JoVE Logo
Autoren
Kontakt

Anmelden

Zum Anzeigen dieser Inhalte ist ein JoVE-Abonnement erforderlich. Melden Sie sich an oder starten Sie Ihre kostenlose Testversion.

In diesem Artikel

  • Zusammenfassung
  • Zusammenfassung
  • Einleitung
  • Protokoll
  • Ergebnisse
  • Diskussion
  • Offenlegungen
  • Danksagungen
  • Materialien
  • Referenzen
  • Nachdrucke und Genehmigungen

Zusammenfassung

Diese Arbeit stellt zwei Computermodelle der Herzinsuffizienz mit konservierter Auswurffraktion vor, die auf einem Lumped-Parameter-Ansatz und einer Finite-Elemente-Analyse basieren. Diese Modelle werden verwendet, um die Veränderungen in der Hämodynamik des linken Ventrikels und der damit verbundenen Vaskulatur zu bewerten, die durch Drucküberlastung und verminderte ventrikuläre Compliance induziert werden.

Zusammenfassung

Die wissenschaftlichen Bemühungen auf dem Gebiet der computergestützten Modellierung von Herz-Kreislauf-Erkrankungen haben sich weitgehend auf Herzinsuffizienz mit reduzierter Ejektionsfraktion (HFrEF) konzentriert und dabei die Herzinsuffizienz mit konservierter Ejektionsfraktion (HFpEF) weitgehend übersehen, die in jüngster Zeit weltweit zu einer dominanten Form der Herzinsuffizienz geworden ist. Motiviert durch den Mangel an HFpEF-in-silico-Darstellungen werden in diesem Artikel zwei verschiedene Rechenmodelle vorgestellt, um die Hämodynamik von HFpEF zu simulieren, die sich aus einer linksventrikulären Drucküberlastung ergibt. Zunächst wurde ein objektorientiertes Lumped-Parameter-Modell mit einem numerischen Solver entwickelt. Dieses Modell basiert auf einem nulldimensionalen (0D) Windkessel-ähnlichen Netzwerk, das von den geometrischen und mechanischen Eigenschaften der konstitutiven Elemente abhängt und den Vorteil geringer Rechenkosten bietet. Zweitens wurde ein Softwarepaket zur Finite-Elemente-Analyse (FEA) für die Implementierung einer mehrdimensionalen Simulation verwendet. Das FEA-Modell kombiniert dreidimensionale (3D) multiphysikalische Modelle der elektromechanischen Herzreaktion, struktureller Verformungen und fluidkavitätenbasierter Hämodynamik und verwendet ein vereinfachtes Lumped-Parameter-Modell, um die Strömungsaustauschprofile zwischen verschiedenen Flüssigkeitshohlräumen zu definieren. Durch jeden Ansatz konnten sowohl die akuten als auch die chronischen hämodynamischen Veränderungen im linken Ventrikel und im proximalen Gefäßsystem infolge einer Drucküberlastung erfolgreich simuliert werden. Insbesondere wurde die Drucküberlastung durch Verringerung der Öffnungsfläche der Aortenklappe modelliert, während die chronische Umgestaltung simuliert wurde, indem die Compliance der linksventrikulären Wand verringert wurde. In Übereinstimmung mit der wissenschaftlichen und klinischen Literatur von HFpEF zeigen die Ergebnisse beider Modelle (i) eine akute Erhöhung des transaortalen Druckgradienten zwischen dem linken Ventrikel und der Aorta und eine Verringerung des Schlaganfallvolumens und (ii) eine chronische Abnahme des enddiastolischen linksventrikulären Volumens, was auf eine diastolische Dysfunktion hinweist. Schließlich zeigt das FEA-Modell, dass der Stress im HFpEF-Myokard während des gesamten Herzzyklus bemerkenswert höher ist als im gesunden Herzgewebe.

Einleitung

Herzinsuffizienz ist weltweit eine der häufigsten Todesursachen, die auftritt, wenn das Herz nicht in der Lage ist, ausreichend zu pumpen oder zu füllen, um mit den metabolischen Anforderungen des Körpers Schritt zu halten. Die Auswurffraktion, d.h. die relative Menge an Blut, die im linken Ventrikel gespeichert ist und bei jeder Kontraktion ausgestoßen wird, wird klinisch verwendet, um Herzinsuffizienz in (i) Herzinsuffizienz mit reduzierter Ejektionsfraktion (HFrEF) und (ii) Herzinsuffizienz mit konservierter Ejektionsfraktion (HFpEF) für Auswurffraktionen von weniger als oder mehr als 45% bzw.1,2,3zuklassifizieren. Symptome von HFpEF entwickeln sich oft als Reaktion auf linksventrikuläre Drucküberlastung, die durch verschiedene Zustände wie Aortenstenose, Bluthochdruck und linksventrikuläre Ausflusstraktobstruktion verursacht werden kann3,4,5,6,7. Drucküberlastung treibt eine Kaskade molekularer und zellulärer Aberrationen an, die zu einer Verdickung der linksventrikulären Wand (konzentrische Umgestaltung) und schließlich zu einer Wandversteifung oder zum Verlust der Konformität führen8,9,10. Diese biomechanischen Veränderungen wirken sich tiefgreifend auf die kardiovaskuläre Hämodynamik aus, da sie zu einer erhöhten enddiastolischen Druck-Volumen-Beziehung und zu einer Verringerung des enddiastolischen Volumensführen 11.

