2020年8月11日

使用模型,3D打印来研究常见的心脏缺陷

最常见的先天性心脏缺陷之一,主动脉缩窄(CoA)是主动脉变窄,将血液从心脏输送到身体的其他部位。在美国,它每年影响1600多个新生儿,并可能导致健康问题,例如高血压,冠状动脉早衰,动脉瘤,中风和心力衰竭。

为了更好地了解患有CoA的人的危险因素,包括前劳伦斯研究员和劳伦斯·利弗莫尔国家实验室(LLNL)的导师在内的一大批研究人员相结合 ,3D打印和 计算模拟以精确建模 在主动脉中。使用在3D打印的脉管系统上验证的模型,该团队能够预测诸如劳累,抬高甚至怀孕等生理因素对CoA的影响,CoA迫使心脏更加努力地抽血以将血液输送到身体。这项工作发表在杂志上 科学报告.

由当时的劳伦斯研究员Amanda Randles(现为杜克大学生物医学副教授Mordecai)和她的导师LLNL计算机科学家Erik Draeger作为LLNL的机构计算大挑战项目提出,该研究工作是迄今为止最大的模拟研究CoA,涉及在LLNL的Blue Gene / Q Vulcan超级计算机上进行的7,000万次3-D仿真计算小时。

Draeger说:“您可以进行这些模拟,并真正了解这种情况对人的实际影响范围,而不仅仅是病人在医生办公室休息时出现的因素。” “它还描述了一种协议,尽管您仍然需要进行仿真,但不需要进行所有配置。对于这种类型的研究,真正有趣的一件事是,直到可以进行此级别的学习为止在模拟过程中,您必须按平均结果进行计算。与此同时,您可以拍摄该特定人的主动脉图像,并模拟主动脉壁上的应力。”

在Vulcan上,Draeger,Randles和他们的团队对狭窄的主动脉进行了模拟-心脏左侧变窄,从而形成了穿过主动脉直至身体其他部位的压力梯度。该模拟使用了由Randles开发的名为HARVEY的流体动力学软件来模拟血流,该软件在从计算机断层扫描和MRI扫描得出的主动脉的3D几何形状上运行。由于主动脉非常大且流动非常混乱,因此拥有生物医学模拟和HPC背景的Randles重新改写了HARVEY代码以为Vulcan最大化它,因此该团队可以进行大量的仿真以准确地对其建模。

然后,研究人员研究了改变狭窄程度,血流速度和粘度的影响,并使用模型预测了两个诊断指标-狭窄处的压力梯度和主动脉壁上的切应力-来反映狭窄对现实的影响。人在CoA上的生活方式选择。

Randles说:“我们正在研究不同的生理特性如何改变血流曲线。” “如果人在奔跑,如果他们在高空奔跑,如果他们怀孕,这将如何改变诸如血管狭窄处的压力梯度之类的东西?这会影响医生何时采取行动。您可以仅通过一次模拟就无法捕获该患者的全部状态。”

Randles说,模拟表明在主动脉不同点的血液粘度和速度具有协同作用,这也受到特定患者特定几何形状的影响。她补充说,各种生理因素之间的关系不是直观的或线性的,需要像Vulcan这样的大型超级计算机与机器学习相结合才能充分理解它们之间的复杂相互作用。

为了创建一个框架来构建具有捕获所有生理因素所需的最少模拟量的预测模型的模型,该团队实施了机器学习模型,这些模型是根据从Vulcan上进行的所有136次血流模拟收集的数据进行训练的。 Randles说,机器学习使团队能够将所需的粘度/速度配对模拟的数量从数百个减少到9个,从而有一天有可能开发针对特定患者的风险概况。

Randles说:“理想的情况是,将来,当一个新病人进入时,您不必运行7,000万个计算小时,您只需要做足够的工作就可以进行很少的模拟。” “这是在医院中不需要超级计算机的第一步。我们希望能够提供足够的培训数据和机器学习框架,他们可以使用它们来进行一些可能适合本地集群或更多其他事物的模拟可访问性,同时还可以利用大规模超级计算的结果。”

为了验证模型,亚利桑那州立大学3D打印的主动脉的研究人员完成了台式实验,以模拟血流并与模拟结果进行比较。 Randles说,3-D打印使研究小组能够生成主动脉的轮廓,并提取壁切应力,速度和其他对理解血流很重要的因素的数据。

研究人员说,机器学习和实验设计的结合可能会对计算界产生广泛的影响,并且对于任何有兴趣确保最佳利用资源的大型研究都是有用的。对于临床医生而言,它可以提供对某些风险因素的新见解,以进行监测并为将来的临床研究提供参考。

该团队希望将新框架应用于其他疾病,例如冠状动脉疾病,并跟踪CoA工作,以更好地理解为什么某些生理因素对于确定健康风险更为关键。研究人员说,虽然最终目标是看到在临床环境中使用的模型,但仍需要对某些因素对CoA的影响进行更全面的研究。 Draeger说,进一步的工作将需要与临床医生建立伙伴关系,并需要更多来自已知结果患者的数据集。

Draeger说,就目前而言,基于医学成像和模拟的预测仍需要大量时间和精力才能产生可​​行的结果。但是随着研究人员进行更多的研究,很可能可以改进这样的神经网络和模型,从而只需较少的模拟就可以做出临床医生可以信任的预测。

Draeger表示,通过利用其在物理,仿真,应用数学和机器学习方面的专业知识以及对超级计算机的访问权限,LLNL可以与生物学家结成强大的伙伴关系,从而通过高性能计算建模和仿真来影响未来的医学和健康。

“我们现在的观点是,高性能的计算和仿真具有足够的保真度和速度,您实际上可以直接与临床医学交叉使用。Draeger说。”我们之间的距离越来越近,但不可避免地,仿真是太慢了。但是,现在我们正处于不切实际的地步,尤其是在使用机器学习来降低成本的情况下,想象您实际上可以 研究特定的人,并在不远的将来用它来影响他们的护理。”



更多信息: Bradley Feiger等。使用神经网络加速主动脉缩窄的大规模并行血液动力学模型, 科学报告 (2020)。 DOI:10.1038 / s41598-020-66225-0
期刊信息: 科学报告

引文: 使用模型,3D打印研究常见心脏缺陷(2020年8月11日) 2020年10月18日检索 from //xasqxhb.com/news/2020-08-d-common-heart-defect.html
本文件受版权保护。除了出于私下学习或研究目的进行的任何公平交易外, 未经书面许可,不得复制部分内容。内容仅供参考。

用户评论