi fisiologici e sviluppo di dispositivi. Tuttavia, questi modelli rimangono incapaci di catturare i cambiamenti dinamici nei flussi sanguigni e nelle pressioni osservate durante la progressione della malattia. Un recente studio di Kadry et al. Il loro lavoro fornisce un’analisi emodinamica completa della disfunzione diastolica basata sulle proprietà attive e passive del miocardio. Allo stesso modo, la letteratura dei modelli ad alta dimensione si è concentrata principalmente su HFrEF19,33,34,35,36,37. 33 ha proposto un modello FEA di fluido cardiaco-elettromeccanica completamente accoppiato per prevedere il profilo emodinamico HFrEF e l’efficacia di un dispositivo di assistenza ventricolare sinistro (LVAD). Questo modello biventricolare (o a due camere) utilizzava un circuito accoppiato di Windkessel per simulare l’emodinamica del cuore sano, HFrEF e HFrEF con supporto LVAD33,37.

Allo stesso modo, Sack etal. La loro geometria biventricolare è stata ottenuta dai dati di risonanza magnetica (MRI) di un paziente, e la mesh a elementi finiti del modello è stata costruita usando la segmentazione dell’immagine per analizzare l’emodinamica di un ventricolo destro in fallimento supportato da VAD35. Sono stati sviluppati approcci cardiaci FEA a quattro camere per migliorare l’accuratezza dei modelli del comportamento elettromeccanicodel cuore 19,34. In contrasto con le descrizioni biventricolari, i modelli a quattro camere derivati dalla risonanza testrizzazione del cuore umano forniscono una migliore rappresentazione dell’anatomiacardiovascolare 18. Il modello cardiaco utilizzato in questo lavoro è un esempio consolidato di modello FEA a quattro camere. A differenza dei modelli FEA a parametro forfait e biventricolare, questa rappresentazione cattura i cambiamenti emodinamici man mano che si verificano durante la progressionedella malattia 34,37. 34 , ad esempio, utilizzavala stessa piattaforma per implementare un modello numerico di crescita del rimodellamento osservato in HFrEF e HFpEF. Tuttavia, questi modelli valutano gli effetti dell’ipertrofia cardiaca solo sulla meccanica strutturale e non forniscono una descrizione completa dell’emodinamica associata.

Per far fronte alla mancanza di HFpEF nei modelli silico in questo lavoro, il modello a parametro forfait precedentemente sviluppatoda questo gruppo 15 e il modello FEA sono stati riadattati per simulare il profilo emodinamico di HFpEF. A tal fine, verrà dimostrata per la prima volta la capacità di ogni modello di simulare l’emodinamica cardiovascolare al basale. Verranno quindi valutati gli effetti del sovraccarico di pressione ventricolare sinistro indotto dalla stenosi e della ridotta conformità ventricolare sinistra dovuta al rimodellamento cardiaco- un tipico segno distintivo dell’HFpEF.

Protocol

1. Modello a parametro forfait 0D Configurazione della simulazioneNOTA: Nell’ambiente del risolutore numerico (vedere la tabella dei materiali), costruire il dominio come illustrato nella figura 1. Questo è composto dal cuore a 4 camere, dalla parte superiore del corpo, dall’addome, dalla parte inferiore del corpo e dai compartimenti toracici, così come dalla vascucolatura prossimale, tra cui l’aorta, l’arteria polmonare e la vena cavae superiore e inferiore….

Representative Results

I risultati delle simulazioni di base sono illustrati nella figura 3. Ciò descrive le forme d’onda di pressione e volume del ventricolo sinistro e dell’aorta (Figura 3A) nonché il circuito fotovoltaico ventricolare sinistro (Figura 3B). I due modelli in silico mostrano un’emodinamica ventricolare aortica e sinistra simile, che si trovano all’interno dell’intervallo fisiologico. Piccole differenze nella risposta prevista dalle due …

Discussion

Le piattaforme lumped-parameter e FEA proposte in questo lavoro hanno ricapitolazione l’emodinamica cardiovascolare in condizioni fisiologiche, sia nella fase acuta del sovraccarico di pressione indotto dalla stenosi che nell’HFpEF cronico. Catturando il ruolo che il sovraccarico di pressione svolge nelle fasi acute e croniche dello sviluppo HFpEF, i risultati di questi modelli sono in accordo con la letteratura clinica di HFpEF, inclusa l’insorgenza di un gradiente di pressione transaortica a causa della stenosi aortica…

Declarações

The authors have nothing to disclose.

Acknowledgements

Riconosciamo i finanziamenti del programma Harvard-Massachusetts Institute of Technology Health Sciences and Technology e del SITA Foundation Award dell’Institute for Medical Engineering and Science.