Die computergestützte Modellierung des Herz-Kreislauf-Systems hat das Verständnis von Blutdruck und Blutströmen sowohl in der Physiologie als auch in der Krankheit vorangetrieben und die Entwicklung diagnostischer und therapeutischer Strategien gefördert12. In silico-Modelle werden in niedrig- oder hochdimensionale Modelle eingeteilt, wobei erstere analytische Methoden zur Bewertung globaler hämodynamischer Eigenschaften mit geringem Rechenbedarf verwenden und letztere eine umfassendere multiskalige und multiphysikalische Beschreibung der kardiovaskulären Mechanik und Hämodynamik im 2D- oder 3D-Bereich13bieten. Die Lumped-Parameter-Windkessel-Darstellung ist die häufigste unter den niederdimensionalen Beschreibungen. Basierend auf der elektrischen Schaltkreisanalogie (Ohmsches Gesetz) ahmt dies das gesamte hämodynamische Verhalten des Herz-Kreislauf-Systems durch eine Kombination von resistiven, kapazitiven und induktiven Elementen nach14. Eine aktuelle Studie dieser Gruppe hat ein alternatives Windkessel-Modell im hydraulischen Bereich vorgeschlagen, das die Modellierung von Änderungen in der Geometrie und Mechanik großer Gefäße - Herzkammern und Klappen - auf intuitivere Weise als herkömmliche elektrische Analogmodelle ermöglicht. Diese Simulation wird auf einem objektorientierten numerischen Gleichungslöser entwickelt (siehe Materialtabelle)und kann die normale Hämodynamik, physiologische Effekte der kardiorespiratorischen Kopplung, respiratorisch gesteuerten Blutfluss in der Einzelherzphysiologie und hämodynamische Veränderungen aufgrund von Aortenverengung erfassen. Diese Beschreibung erweitert die Fähigkeiten von Lumped-Parameter-Modellen, indem sie einen physikalisch intuitiven Ansatz zur Modellierung eines Spektrums pathologischer Zustände einschließlich Herzinsuffizienzbietet 15.

Hochdimensionale Modelle basieren auf FEA, um räumlich-zeitliche Hämodynamik und Fluid-Struktur-Wechselwirkungen zu berechnen. Diese Darstellungen können detaillierte und genaue Beschreibungen des lokalen Blutflussfeldes liefern; Aufgrund ihrer geringen Recheneffizienz sind sie jedoch nicht für Untersuchungen des gesamten kardiovaskulären Baumes geeignet16,17. Als anatomisch genaue FEA-Plattform des 4-Kammer-Erwachsenenherzens wurde ein Softwarepaket (siehe Materialtabelle)eingesetzt, das die elektromechanische Reaktion, strukturelle Verformungen und die auf Flüssigkeitshöhlen basierende Hämodynamik integriert. Das angepasste menschliche Herzmodell umfasst auch ein einfaches Lumped-Parameter-Modell, das den Strömungsaustausch zwischen den verschiedenen Flüssigkeitshöhlen definiert, sowie eine vollständige mechanische Charakterisierung des Herzgewebes18,19.

Mehrere Lumped-Parameter- und FEA-Modelle der Herzinsuffizienz wurden formuliert, um hämodynamische Anomalien zu erfassen und therapeutische Strategien zu bewerten, insbesondere im Zusammenhang mit mechanischen Kreislaufunterstützungsgeräten für HFrEF20,21,22,23,24. Eine breite Palette von 0D-Lumped-Parameter-Modellen unterschiedlicher Komplexität hat daher erfolgreich die Hämodynamik des menschlichen Herzens unter physiologischen und HFrEF-Bedingungen durch Optimierung von zwei- oder dreielementigen elektrischen analogen Windkesselsystemenerfasst 20,21,23,24. Die meisten dieser Darstellungen sind uni- oder biventrikuläre Modelle, die auf der Formulierung der zeitvariablen Elastanz basieren, um die kontraktile Wirkung des Herzens zu reproduzieren und eine nichtlineare enddiastolische Druck-Volumen-Beziehung zu verwenden, um die ventrikuläre Füllung zu beschreiben25,26,27. Umfassende Modelle, die das komplexe kardiovaskuläre Netzwerk erfassen und sowohl die vorhofliche als auch die ventrikuläre Pumpwirkung nachahmen, wurden als Plattformen für Gerätetests verwendet. Obwohl es auf dem Gebiet der HFrEF eine bedeutende Literatur gibt, wurden nur sehr wenige In-Silico-Modelle von HFpEF vorgeschlagen20,22,28,29,30,31.

