Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Bioengineering
Click here for the English version

Bioengineering

Tomografía de coherencia óptica basada en el análisis de interacción fluido-estructura biomecánica de la progresión de la aterosclerosis coronaria

Published: January 15, 2022 doi: 10.3791/62933
Automatic Translation
1, 1, 1, 2, 3, 4, 3,5,6
1School of Mechanical Engineering, University of Adelaide, 2South Australian Health and Medical Research Institute (SAHMRI), 3Vascular Research Centre, Lifelong Health Theme, South Australian Health and Medical Research Institute (SAHMRI), 4Monash Cardiovascular Research Centre, 5Adelaide Medical School, University of Adelaide, 6Department of Cardiology, Central Adelaide Local Health Network

Summary

Es necesario determinar qué lesiones ateroscleróticas progresarán en la vasculatura coronaria para guiar la intervención antes de que ocurra el infarto de miocardio. Este artículo describe el modelado biomecánico de arterias a partir de la tomografía de coherencia óptica utilizando técnicas de interacción fluido-estructura en un solucionador comercial de elementos finitos para ayudar a predecir esta progresión.

Abstract

En este trabajo, presentamos un flujo de trabajo completo para el análisis biomecánico de la placa aterosclerótica en la vasculatura coronaria. Con la aterosclerosis como una de las principales causas de muerte, morbilidad y carga económica a nivel mundial, se necesitan nuevas formas de analizar y predecir su progresión. Uno de estos métodos computacionales es el uso de la interacción fluido-estructura (FSI) para analizar la interacción entre el flujo sanguíneo y los dominios arteria/placa. Junto con las imágenes in vivo, este enfoque podría adaptarse a cada paciente, ayudando a diferenciar entre placas estables e inestables. Esbozamos el proceso de reconstrucción tridimensional, haciendo uso de la Tomografía de Coherencia Óptica (OCT) intravascular y la angiografía coronaria invasiva (ICA). La extracción de las condiciones de contorno para la simulación, incluida la replicación del movimiento tridimensional de la arteria, se discute antes de que la configuración y el análisis se realicen en un solucionador comercial de elementos finitos. El procedimiento para describir las propiedades hiperelásticas altamente no lineales de la pared arterial y la velocidad / presión sanguínea pulsátil se describe junto con la configuración del acoplamiento del sistema entre los dos dominios. Demostramos el procedimiento mediante el análisis de una placa no culpable, ligeramente estenótica, rica en lípidos en un paciente después de un infarto de miocardio. Los marcadores establecidos y emergentes relacionados con la progresión de la placa aterosclerótica, como el esfuerzo cortante de la pared y la helicidad local normalizada, respectivamente, se discuten y se relacionan con la respuesta estructural en la pared arterial y la placa. Finalmente, traducimos los resultados a la relevancia clínica potencial, discutimos las limitaciones y describimos áreas para un mayor desarrollo. El método descrito en este artículo es prometedor para ayudar en la determinación de sitios en riesgo de progresión aterosclerótica y, por lo tanto, podría ayudar a controlar la muerte significativa, la morbilidad y la carga económica de la aterosclerosis.

