Summary

Modélisation par paramètres regroupés et par éléments finis de l’insuffisance cardiaque avec fraction d’éjection préservée

Published: February 13, 2021
doi:

Summary

Ce travail présente deux modèles informatiques d’insuffisance cardiaque avec fraction d’éjection préservée basée sur une approche de paramètres regroupés et une analyse par éléments finis. Ces modèles sont utilisés pour évaluer les changements de l’hémodynamique du ventricule gauche et de la vascularisation connexe induite par la surcharge de pression et la conformité ventriculaire diminuée.

Abstract

Les efforts scientifiques dans le domaine de la modélisation informatique des maladies cardiovasculaires se sont largement concentrés sur l’insuffisance cardiaque avec fraction d’éjection réduite (HFrEF), négligeant largement l’insuffisance cardiaque avec la fraction d’éjection préservée (HFpEF), qui est plus récemment devenue une forme dominante d’insuffisance cardiaque dans le monde entier. Motivés par le manque des représentations in silico de HFpEF, deux modèles de calcul distincts sont présentés dans ce document pour simuler l’hémodynamique de HFpEF résultant de la surcharge ventriculaire gauche de pression. Tout d’abord, un modèle de paramètres groupés orienté objet a été développé à l’aide d’un solveur numérique. Ce modèle est basé sur un réseau de type Windkessel de dimension zéro (0D), qui dépend des propriétés géométriques et mécaniques des éléments constitutifs et offre l’avantage de faibles coûts de calcul. Deuxièmement, un progiciel d’analyse par éléments finis (FEA) a été utilisé pour la mise en œuvre d’une simulation multidimensionnelle. Le modèle FEA combine des modèles multiphysiques tridimensionnels (3D) de la réponse cardiaque électromécanique, des déformations structurelles et de l’hémodynamique basée sur la cavité fluide et utilise un modèle simplifié de paramètres regroupés pour définir les profils d’échange d’écoulement entre différentes cavités de fluide. Par chaque approche, les changements hémodynamiques aigus et chroniques du ventricule gauche et de la vascularisation proximale résultant de la surcharge de pression ont été avec succès simulés. Plus précisément, la surcharge de pression a été modélisée en réduisant la zone d’orifice de la valve aortique, tandis que le remodelage chronique a été simulé en réduisant la conformité de la paroi ventriculaire gauche. Compatibles avec la littérature scientifique et clinique de HFpEF, les résultats des deux modèles montrent (i) une élévation aiguë du gradient de pression transaortique entre le ventricule gauche et l’aorte et une réduction du volume de course et (ii) une diminution chronique du volume ventriculaire gauche fin-diastolique, indicatif du dysfonctionnement diastolique. Enfin, le modèle FEA démontre que le stress dans le myocarde HFpEF est remarquablement plus élevé que dans le tissu cardiaque sain tout au long du cycle cardiaque.

Introduction

L’insuffisance cardiaque est l’une des principales causes de décès dans le monde, qui se produit lorsque le cœur est incapable de pomper ou de se remplir adéquatement pour répondre aux exigences métaboliques du corps. La fraction d’éjection, c’est-à-dire la quantité relative de sang stockée dans le ventricule gauche qui est éjectée à chaque contraction est utilisée cliniquement pour classer l’insuffisance cardiaque en (i) insuffisance cardiaque avec fraction d’éjection réduite (HFrEF) et (ii) insuffisance cardiaque avec fraction d’éjection préservée (HFpEF), pour les fractions d’éjection inférieures ou supérieures à 45%, respectivement1,2,3. Les symptômes de HFpEF se développent souvent en réponse à la surcharge de pression ventriculaire gauche, qui peut être causée par plusieurs conditions, y compris la sténose aortique, l’hypertension, et l’obstruction ventriculaire gauche de secteur de sortie3,4,5,6,7. La surcharge de pression entraîne une cascade d’aberrations moléculaires et cellulaires, conduisant à un épaississement de la paroi ventriculaire gauche (remodelage concentrique) et finalement, à un raidissement de la paroi ou à une perte de conformité8,9,10. Ces changements biomécaniques affectent profondément l’hémodynamique cardiovasculaire car ils se traduisent par une relation pression-volume fin-diastolique élevée et par une réduction du volume fin-diastolique11.