Ein niedrigdimensionales Modell der HFpEF-Hämodynamik, das kürzlich von Burkhoff et al.32 und Granegger et al.28entwickelt wurde, kann die Druck-Volumen-Schleifen (PV) des 4-Kammer-Herzens erfassen und die Hämodynamik verschiedener Phänotypen von HFpEF vollständig rekapitulieren. Darüber hinaus nutzen sie ihre in silico-Plattform, um die Machbarkeit eines mechanischen Kreislaufgeräts für HFpEF zu bewerten, was pionierhaft für die computergestützte Forschung von HFpEF für physiologische Studien sowie die Geräteentwicklung ist. Diese Modelle sind jedoch nach wie vor nicht in der Lage, die dynamischen Veränderungen der Blutströme und des Drucks zu erfassen, die während des Fortschreitens der Krankheit beobachtet werden. Eine aktuelle Studie von Kadry et al.30 erfasst die verschiedenen Phänotypen der diastolischen Dysfunktion, indem die aktive Entspannung des Myokards und die passive Steifigkeit des linken Ventrikels an einem niedrigdimensionalen Modell angepasst werden. Ihre Arbeit bietet eine umfassende hämodynamische Analyse der diastolischen Dysfunktion, die sowohl auf den aktiven als auch auf den passiven Eigenschaften des Myokards basiert. In ähnlicher Weise hat sich die Literatur hochdimensionaler Modelle hauptsächlich auf HFrEF19,33,34,35,36,37konzentriert. Bakir et al.33 schlugen ein vollständig gekoppeltes feA-Modell für kardiale Flüssigkeitselektromechanik vor, um das hämodynamische HFrEF-Profil und die Wirksamkeit eines linksventrikulären Unterstützungsgeräts (LVAD) vorherzusagen. Dieses biventrikuläre (oder Zweikammer-) Modell verwendete eine gekoppelte Windkesselschaltung, um die Hämodynamik des gesunden Herzens, HFrEF und HFrEF mit LVAD-Unterstützung33,37zu simulieren.

In ähnlicher Weise entwickelten Sack et al.35 ein biventrikuläres Modell, um rechtsventrikuläre Dysfunktion zu untersuchen. Ihre biventrikuläre Geometrie wurde aus den Magnetresonanztomographie-Daten (MRT) eines Patienten gewonnen, und das Finite-Elemente-Netz des Modells wurde mit Bildsegmentierung konstruiert, um die Hämodynamik eines VAD-gestützten versagenden rechten Ventrikels zu analysieren35. Vierkammer-FEA-Herzansätze wurden entwickelt, um die Genauigkeit von Modellen des elektromechanischen Verhaltens des Herzens zu verbessern19,34. Im Gegensatz zu biventrikulären Beschreibungen bieten MRT-abgeleitete Vierkammermodelle des menschlichen Herzens eine bessere Darstellung der kardiovaskulären Anatomie18. Das in dieser Arbeit verwendete Herzmodell ist ein etabliertes Beispiel für ein Vierkammer-FEA-Modell. Im Gegensatz zu Lumped-Parameter- und biventrikulären FEA-Modellen erfasst diese Darstellung hämodynamische Veränderungen, wie sie während des Krankheitsverlaufs auftreten34,37. Genet et al.34verwendeten beispielsweise die gleiche Plattform, um ein numerisches Wachstumsmodell des in HFrEF und HFpEF beobachteten Remodelings zu implementieren. Diese Modelle bewerten jedoch nur die Auswirkungen der Herzhypertrophie auf die Strukturmechanik und liefern keine umfassende Beschreibung der assoziierten Hämodynamik.