Introduction

La enfermedad arterial coronaria (EAC) es el tipo más común de enfermedad cardíaca y una de las principales causas de muerte y carga económica a nivel mundial1,2. En los Estados Unidos, aproximadamente una de cada ocho muertes se atribuye a CAD3,4,mientras que la mayoría de las muertes globales por CAD ahora se observan en países de ingresos bajos y medios5. La aterosclerosis es el principal impulsor de estas muertes, con ruptura de placa o erosión que conduce a la oclusión de la arteria coronaria y al infarto agudo de miocardio (IAM)6. Incluso después de la revascularización de las lesiones coronarias culpables, los pacientes tienen un riesgo sustancial de eventos cardiovasculares adversos mayores recurrentes (MACE) después de la IAM, en gran parte debido a la presencia concomitante de otras placas no culpables que también son vulnerables a la ruptura7. La imagen intracoronaria brinda la oportunidad de detectar estas placas de alto riesgo8. Aunque el ultrasonido intravascular (IVUS) es el estándar de oro para evaluar el volumen de la placa, tiene una resolución limitada para identificar las características microestructurales de la placa vulnerable en contraste con la alta resolución (10-20 μm) de la tomografía de coherencia óptica (OCT). Se ha demostrado que una tapa fibrosa delgada e inflamada que recubre una gran reserva de lípidos es la firma más importante de una placa vulnerable9 y se identifica y mide mejor por OCT entre las modalidades de imágenes intracoronarias actualmente disponibles10. Es importante destacar que la OCT también puede evaluar otras características de placa de alto riesgo, que incluyen: arco lipídico; infiltración de macrófagos; presencia de fibroateroma de la capa delgada (TCFA), que se define como núcleo rico en lípidos con tapa fibrosa delgada suprayacente (<65 μm); calcificación irregular; y microcanales de placa. La detección de OCT de estas características de alto riesgo en placas no culpables post-AMI se ha asociado con un riesgo hasta 6 veces mayor de MACE11futuro. Sin embargo, a pesar de esto, la capacidad de la angiografía y las imágenes de OCT para predecir qué placas coronarias progresarán y, en última instancia, se romperán o erosionarán es limitada, con valores predictivos positivos de solo el 20%-30%8. Esta capacidad predictiva limitada dificulta la toma de decisiones clínicas en torno a qué placas no culpables tratar (por ejemplo,mediantecolocación de stents) 7,12.

Además de los factores del paciente y las características biológicas de la placa, las fuerzas biomecánicas en las arterias coronarias también son determinantes importantes de la progresión e inestabilidad de la placa13. Una técnica que se muestra prometedora para ayudar a evaluar exhaustivamente estas fuerzas es la simulación de interacción fluido-estructura (FSI)14. El esfuerzo por cizallamiento de pared (WSS), también llamado esfuerzo de cizallamiento endotelial, ha sido un punto focal tradicional para la investigación de la biomecánica coronaria15, con una comprensión general de que WSS desempeña un papel etiológico en la formación de aterosclerosis16. Predominantemente simuladas mediante técnicas de dinámica de fluidos computacional (CFD), las regiones de bajo WSS se han asociado con engrosamiento intimal17,remodelación vascular18 y la predicción de progresión de la lesión19 y macefuturo 20. Los avances recientes en estos análisis sugieren la topología de campo vectorial WSS subyacente21, y sus características multidireccionales22, como un mejor predictor del riesgo de aterosclerosis que la magnitud WSS sola. Sin embargo, WSS solo captura una visión del sistema biomecánico general en la pared del lumen, y al igual que las modalidades de imágenes, ninguna métrica biomecánica puede discernir de manera confiable las características ateroscleróticas de alto riesgo.

Otras métricas están surgiendo como potencialmente importantes en la formación de aterosclerosis. Las características del flujo intraluminal23 son uno de esos ejemplos, con el flujo helicoidal, cuantificado a través de varios índices24,sugerido como que desempeña un papel ateroprotector al suprimir los patrones de flujo perturbados25,26. Si bien las técnicas CFD pueden analizar estas características de flujo y presentar una amplia gama de resultados útiles, no consideran las interacciones subyacentes entre el flujo sanguíneo, la estructura arterial y el movimiento general del corazón. Esta simplificación del sistema dinámico a una pared rígida pierde resultados potencialmente críticos, como la tensión de la tapa fibrosa. Si bien el debate tanto a favor como en contra de la necesidad de FSI sobre CFD continúa27,28,29,muchas comparaciones descuidan incluir el impacto de la función del ventrículo. Esta limitación se puede superar con FSI, que ha demostrado que la flexión dinámica y la compresión ejercida sobre la arteria a través de la influencia de la función del ventrículo pueden afectar significativamente la placa y el estrés estructural de la arteria, así como las métricas de flujo como WSS30,31,32. Esto es importante ya que las tensiones estructurales también son una métrica clave para analizar y predecir la ruptura de la placa33,34 y se ha sugerido que se co-localizan con regiones de aumento de placa14,35. La captura de estas interacciones permite una representación más realista del entorno coronario y los mecanismos potenciales de progresión de la enfermedad.