La modélisation computationnelle du système cardiovasculaire a fait progresser la compréhension des pressions et des flux sanguins dans la physiologie et la maladie et a favorisé le développement de stratégies diagnostiques et thérapeutiques12. Les modèles in silico sont classés en modèles de faible ou haute dimension, le premier utilisant des méthodes analytiques pour évaluer les propriétés hémodynamiques globales avec une faible demande de calcul et le second fournissant une description multi-échelle et multiphysique plus complète de la mécanique cardiovasculaire et de l’hémodynamique dans le domaine 2D ou 3D13. La représentation de Windkessel à paramètre regroupé est la plus courante parmi les descriptions de faible dimension. Basé sur l’analogie du circuit électrique (loi d’Ohm), cela imite le comportement hémodynamique global du système cardiovasculaire grâce à une combinaison d’éléments résistifs, capacitifs et inductifs14. Une étude récente de ce groupe a proposé un modèle de Windkessel alternatif dans le domaine hydraulique qui permet la modélisation des changements dans la géométrie et la mécanique des grands vaisseaux – chambres cardiaques et valves – d’une manière plus intuitive que les modèles analogiques électriques traditionnels. Cette simulation est développée sur un solveur numérique orienté objet (voir la table des matériaux)et peut capturer l’hémodynamique normale, les effets physiologiques du couplage cardiorespiratoire, le flux sanguin induit par les voies respiratoires dans la physiologie à cœur unique et les changements hémodynamiques dus à la constriction aortique. Cette description développe les capacités des modèles à paramètres regroupés en offrant une approche physiquement intuitive pour modéliser un spectre de conditions pathologiques, y compris l’insuffisance cardiaque15.

Les modèles à haute dimension sont basés sur fea pour calculer l’hémodynamique spatio-temporelle et les interactions fluide-structure. Ces représentations peuvent fournir des descriptions détaillées et précises du champ de flux sanguin local ; cependant, en raison de leur faible efficacité de calcul, ils ne conviennent pas aux études de l’ensemble de l’arbrecardiovasculaire 16,17. Un progiciel (voir la table des matériaux)a été utilisé comme plate-forme FEA anatomiquement précise du cœur humain adulte à 4 chambres, qui intègre la réponse électromécanique, les déformations structurelles et l’hémodynamique basée sur la cavité fluide. Le modèle de cœur humain adapté comprend également un modèle simple de paramètres regroupés qui définit l’échange d’écoulement entre les différentes cavités fluides, ainsi qu’une caractérisation mécanique complète du tissu cardiaque18,19.

Plusieurs modèles d’insuffisance cardiaque à paramètres regroupés et FEA ont été formulés pour capturer les anomalies hémodynamiques et évaluer les stratégies thérapeutiques, en particulier dans le contexte des dispositifs d’assistance circulatoire mécanique pour HFrEF20,21,22,23,24. Un large éventail de modèles 0D à paramètres regroupés de diverses complexités a donc réussi à capturer l’hémodynamique du cœur humain dans des conditions physiologiques et HFrEF via l’optimisation des systèmes windkessel analogiques électriques à deux ou trois éléments20,21,23,24. La majorité de ces représentations sont des modèles uni- ou biventriculaires basés sur la formulation d’élastance variable dans le temps pour reproduire l’action contractile du cœur et utiliser une relation fin-diastolique non linéaire pression-volume pour décrire le remplissage ventriculaire25,26,27. Des modèles complets, qui capturent le réseau cardiovasculaire complexe et imitent à la fois l’action de pompage auriculaire et ventriculaire, ont été utilisés comme plateformes pour les tests de dispositifs. Néanmoins, bien qu’il existe un corpus important de littérature autour du domaine de l’HFrEF, très peu de modèles in silico de LFHfp ont été proposés20,22,28,29,30,31.