Um das Fehlen von HFpEF in silico-Modellen in dieser Arbeit zu beheben, wurden das zuvor von dieser Gruppe15 entwickelte Lumped-Parameter-Modell und das FEA-Modell neu angepasst, um das hämodynamische Profil von HFpEF zu simulieren. Zu diesem Zweck wird zunächst die Fähigkeit jedes Modells demonstriert, kardiovaskuläre Hämodynamik zu Studienbeginn zu simulieren. Anschließend werden die Auswirkungen einer stenoseinduzierten linksventrikulären Drucküberlastung und einer verminderten linksventrikulären Compliance durch kardialer Umbau – ein typisches Kennzeichen von HFpEF – bewertet.

Protokoll

1. 0D-Lumped-Parameter-Modell

  1. Simulationsaufbau
    HINWEIS: In der numerischen Gleichungslöserumgebung (siehe Materialtabelle)konstruieren Sie die Domäne wie in Abbildung 1dargestellt. Diese besteht aus dem 4-Kammer-Herz, dem Oberkörper, dem Bauch,Demte und Thoraxkompartiment sowie dem proximalen Gefäß, einschließlich der Aorta, der Lungenarterie und der oberen und unteren Venae cavae. Die in dieser Simulation verwendeten Standardelemente sind Teil der hydraulischen Standardbibliothek. Details finden Sie in den Ergänzenden Dateien.
    1. Navigieren Sie durch die Hydraulikbibliothek, um die erforderlichen Elemente zu finden: Hydraulikleitung, Hydraulikkammer mit konstantem Volumen, linearer Widerstand, Kreiselpumpe, Rückschlagventil, Öffnung mit variabler Fläche und die benutzerdefinierte Hydraulikflüssigkeit.
      1. Legen Sie die hydraulischen Rohrleitungselemente in den Arbeitsbereich ab.
        HINWEIS: Diese berücksichtigen Reibungsverluste sowie Wand-Compliance und Flüssigkeitskompressibilität in Blutgefäßen und Herzkammern. Durch diesen Block wird der Druckverlust nach dem Darcy-Weisbach-Gesetz berechnet, während die Änderung des Durchmessers aufgrund der Wandkonformität von der Konformitätsproportionalitätskonstante, dem Luminaldruck und der Zeitkonstante abhängt. Schließlich wird die Kompressibilität der Flüssigkeit durch den Schüttmodul des Mediums definiert.
      2. Setzen Sie die Hydraulikkammerelemente mit konstantem Volumen ein, um die Wandkonformität und die Kompressibilität der Flüssigkeit zu definieren.
        HINWEIS: Dieser Block berücksichtigt keine Druckverluste aufgrund von Reibung.
      3. Fügen Sie die linearen Widerstandselemente hinzu, um den Strömungswiderstand zu definieren.
        HINWEIS: Dies ist unabhängig von den geometrischen Eigenschaften des Gefäßes, analog zum resistiven Element, das in elektrisch analogen Windkessel-Modellen verwendet wird. Andere Blöcke, wie die Kreiselpumpe, das Rückschlagventil, die Öffnung mit variabler Fläche und die benutzerdefinierten Hydraulikflüssigkeitselemente sollten eingeführt werden, um den gewünschten Druckeintrag in das System zu erzeugen, die Auswirkungen von Herzklappen auf den Blutfluss zu modellieren und die mechanischen Eigenschaften des Blutes zu definieren. Durch diese Elemente kann das Verhalten des Herz-Kreislauf-Systems sowohl in der Physiologie als auch in der Krankheit vollständig erfasst werden. Das Eingangssignal für die Kreiselpumpe finden Sie in Abbildung S1A.
      4. Modellieren Sie die Kontraktilität jeder Herzkammer durch das benutzerdefinierte Konformitätskammerelement mit variabler Konformität.
        HINWEIS: Diese akzeptiert Compliance als zeitvariables benutzerdefiniertes Eingangssignal und basiert auf dem zeitvariablen Elastanzmodell (Abbildung S1B-D).
    2. Geben Sie die Parameter relativ zu jedem Element an, wie in Tabelle S1gezeigt, die auch in Rosalia et al.15 zu finden ist.
    3. Fügen Sie ein Physical Signal (PS) Repeating Sequence-Element für jeden der Blöcke ein, die ein zeitabhängiges benutzerdefiniertes Eingangssignal erfordern: die LV-Pumpe, die Konformitätselemente für variable Übereinstimmungen und die Blendenblöcke mit variabler Fläche.
      HINWEIS: Die für diese Simulation verwendeten Eingangssignale finden Sie in Abbildung S1.
    4. Wählen Sie den standardmäßigen impliziten ODE 23t-Gleichungslöser aus und führen Sie die Simulation für 100 s aus, um einen stationären Zustand zu erreichen.