Abordando esto, aquí describimos el proceso de desarrollo de una geometría específica del paciente a partir de imágenes OCT36 y la configuración y ejecución de una simulación FSI de arteria utilizando un solucionador comercial de elementos finitos. El proceso para extraer manualmente la luz, el lípido y la pared arterial externa se detalla antes de la reconstrucción computacional tridimensional de la arteria del paciente. Describimos la configuración de la simulación, el acoplamiento y el proceso de comparación de los parámetros de imagen de octatoria basal y de seguimiento para determinar la progresión de la lesión. Finalmente, discutimos el post-procesamiento de los resultados numéricos y cómo estos datos pueden tener relevancia clínica mediante la comparación de los resultados biomecánicos con la progresión/regresión de la lesión. El método general se demuestra en placas no culpables, ligeramente estenóticas, ricas en lípidos en la arteria coronaria derecha (ACR) de un paciente caucásico de 58 años que presentó un infarto agudo de miocardio sin elevación del ST en el contexto de hipertensión, diabetes mellitus tipo 2, obesidad (IMC 32.6) y antecedentes familiares de EAC prematura. Se realizó angiografía coronaria e imágenes de OCT durante su ingreso inicial, y luego 12 meses después como parte de un ensayo clínico en curso (ensayo COCOMO-ACS ACTRN12618000809235). Anticipamos que esta técnica se puede refinar aún más y utilizar para identificar placas coronarias que tienen un alto riesgo de progresar.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

Se analizaron los siguientes datos no identificados de un paciente reclutado en el ensayo controlado aleatorio COCOMO-ACS en curso (ACTRN12618000809235; Número de referencia HREC del Royal Adelaide Hospital: HREC/17/RAH/366), con aprobación ética adicional otorgada por central Adelaide Local Health Network (CALHN) Research Services con fines de simulación biomecánica (número de referencia CALHN 14179). La Figura 1 resume el flujo de trabajo completo descrito en el siguiente protocolo, que se puede aplicar a cualquier software o código compatible con FSI.

1. Evaluación de imágenes

  1. Haga coincidir las imágenes de referencia y de seguimiento de la OCT utilizando puntos de referencia anatómicos como bifurcaciones y utilizando imágenes inmediatamente proximales a la bifurcación distal y distales a la bifurcación más proximal. Las imágenes coincidentes entre estos puntos de referencia deben ser analizadas, como se describe en la Figura 2A.
  2. Sección transversal de lúmenes OCT
    1. Cargue cada imagen octeconómica en el digitalizador de imágenes y haga clic para marcar los puntos en el punto central del catéter y los límites de la escala (Figura 2B). Exporte estos puntos para utilizarlos más adelante.
    2. Marque manualmente el borde del lumen, comenzando en la misma ubicación en cada imagen, asegurándose de capturar las curvas del lumen con la mayor precisión posible. Deje un espacio en el artefacto del catéter, ya que el proceso de reconstrucción se interpolará a través de esta región en una etapa posterior. Exporte estos archivos en formato .dat y repita esto para cada imagen.
  3. OCT pared externa y lípidos
    1. En el software DICOM, extraiga la pared exterior en regiones de alta atenuación utilizando partes visibles de la membrana elástica externa para ajustar manualmente una elipse para estimar la ubicación de la pared exterior, como se describe en la Figura 3. Haga clic y arrastre el botón izquierdo del ratón para definir la elipse y la posición adecuadas.
    2. Defina manualmente el arco lipídico, calculado según el centroide lumen, y el grosor de la tapa fibrosa, como se describe en la Figura 3,haciendo clic y arrastrando las medidas de ángulo y distancia, respectivamente. Estos se utilizarán para analizar la progresión de la lesión junto con el área de la luz.
    3. Importe estas imágenes superpuestas en el digitalizador de imágenes y seleccione manualmente los puntos de la pared exterior, utilizando la elipse ajustada como guía en regiones de alta atenuación donde la membrana elástica externa no es visible. Repita el paso 1.2.2 para seleccionar y exportar los puntos a un formato de .dat.
    4. Del mismo modo para los lípidos, seleccione manualmente la superficie lipídica, comenzando desde el mismo extremo del lípido en cada caso. Utilice la guía elipsoidal de la pared exterior (paso 1.3.1) para obtener un arco posterior consistente. La exportación apunta a un archivo .dat y repita para todas las imágenes con lípidos presentes, dejando un espacio en el artefacto del alambre guía como se describe en el paso 1.2.2.
      NOTA: La progresión de la lesión se analiza comparando tres métricas, a saber, el área de la luz, el arco lipídico y el grosor de la tapa fibrosa, que se pueden evaluar directamente desde el visor DICOM. La técnica para extraer la pared externa y la parte posterior lipídica es necesaria debido a la profundidad de penetración limitada de oct. La OCT se utilizó en esta investigación debido al enfoque en la relación entre la composición de la placa y las fuerzas biomecánicas.
  4. Línea central basada en angiografía
    1. Cargue la primera imagen angiográfica en el digitalizador de imágenes37. Seleccione los bordes del catéter para escalar la imagen en pasos posteriores y, a continuación, marque manualmente la línea central del catéter comenzando con el marcador proximal y moviéndose distalmente, con puntos espaciados uniformemente, como se muestra en la Figura 4A. Exporte los datos a .dat formato y repita para el segundo plano angiográfico.
      NOTA: Generalmente, los planos con un ángulo mayor que 20° entre ellos mejoran la robustez de la reconstrucción de la línea central tridimensional. El catéter y el alambre guía de la OCT deben ser visibles en cada imagen.