Materials

Abaqus Software Dassault Systèmes Simulia Corp. Version used: 2018; FEA simulation software
HETVAL Dassault Systèmes Simulia Corp. Version used: 2018
Hydraulic (Isothermal) library MathWorks Version used: 2020a
Living Heart Human Model Dassault Systèmes Simulia Corp. Version used: V2_1, anatomically accurate FEA platform of 4-chamber adult human heart
MATLAB MathWorks Version used: 2020a, object-oriented numerical solver
SIMSCAPE FLUIDS MathWorks
UAMP Dassault Systèmes Simulia Corp. Version used: 2018
VUANISOHYPER Dassault Systèmes Simulia Corp. Version used: 2018

Referências

  1. Borlaug, B. A., Paulus, W. J. Heart failure with preserved ejection fraction: Pathophysiology, diagnosis, and treatment. European Heart Journal. 32 (6), 670-679 (2011).
  2. Borlaug, B. A., Kane, G. C., Melenovsky, V., Olson, T. P. Abnormal right ventricular-pulmonary artery coupling with exercise in heart failure with preserved ejection fraction. European Heart Journal. 37 (43), 3293-3302 (2016).
  3. Borlaug, B. A. Evaluation and management of heart failure with preserved ejection fraction. Nature Reviews Cardiology. 17 (9), 1-15 (2020).
  4. Carabello, B. A., Paulus, W. J. Aortic stenosis. The Lancet. 373 (9667), 956-966 (2009).
  5. Lam, C. S. P., Donal, E., Kraigher-Krainer, E., Vasan, R. S. Epidemiology and clinical course of heart failure with preserved ejection fraction. European Journal of Heart Failure. 13 (1), 18-28 (2011).
  6. Omote, K., et al. Left ventricular outflow tract velocity time integral in hospitalized heart failure with preserved ejection fraction. ESC Heart Failure. 7 (1), 167-175 (2020).
  7. Samson, R., Jaiswal, A., Ennezat, P. V., Cassidy, M., Jemtel, T. H. L. Clinical phenotypes in heart failure with preserved ejection fraction. Journal of the American Heart Association. 5 (1), (2016).
  8. Weber, K. T., Brilla, C. G., Janicki, J. S. Myocardial fibrosis: Functional significance and regulatory factors. Cardiovascular Research. 27 (3), 341-348 (1993).
  9. Borbély, A., et al. Cardiomyocyte stiffness in diastolic heart failure. Circulation. 111 (6), 774-781 (2005).
  10. Borlaug, B. A., Lam, C. S. P., Roger, V. L., Rodeheffer, R. J., Redfield, M. M. Contractility and Ventricular Systolic Stiffening in Hypertensive Heart Disease. Insights Into the Pathogenesis of Heart Failure With Preserved Ejection Fraction. Journal of the American College of Cardiology. 54 (5), 410-418 (2009).
  11. Penicka, M., et al. Heart Failure With Preserved Ejection Fraction in Outpatients With Unexplained Dyspnea. A Pressure-Volume Loop Analysis. Journal of the American College of Cardiology. 55 (16), 1701-1710 (2010).
  12. Owen, B., Bojdo, N., Jivkov, A., Keavney, B., Revell, A. Structural modelling of the cardiovascular system. Biomechanics and Modeling in Mechanobiology. 17 (5), 1217-1242 (2018).
  13. Zhou, S., et al. A review on low-dimensional physics-based models of systemic arteries: Application to estimation of central aortic pressure. BioMedical Engineering Online. 18 (1), 41 (2019).
  14. Sagawa, K., Lie, R. K., Schaefer, J. Translation of Otto frank’s paper “Die Grundform des arteriellen Pulses” zeitschrift für biologie 37. Journal of Molecular and Cellular Cardiology. 22 (1899), 253-254 (1990).
  15. Rosalia, L., Ozturk, C., Van Story, D., Horvath, M., Roche, E. T. Object-oriented lumped-parameter modeling of the cardiovascular system for physiological and pathophysiological conditions. Advanced theory and simulations. , (2021).
  16. Lopez-Perez, A., Sebastian, R., Ferrero, J. M. Three-dimensional cardiac computational modelling: METHODS, features and applications. BioMedical Engineering Online. 14, 35 (2015).
  17. Xie, X., Zheng, M., Wen, D., Li, Y., Xie, S. A new CFD based non-invasive method for functional diagnosis of coronary stenosis. BioMedical Engineering Online. 17 (1), 36 (2018).
  18. Abaqus Dassault, S. . SIMULIA living heart human model user documentation. , (2017).
  19. Baillargeon, B., Rebelo, N., Fox, D. D., Taylor, R. L., Kuhl, E. The living heart project: A robust and integrative simulator for human heart function. European Journal of Mechanics, A/Solids. 48, 38-47 (2014).
  20. Moscato, F., et al. Use of continuous flow ventricular assist devices in patients with heart failure and a normal ejection fraction: a computer-simulation study. The Journal of Thoracic and Cardiovascular Surgery. 145 (5), 1352-1358 (2013).
  21. Fresiello, L., Meyns, B., Di Molfetta, A., Ferrari, G. A Model of the Cardiorespiratory Response to Aerobic Exercise in Healthy and Heart Failure Conditions. Frontiers in Physiology. 7 (189), (2016).