2. Das FEA-Modell

  1. Simulationsaufbau
    HINWEIS: Das FEA-Modell verwendet eine gekoppelte elektrisch-mechanische Analyse nacheinander. In diesem Modell wird zuerst die elektrische Analyse durchgeführt; dann werden die resultierenden elektrischen Potentiale als Anregungsquelle in der folgenden mechanischen Analyse verwendet. Daher enthält der Simulationsaufbau zwei Arbeitsdomänen: die elektrischen (ELEC) und die mechanischen (MECH) Domänen, die in der FEA-Simulationssoftware (Materialtabelle)18vordefiniert sind. Daher wird im folgenden Abschnitt nur der Analyseworkflow beschrieben. Das FEA-Modell verwendet die folgenden Benutzerunterroutinen HETVAL, VUANISOHYPERund UAMP für die elektrische und mechanische Materialmodellierung18.
    1. Navigieren Sie durch die ELEC-Domäne, um elektrische Analysen mit dem vordefinierten Temperaturverfahren im Standardmodul durchzuführen.
      1. Verwenden Sie einen Einzelanalyseschritt mit dem Namen BEAT. Stellen Sie die Dauer des Herzzyklus auf 500 ms ein und wenden Sie einen elektrischen Potentialimpuls auf einen Knotensatz an, der den sinoatrialen (SA) Knoten darstellt (Knotensatz: R_Atrium-1.SA_NODE).
      2. Überprüfen Sie die standardmäßige elektrische Wellenform, die von -80 mV bis 20 mV über 200 ms mit der Definition der glatten Schrittamplitude reicht, wie im Modellhandbuch18beschrieben. Verwenden Sie die Standardwerte der Materialkonstanten in der elektrischen Analyse, um die AV-Verzögerung anzupassen.
      3. Starten Sie das Job-Modul und erstellen Sie einen Job mit dem Namen heart-elec.
    2. Sobald die Einrichtung der elektrischen Analyse abgeschlossen ist, navigieren Sie durch die MECH-Domäne, um die auf Flüssigkeitshohlräumen basierende mechanische Analyse durchzuführen.
      HINWEIS: Die mechanische Simulation wird nach der elektrischen Analyse durchgeführt, und die resultierenden elektrischen Potentiale werden als Anregungsquelle für die mechanische Analyse verwendet. Die mechanische Analyse umfasst mehrere Schritte.
      1. Verwenden Sie die drei Hauptschritte PRE-LOAD, BEAT1UND RECOVERY1. Überprüfen Sie im Schritt PRE-LOAD die Randbedingungen des vorgespannten Zustands des Herzens. Verwenden Sie 0,3 s als Schrittzeit, um den Druck in den Flüssigkeitskammern linear zu erhöhen.
        HINWEIS: Die vordefinierten Werte für den Flüssigkeitshohlraumdruck sind in Tabelle S3 aufgeführt. Der vorgespannte Zustand des Herzens wurde bereits im normalen Herzsimulationsaufbau definiert, und die anfänglichen Knotenbedingungen sind in den externen Simulationsdateien enthalten, wie in Tabelle S5aufgeführt. Eine Neuberechnung des Nullspannungszustands mit Hilfe der inversen mechanischen Simulation ist erforderlich, wenn die Randbedingung geändert wird, wie in den Schritten 3.2.2-3.2.4 erläutert.
      2. Verwenden Sie im Schritt BEAT1 0,5 s als Schrittzeit, um die Kontraktion zu simulieren.
      3. Wählen Sie im Schritt RECOVERY1 0,5 s für die Herzentspannung und die ventrikuläre Füllung für eine Herzfrequenz von 60 bpm.
      4. Aktivieren Sie die folgenden Schritte, BEATX und RECOVERYX, um mehr als einen Herzzyklus zu simulieren, um einen stationären Zustand zu erreichen.
        HINWEIS: Drei Herzzyklen reichen aus, um einen stabilen Zustand zu erreichen. Ein Zyklus der Simulation wird in ~8 h auf einem 24-Kern-Prozessor (3,2 GHz x 24) abgeschlossen.
      5. Starten Sie das Job-Modul und erstellen Sie einen Job mit dem Namen heart-mech, wodurch die Option mit doppelter Genauigkeit aktiviert wird.
  2. Überprüfen des vereinfachten Windkessel-Modells mit Klumpenparametern
    HINWEIS: Die mechanische Domäne des FEA-Modells verfügt über ein Blutflussmodell, das auf einem vereinfachten Lumped-Parameter-Kreislauf basiert und als Kombination aus oberflächenbasierten Flüssigkeitshohlräumen und Flüssigkeitsaustausch erstellt wird, wie in Abbildung 218dargestellt.
    1. Verwenden Sie die in der obigen Notiz erwähnte Windkessel-Darstellung, um die Simulation auszuführen. Überprüfen Sie die Darstellung des Blutflussmodells, um die Werte der resistiven und kapazitiven Elemente für Strömungswiderstände bzw. strukturelle Compliance anzupassen.