2. Reconstrucción tridimensional

  1. Proyecciones de angiografía
    1. Cargue los archivos de datos que se exportaron en el paso 1.4. Utilice los dos primeros puntos para escalar los datos a milímetros (los dos primeros puntos se utilizan con las especificaciones de catéter conocidas, 6F en este caso). Reste el punto de datos proximal de los puntos restantes de cada conjunto de datos para que la curva comience en el origen del sistema de coordenadas.
    2. Generar matrices de rotación para cada vista angiográfica, donde θ y Φ representan los ángulos RAO/LAO y CAU/CRA, respectivamente. Utilizamos ángulos LAO y CRA como negativos. Las dos matrices de rotación en las direcciones x (Rotx) e y (Roty), respectivamente, son:
      Equation 1(1)
    3. Multiplique las matrices de rotación juntas y luego multiplíquelas con las coordenadas de cada punto del paso 2.1.1. La ecuación resultante:
      Equation 2(2)
      da la ubicación tridimensional del punto del catéter en su respectivo plano de angiografía (Pt3D) girando los puntos bidimensionales que se especificaron a partir de cada imagen angiográfica.
    4. Calcule el vector normal de cada plano angiográfico multiplicando las matrices de rotación x e y por el vector unitario en la dirección z. Desde la ubicación proximal hasta la distal, proyecte cada punto normal a su respectivo plano y calcule el punto medio de la distancia más corta entre las proyecciones. Esto da como resultado el punto tridimensional en el cable guía de la OCT en el espacio.
    5. Utilizando la función 'interparc', disponible en el intercambio central de archivos38de MATLAB, divida la línea central tridimensional en puntos igualmente espaciados. El espaciado entre puntos debe ser igual al espaciado entre imágenes octocupadas, que está determinado por la velocidad de retroceso. Estos son los lugares donde se colocarán las secciones transversales de los PTU.
  2. Rotación de sección transversal de octio
    1. Utilizando el archivo de datos que contiene el centro del catéter y la escala, convierta cada sección transversal de píxeles a mm utilizando el segundo y tercer punto del archivo de escala. Para centrar la sección transversal sobre la ubicación del catéter, reste el primer punto de la lima de escalado (el centro del catéter) de todos los puntos de la sección transversal. Calcule el vector normal a la sección transversal (paralelo al catéter en la arteria) restando el punto de la línea central tridimensional del siguiente punto distal a lo largo de la curva del catéter.
    2. Gire la sección transversal de la OCT para alinearla perpendicularmente a la línea central del catéter multiplicando los puntos de datos escalados por la matriz de rotación:
      Equation 3(3)
      Dónde
      Equation 4(4)
      y NX, NYy NZ son los componentes x,y y z, respectivamente, del vector normal calculado en la sección 2.1. Agregue el punto de línea central tridimensional a todos los puntos girados en la sección transversal, lo que resulta en la ubicación de la sección transversal en el espacio tridimensional (Figura 4B).
    3. Repita los pasos 2.2.1-2.2.2 para cada sección transversal (luz, arteria y lípido). Exporte las secciones transversales a un archivo de texto, que se puede importar al software de diseño asistido por computadora (CAD) para la creación final del cuerpo sólido.
  3. Creación de modelos sólidos 3D
    1. En un software de modelado 3D, importe y genere las secciones transversales un archivo a la vez. Importe los archivos de texto que contienen las secciones transversales en el software de modelado 3D haciendo clic en el cuadro desplegable de concepto (Figura 5A-1) y seleccionando curva 3D (Figura 5A-2). Haga clic en Generar.
    2. Para crear un componente sólido, seleccione todas las curvas en orden y colóquelas(Figura 5A-3),asegurándose de que se seleccione agregar congelado para generar un nuevo sólido. Lleve a cabo estos pasos para el lumen, los lípidos y la pared exterior para crear sólidos separados, asegurando habilitar la topología de fusión.