  22. Moscato, F., et al. Left ventricle afterload impedance control by an axial flow ventricular assist device: a potential tool for ventricular recovery. Artificial Organs. 34 (9), 736-744 (2010).
  23. Colacino, F. M., Moscato, F., Piedimonte, F., Arabia, M., Danieli, G. A. Left ventricle load impedance control by apical VAD can help heart recovery and patient perfusion: a numerical study. Asaio Journal. 53 (3), 263-277 (2007).
  24. Gu, K., et al. Lumped parameter model for heart failure with novel regulating mechanisms of peripheral resistance and vascular compliance. Asaio Journal. 58 (3), 223-231 (2012).
  25. Suga, H., Sagawa, K., Kostiuk, D. P. Controls of ventricular contractility assessed by pressure-volume ratio, Emax. Cardiovascular Research. 10 (5), 582-592 (1976).
  26. Fernandez de Canete, J., Saz-Orozco, P. d., Moreno-Boza, D., Duran-Venegas, E. Object-oriented modeling and simulation of the closed loop cardiovascular system by using SIMSCAPE. Computers in Biology and Medicine. 43 (4), 323-333 (2013).
  27. Heldt, T., Shim, E. B., Kamm, R. D., Mark, R. G., et al. Computational modeling of cardiovascular response to orthostatic stress. Journal of Applied Physiology. 92 (3), 1239-1254 (2002).
  28. Granegger, M., et al. A Valveless Pulsatile Pump for the Treatment of Heart Failure with Preserved Ejection Fraction: A Simulation Study. Cardiovascular Engineering and Technology. 10 (1), 69-79 (2019).
  29. Hay, I., Rich, J., Ferber, P., Burkhoff, D., Maurer, M. S. Role of impaired myocardial relaxation in the production of elevated left ventricular filling pressure. American Journal of Physiology-Heart and Circulatory Physiology. 288 (3), 1203-1208 (2005).
  30. Kadry, K., et al. Biomechanics of diastolic dysfunction: a one-dimensional computational modeling approach. American Journal of Physiology-Heart and Circulatory Physiology. 319 (4), 882-892 (2020).
  31. Luo, C., Ramachandran, D., Ware, D. L., Ma, T. S., Clark, J. W. Modeling left ventricular diastolic dysfunction: classification and key indicators. Theoretical Biology & Medical Modelling. 8, 14 (2011).
  32. Burkhoff, D., et al. Left atrial decompression pump for severe heart failure with preserved ejection fraction: theoretical and clinical considerations. JACC: Heart Failure. 3 (4), 275-282 (2015).
  33. Ahmad Bakir, A., Al Abed, A., Stevens, M. C., Lovell, N. H., Dokos, S. A Multiphysics Biventricular Cardiac Model: Simulations With a Left-Ventricular Assist Device. Frontiers in Physiology. 9 (1259), (2018).
  34. Genet, M., Lee, L. C., Baillargeon, B., Guccione, J. M., Kuhl, E. Modeling pathologies of diastolic and systolic heart failure. Annals of Biomedical Engineering. 44 (1), 112-127 (2016).
  35. Sack, K. L., et al. Investigating the Role of Interventricular Interdependence in Development of Right Heart Dysfunction During LVAD Support: A Patient-Specific Methods-Based Approach. Frontiers in Physiology. 9 (520), (2018).
  36. Baillargeon, B., et al. Human cardiac function simulator for the optimal design of a novel annuloplasty ring with a sub-valvular element for correction of ischemic mitral regurgitation. Cardiovascular Engineering and Technology. 6 (2), 105-116 (2015).
  37. Sack, K. L., et al. Partial LVAD Restores Ventricular Outputs and Normalizes LV but not RV Stress Distributions in the Acutely Failing Heart in Silico. The International Journal of Artificial Organs. 39 (8), 421-430 (2016).
  38. Baumgartner, H., et al. Echocardiographic assessment of valve stenosis: EAE/ASE recommendations for clinical practice. Journal of the American Society of Echocardiography. 22 (1), 1-23 (2009).
  39. Rajani, R., Hancock, J., Chambers, J. The art of assessing aortic stenosis. Heart. 98, 14 (2012).
  40. Vahanian, A., et al. Guidelines on the management of valvular heart disease: The Task Force on the Management of Valvular Heart Disease of the European Society of Cardiology. European Heart Journal. 28 (2), 230-268 (2007).
  41. Matiwala, S., Margulies, K. B. Mechanical approaches to alter remodeling. Current Heart Failure Reports. 1 (1), 14-18 (2004).
  42. NIH Clinical Trials Registry. . ImCardia for DHF to Treat Diastolic Heart Failure (DHF) Patient a Pilot Study (ImCardia). , (2011).
check_url/pt/62167?article_type=t

Play Video

Citar este artigo
Rosalia, L., Ozturk, C., Roche, E. T. Lumped-Parameter and Finite Element Modeling of Heart Failure with Preserved Ejection Fraction. J. Vis. Exp. (168), e62167, doi:10.3791/62167 (2021).

View Video