    2. Überprüfen Sie die 3D-Finite-Elemente-Darstellung von vier Herzkammern und stellen Sie sicher, dass ihre geometrischen Positionen genau sind.
    3. Überprüfen Sie die Herzanordnung und wechseln Sie zum Interaktionsmodul, um die Compliance- und Kontraktilitätswerte jeder der vier Herzkammern anzupassen.
      HINWEIS: Die Standardwerte im Interaktionsmodul sind so konfiguriert, dass sie einen idealisierten gesunden menschlichen Herzschlagzyklussimulieren 18.
    4. Überprüfen Sie die folgenden hydrostatischen Flüssigkeitshohlräume im Interaktionsmodul, CAV-AORTA, CAV-LA, CAV-LV, CAV-PULMONARY_TRUNK, CAV-RA, CAV-RV, CAV-SVC, CAV-ARTERIAL-COMP, CAV-PULMONARY-COMP und CAV-VENOUS-COMP ( TabelleS3).
    5. Verwenden Sie die Compliance-Kammern (CAV-ARTERIAL-COMP, CAV-PULMONARY-COMP und CAV-VENOUS-COMP) als kubische Volumen, da sie die Konformität der arteriellen, venösen und pulmonalen Zirkulationen darstellen.
    6. Befestigen Sie drei Konformitätswürfe kubische Volumen an einer geerdeten Feder und überprüfen Sie den Steifigkeitswert, um die Druck-Volumen-Reaktion im arteriellen, venösen und pulmonalen Kreislauf zu modellieren.
    7. Überprüfen Sie die folgenden Flüssigkeitsaustauschdefinitionen zwischen den hydrostatischen Flüssigkeitshöhlen: arterial-venös, venös-rechts-Vorhof, rechter Vorhof-rechter Ventrikel, rechter Ventrikel-Lungen-System, Lungensystem-linker Vorhof, linker Vorhof-linker Ventrikel und linker Ventrikel-Aorta (Tabelle S4).
    8. Passen Sie den viskosen Widerstandskoeffizienten an, um das Blutflussmodell in jedem Flüssigkeitsaustauschlink zu ändern (siehe Ergänzende Dateien für weitere Informationen über den viskosen Widerstandseffekt).
  3. Multiphysikalische Simulation
    1. Suchen Sie die CAE-Datenbankdatei im Arbeitsverzeichnis.
      HINWEIS: Das FEA-Modell in diesem Protokoll wird in der Datenbank ausgeliefert und als LH-Human-Model-Beta-V2_1.caebezeichnet.
    2. Fügen Sie die Eingabe-, Objekt- und Bibliotheksdateien in das Arbeitsverzeichnis ein, um die Simulation auszuführen. Die vollständige Liste der Eingabe- und Bibliotheksdateien finden Sie in Tabelle S5.
    3. Starten Sie die FEA-Modellsimulationssoftware (siehe Materialtabelle).
      HINWEIS: Wenden Sie sich an den Softwareanbieter, um die Kompatibilität mit späteren Versionen18 zu überprüfen.
    4. Überprüfen Sie die Teile, Baugruppen und Randbedingungen sowohl im ELEC- als auch im MECH-Bereich, wie in den Abschnitten 2.2 und 2.3 beschrieben.
    5. Führen Sie zunächst den elektrischen Simulationsauftrag heart-elecaus, wie in Abschnitt 2.1.1.3 beschrieben. Überprüfen Sie visuell die Ergebnisse des elektrischen Potenzials, um sicherzustellen, dass die Herz-Elektro-Simulation wie erwartet verlief. Stellen Sie dann sicher, dass sich die Ergebnisdatei heart-elec.odb im Arbeitsverzeichnis befindet.
    6. Wechseln Sie in die zweite Simulationsphase, indem Sie in die MECH-Domäne wechseln. Überprüfen Sie die Werte der Materialkonstanten, die in der mechanischen Simulation verwendet werden, um die gewünschte passive und aktive Herzreaktion zu modellieren.
    7. Stellen Sie sicher, dass die Materialbibliotheksdateien für die mechanische Analyse den Namen der HYBRID-Zeichenfolge verwenden. Um die Materialantwort der Herzkammern zu ändern, passen Sie die entsprechende Hybridmaterialdatei an oder ersetzen Sie die gesamte Materialantwort, indem Sie im Abschnitt Materialien des CAE-Moduls ein neues Materialverhalten definieren.
      HINWEIS: Detaillierte Informationen zu den eingebauten konstitutiven Gesetzen finden Sie imBenutzerhandbuch 18.
    8. Stellen Sie im Schritt PRE-LOAD die Drücke der hydrostatischen Hohlräume ein, um das gewünschte physiologische Verhalten zu erhalten. Verwenden Sie die integrierte Option für glatte Amplituden, um von Null auf das gewünschte Druckniveau zu hochzufahren, wie in Schritt 2.1.2.1 beschrieben.
    9. Deaktivieren Sie die in 2.1.2.1 definierten Druckrandbedingungen, um das Blutflussmodell mit einem konstanten Gesamtblutvolumen innerhalb des Kreislaufsystems auszuführen. Führen Sie den Simulationsauftrag heart-mech aus,wie in Abschnitt 2.1.2.5 beschrieben.