Un modèle à faible dimension de l’hémodynamique HFpEF, récemment développé par Burkhoff et al.32 et Granegger et al.28,peut capturer les boucles pression-volume (PV) du cœur à 4 chambres, récapitulant complètement l’hémodynamique de divers phénotypes de HFpEF. En outre, ils utilisent leur plate-forme in silico pour évaluer la faisabilité d’un dispositif circulatoire mécanique pour HFpEF, une recherche informatique pionnière de HFpEF pour les études de physiologie ainsi que le développement de dispositifs. Cependant, ces modèles restent incapables de saisir les changements dynamiques dans les flux sanguins et les pressions observés au cours de la progression de la maladie. Une étude récente de Kadry et coll.30 capture les différents phénotypes du dysfonctionnement diastolique en ajustant la relaxation active du myocarde et la rigidité passive du ventricule gauche sur un modèle de faible dimension. Leur travail fournit une analyse hémodynamique complète du dysfonctionnement diastolique basée sur les propriétés actives et passives du myocarde. De même, la littérature des modèles à haute dimension s’est principalement concentrée sur HFrEF19,33,34,35,36,37. Bakir et coll.33 ont proposé un modèle fea fluide-électromécanique cardiaque entièrement couplé pour prédire le profil hémodynamique HFrEF et l’efficacité d’un dispositif d’assistance ventriculaire gauche (LVAD). Ce modèle biventriculaire (ou à deux chambres) utilisait un circuit Windkessel couplé pour simuler l’hémodynamique du cœur sain, HFrEF et HFrEF avec support LVAD33,37.

De même, Sack et coll.35 ont mis au point un modèle biventriculaire pour étudier le dysfonctionnement ventriculaire droit. Leur géométrie biventriculaire a été obtenue à partir d’un patient’ données de l’imagerie par résonance magnétique (IRM) de s, et le modèle’ le maillage d’éléments finis de s a été construit utilisant la segmentation d’image pour analyser l’hémodynamique d’un ventricule droit défaillant VAD-soutenu35. Des approches cardiaques FEA à quatre chambres ont été développées pour améliorer la précision des modèles du comportement électromécanique du cœur19,34. Contrairement aux descriptions biventriculaires, les modèles à quatre chambres dérivés de l’IRM du cœur humain fournissent une meilleure représentation de l’anatomiecardiovasculaire 18. Le modèle de cœur utilisé dans ce travail est un exemple établi d’un modèle FEA à quatre chambres. Contrairement aux modèles fea à paramètres regroupés et biventriculaires, cette représentation capture les changements hémodynamiques tels qu’ils se produisent au cours de la progression de la maladie34,37. Genet et al.34,par exemple, ont utilisé la même plate-forme pour mettre en œuvre un modèle de croissance numérique du remodelage observé dans HFrEF et HFpEF. Cependant, ces modèles évaluent les effets de l’hypertrophie cardiaque sur la mécanique structurale seulement et ne fournissent pas une description complète de l’hémodynamique associée.

Pour remédier à l’absence de modèles HFpEF in silico dans ce travail, le modèle de paramètres regroupés précédemment développé par ce groupe15 et le modèle FEA ont été réadaptés pour simuler le profil hémodynamique de HFpEF. À cette fin, la capacité de chaque modèle à simuler l’hémodynamique cardiovasculaire au départ sera d’abord démontrée. Les effets de la surcharge ventriculaire gauche sténose-induite de pression et de la conformité ventriculaire gauche diminuée due au remodelage cardiaque-un cachet typique de HFpEF-seront alors évalués.

Protocol

1. Modèle de paramètres groupés 0D Configuration de la simulationRemarque : dans l’environnement de solveur numérique (voir la table des matériaux),construisez le domaine comme indiqué dans Figure 1. Ceci se compose du coeur à 4 chambres, du corps supérieur, de l’abdominal, du corps inférieur, et des compartiments thoraciques, aussi bien que de la vascularisation proximale, y compris l’aorte, l’artère pulmonaire, et les veines supérieures et …

Representative Results

Les résultats des simulations de base sont illustrés à la figure 3. Ceci représente les formes d’onde de pression et de volume du ventricule gauche et de l’aorte(figure 3A)ainsi que de la boucle PV ventriculaire gauche(figure 3B). Les deux modèles in silico montrent l’hémodynamique ventriculaire aortique et gauche semblable, qui sont dans la gamme physiologique. Des différences mineures dans la réponse prédite par les…

Discussion

Les plateformes de paramètres regroupés et de FEA proposées dans ce travail récapitulaient l’hémodynamique cardiovasculaire dans des conditions physiologiques, à la fois dans la phase aiguë de la surcharge de pression induite par la sténose et dans le HFpEF chronique. En saisissant le rôle que joue la surcharge de pression dans les phases aiguës et chroniques du développement de l’HFpEF, les résultats de ces modèles sont en accord avec la littérature clinique de l’HFpEF, y compris l’apparition d’u…

Declarações

The authors have nothing to disclose.

Acknowledgements

Nous reconnaissons le financement du programme Harvard-Massachusetts Institute of Technology Health Sciences and Technology et le prix de la Fondation SITA de l’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