      NOTA: Puede ser necesario omitir una curva si surge una geometría problemática. En esta reconstrucción, omita un pequeño lípido de sección media debido a su tamaño y al costo computacional agregado y la complejidad numérica asociada con su inclusión.
    3. Para restar el lumen y los lípidos de la pared arterial, cree una operación booleana a partir de la lista desplegable crear y elija el cuerpo objetivo como la pared y los lípidos / lúmenes como los cuerpos de herramientas para restar el lumen y los lípidos de la pared arterial(Figura 5A-4).
    4. Comparta la topología entre la pared y los lípidos para garantizar que los nodos de malla se compartan en pasos futuros. Para hacer esto, resalte manualmente la pared y los lípidos y haga clic derecho para formar una nueva parte (Figura 5A-5).
      NOTA: Este paso garantiza que los nodos de malla se compartan entre las superficies evitando regiones de contacto inadecuadas o penetración de malla entre las dos capas, lo que ayuda en gran medida en la fase de solución. La geometría final de la línea central del catéter, los lípidos, la luz y la pared arterial se visualiza en la Figura 5B.
  4. Preprocesamiento: Condiciones de contorno
    NOTA: Antes de configurar la simulación, se necesitan condiciones de contorno (BC) específicas del paciente. Aquí se utilizó el desplazamiento extraído de la angiografía, que se aplica a la entrada y salida de la simulación y a la velocidad/presión del flujo sanguíneo medida de pacientes humanos y descrita en la literatura39.
    1. Desplazamiento
      1. Repita los pasos 1.4 y 2.1, pero eligiendo solo los marcadores distales y proximales, comenzando con la imagen angiográfica inmediatamente anterior a la diástole final. Haga esto para todas las imágenes angiográficas durante un ciclo cardíaco.
      2. Ajuste las splines de suavizado a las coordenadas x,y y z de los dos conjuntos de puntos. Esto resulta en el desplazamiento de las regiones de entrada y salida. Los resultados representativos para los desplazamientos de pacientes se muestran en la Figura 6A.
        NOTA: El análisis de desplazamiento se inició en la imagen anterior a la diástole final para que coincida mejor con las fases entre el desplazamiento extraído y los perfiles de presión y velocidad aplicados que se encuentran en la sección 3.1.2, cuya fase sistólica comienza a los 0,1 s (correspondiente al espaciado entre imágenes angiográficas). Al extraer movimiento, asegúrese de que no haya movimiento panorámico de tabla/movimiento de imagen en todo el conjunto de imágenes.
    2. Velocidad/presión de la sangre
      1. Cree perfiles que describan la velocidad y la presión de la sangre pulsátil mediante la compilación de funciones definidas por el usuario (UDF). Aquí se aplicaron perfiles transitorios medidos a partir de pacientes humanos en la literatura 39,modelados como una serie de Fourier, descrita matemáticamente por:
        Equation 5,     (5)
        donde t es el tiempo, w0 es la frecuencia, T es el período de la señal, n es el número de términos, y a0-11, b1-11 son coeficientes ajustados a los perfiles descritos en la literatura. En este caso, estamos usando los primeros 11 términos.
      2. Nota : estos perfiles se describen en la figura 6B y deben escribirse en un archivo con formato C en un entorno de desarrollo integrado como Microsoft Visual Studio. La presión de salida es un perfil plano y la velocidad de entrada se aplica como un perfil parabólico completamente desarrollado, descrito como suficiente para reproducir condiciones realistas40. El desarrollo adicional de este procedimiento podría incluir la medición de la velocidad sanguínea del paciente (como por ejemplo, mediante ecocardiografía doppler41)y la presión (utilizando cables de presión) como condiciones de contorno más realistas. Además, la medición simultánea del desplazamiento, la velocidad de la sangre y la presión garantizaría que sus fases se coincidan con precisión.