3. Aortenklappenstenose

HINWEIS: Aortenstenose ist oft ein Treiber von HFpEF, da sie zu Drucküberlastung und letztendlich zu konzentrischem Umbau und Compliance-Verlust der linksventrikulären Wand führt. Die hämodynamische, die bei Aortenstenose beobachtet wird, schreitet oft zu denen bei HFpEF über.

  1. Das Lumped-Parameter-Modell
    1. Ändern Sie das Eingangssignal im PS-Wiederholungssequenzelement relativ zur Aortenklappe, die sich im linken ventrikulären Kompartiment befindet. Simulieren Sie eine Reduzierung der Blendenfläche um 70% im Vergleich zum Ausgangswert (Tabelle S6).
      HINWEIS: Die Eingangswerte stellen den Blendenbereich des Stenotenventils während jedes Herzschlags dar. Der Flächenwert der Blende kann leicht angepasst werden, indem der Startausgangswertvektor des PS-Elements der Aortenklappe mit einem Dezimalwert multipliziert wird, der der endgültigen Blendenfläche in Bezug auf ihren ursprünglichen Wert entspricht. In dieser Arbeit wurde ein Faktor von 0,3 verwendet, um eine 70%ige Verengung zu erreichen.
  2. Das FEA-Modell
    1. Ändern Sie die Definition des Flüssigkeitsaustauschs des Parameters LINK-LV-ARTERIAL.
      HINWEIS: Dieser Parameter besitzt einen viskosen Widerstandskoeffizienten, der auf den Blutfluss zwischen dem linken Ventrikel und der Aorta abgestimmt ist. Der effektive Austauschbereich kann modifiziert werden, um den Blutfluss anzupassen und das entsprechende Aortenstenosemodell zu erstellen (Tabelle S7).
    2. Suchen Sie den Toolbox-Ordner und kopieren Sie die Dateien in diesem Ordner in das Hauptarbeitsverzeichnis.
    3. Führen Sie eine inverse mechanische Simulation durch, indem Sie die Toolboxdateien18ausführen. Ändern Sie zu diesem Zweck die Saugdrücke des linken Ventrikels und des linken Vorhofs auf 6 mmHg in der Flüssigkeitshöhle, um ihren anfänglichen volumetrischen Zustand für das Aortenstenosemodell anzupassen. Führen Sie die Funktion inversePreliminary.py aus.
      HINWEIS:Eine Neuberechnung des Nullspannungszustands mithilfe der inversen mechanischen Simulation ist erforderlich, wenn die Randbedingung geändert wird.
    4. Sobald die inverse mechanische Simulation abgeschlossen ist, führen Sie die Nachbearbeitungsfunktionen aus: calcNodeCoords.py und straight_mv_chordae.py. Verwenden Sie die Standardwerte für die anderen Strömungsparameter, und führen Sie eine neue mechanische Simulation aus, wie in Abschnitt 2.1.2.5 beschrieben.

4. HFpEF-Hämodynamik

HINWEIS: Um die Auswirkungen des chronischen Umbaus zu simulieren, wurden die mechanischen Eigenschaften des linksherzigen Herzens modifiziert.

  1. Das Lumped-Parameter-Modell
    1. Ändern Sie die linksventrikuläre diastolische Konformität des LV-Konformitätselements, um die Wandversteifung aufgrund von Drucküberlastung nachzuahmen, indem Sie den Wert der enddiastolischen Konformität in Tabelle S8verwenden.
      HINWEIS: Gehen Sie davon aus, dass die Konformität linear von der End-Systole zur Enddiastole fällt.
    2. Erhöhen Sie den Leckwiderstand der LV-Pumpe auf 18 × 106 Pa s m-3 (Tabelle S8),um die erhöhten linksventrikulären Drücke zu erfassen, die in HFpEF beobachtet wurden.
  2. Das FEA-Modell
    1. Bearbeiten Sie die aktiven Materialeigenschaften der linken Ventrikelgeometrie. Erhöhen Sie die Steifigkeitskomponente, um die aktive Gewebereaktion auf die Spannungskomponenten in Faser- und Blattrichtungen im konstitutiven Modell abzustimmen.
      1. Ändern Sie die Materialantwort des linken Ventrikels in der Mech-Mat-LV_ACTIVE-Datei.
        HINWEIS: Die Größe der Steifigkeit für die linke Kammer kann so eingestellt werden, dass die entsprechenden diastolischen Compliance-Effekte bereitgestellt werden.
      2. Erhöhen Sie die Steifigkeitsparameter a und b in der anisotropen hyperelastischen Formulierung, um die erhöhte Steifigkeitsreaktion für die HFpEF-Physiologie zu erfassen.
      3. Stellen Sie im Schritt PRE-LOAD die Flüssigkeitshohlraumdrücke des linken Ventrikels und des linken Vorhofs auf 20 mmHg ein.
      4. Führen Sie eine inverse mechanische Simulation durch, um den volumetrischen Zustand des linken Ventrikels und des Vorhofs zu erhalten. Exportieren Sie die Knotenkoordinaten aus der Datei heart-mech-inverse.odb 18.
      5. Führen Sie die Nachbearbeitungsfunktionen aus: calcNodeCoords.py und straight_mv_chordae.py, wie in Schritt 3.2.4 beschrieben. Suchen Sie die neuen Knoteneingabedateien im Arbeitsverzeichnis und führen Sie eine neue mechanische Simulation durch, wie in Abschnitt 2.1.2.5 beschrieben.

Ergebnisse

Die Ergebnisse der Baseline-Simulationen sind in Abbildung 3 dargestellt. Diese stellt die Druck- und Volumenwellenformen des linken Ventrikels und der Aorta (Abbildung 3A) sowie der linksventrikulären PV-Schleife (Abbildung 3B) dar. Die beiden In-silico-Modelle zeigen eine ähnliche Aorten- und linksventrikuläre Hämodynamik, die im physiologischen Bereich liegt. Geringfügige Unterschiede in der von den beiden Plattformen vorher...

Diskussion

Die in dieser Arbeit vorgeschlagenen Lumped-Parameter- und FEA-Plattformen rekapitulierten die kardiovaskuläre Hämodynamik unter physiologischen Bedingungen, sowohl in der akuten Phase der Stenose-induzierten Drucküberlastung als auch bei chronischem HFpEF. Durch die Erfassung der Rolle, die Drucküberlastung in den akuten und chronischen Phasen der HFpEF-Entwicklung spielt, stehen die Ergebnisse dieser Modelle in Übereinstimmung mit der klinischen Literatur von HFpEF, einschließlich des Beginns eines transaortalen ...

Offenlegungen

Mit dieser Arbeit sind keine Interessenkonflikte verbunden.

Danksagungen

Wir würdigen die Finanzierung durch das Harvard-Massachusetts Institute of Technology Health Sciences and Technology-Programm und den SITA Foundation Award des Institute for Medical Engineering and Science.

Materialien

NameCompanyCatalog NumberComments
Abaqus SoftwareDassault Systèmes Simulia Corp.Version used: 2018; FEA simulation software
HETVALDassault Systèmes Simulia Corp.Version used: 2018
Hydraulic (Isothermal) libraryMathWorksVersion used: 2020a
Living Heart Human ModelDassault Systèmes Simulia Corp.Version used: V2_1, anatomically accurate FEA platform of 4-chamber adult human heart
MATLABMathWorksVersion used: 2020a, object-oriented numerical solver
SIMSCAPE FLUIDSMathWorks
UAMPDassault Systèmes Simulia Corp.Version used: 2018
VUANISOHYPERDassault Systèmes Simulia Corp.Version used: 2018

Referenzen

  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).

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Weitere Artikel entdecken

EngineeringAusgabe 168Lumped Parameter ModellWindkessel ModellFinite Elemente Modelllebendes HerzmodellHerz Kreislauf SystemAortenstenoseHerzinsuffizienzHerzinsuffizienz mit konservierter EjektionsfraktionHFpEF

This article has been published

Video Coming Soon

JoVE Logo

Datenschutz

Nutzungsbedingungen

Richtlinien

Kontakt

BIBLIOTHEKS-EMPFEHLUNG

JoVE-Newsletter

Forschung

Lehre

Autoren

Bibliothekare

ÜBER JoVE

Copyright © 2025 MyJoVE Corporation. Alle Rechte vorbehalten