3. Arteria/estructural

  1. Para establecer las propiedades del material para la arteria y el lípido, ingrese datos de ingeniería y agregue un nuevo material llamado arteria. Densidad de arrastre y el modelo Mooney-Rivlin de 5 parámetros al nuevo material y establezca sus parámetros. Introducir una densidad de 1.000 kg/m3 y los coeficientes hiperelásticos descritos en la Tabla 1,basados en las propiedades íntima42 y lipídica43 en la literatura. Repita esto para el lípido.
    NOTA: El modelo Mooney-Rivlin es descrito por44:
    Equation 6(6)
    Donde c10, c01, c20, c11y c02 son constantes de material y d es el parámetro de incompresibilidad (cero para material incompresible en este caso). Aquí Ix es el xésimo invariante del tensor de deformación y J es el determinante del gradiente de deformación elástica.
  2. Ingrese el componente del modelo, suprima el componente lumen/fluido haciendo clic con el botón derecho en el lumen/fluido y seleccionando Suprimir (Figura 7A). Asigne los materiales previamente definidos a los sólidos arteriales y lipídicos seleccionándolos de la lista desplegable de materiales, verificando si las unidades son apropiadas.
  3. La geometría ahora necesita ser mallada. Haga clic en la malla (Figura 7B), establezca la preferencia de física en mecánica no lineal y especifique el tamaño de la malla. Aquí se utilizó malla adaptativa con un tamaño objetivo de 0,14 mm. Ajuste las preferencias de malla según sea necesario para obtener valores razonables de asimetría de malla y apunte a al menos dos o tres elementos de malla a través de espacios como la tapa fibrosa. La generación de la malla puede llevar algún tiempo debido a la geometría compleja.
    NOTA: Se debe realizar un estudio de independencia de la malla para garantizar que los resultados no se vean afectados por las características de la malla. Disminuya gradualmente el tamaño de la malla y compare los resultados hasta que la variación sea inferior a un límite establecido; en este caso, utilizamos 2%45 (medido en la tapa fibrosa de la tercera placa). Además, para garantizar la calidad de la malla, verifique la asimetría de la malla; la alta asimetría de la malla dará lugar a dificultades numéricas durante la convergencia o a resultados inexactos. Para reducir la asimetría, intente disminuir el tamaño de la malla o ajuste la tasa de crecimiento, el tamaño máximo y / o el ángulo de curvatura. Los resultados de nuestra prueba de independencia de malla se describen en la Tabla 2,con variación porcentual en los resultados en comparación con el tamaño de malla media, que se utilizó a lo largo de este análisis.
  4. Haga clic en Configuración de análisis (Figura 7C). Para las simulaciones FSI, apague el tiempo automático y establezca el número de subpasos en uno (el acoplamiento del sistema controlará los subpasos), establezca el tiempo de finalización de la simulación, en este caso 0,8 s (frecuencia cardíaca del paciente de 75 lpm). El acoplamiento del sistema controlará el tiempo y los subpasos.
  5. En la lista desplegable controles del solucionador, establezca el tipo de solucionador en programa controlado para utilizar el método directo o iterativo. Los métodos directos son más robustos, pero utilizan una cantidad significativa de más memoria. Establezca el método Newton-Raphson en su totalidad. (Debido a la complejidad de la geometría y la no linealidad en la simulación, el método directo y el método iterativo completo de Newton-Raphson pueden ser necesarios; sin embargo, estos aumentan significativamente el costo de cálculo).
  6. Especifique el dominio de acoplamiento del sistema como la pared interna de la arteria insertando una interfaz fluido-sólido. Para ello, haga clic con el botón derecho e inserte una interfaz fluido-sólido en la ficha Transitorio (Figura 7D). Seleccione el interior de la pared de la arteria para la interfaz. Esto pasará datos entre la estructura y el fluido en esta ubicación.
  7. Las condiciones de límite de desplazamiento se pueden introducir como una función de desplazamiento en la dirección x,y y z aplicada en la entrada y salida. Para ello, haga clic con el botón derecho en la ficha Transitorio e inserte desplazamientos (Figura 7E). Duplica el desplazamiento para las direcciones x,y y z. En la lista desplegable dirección, seleccione la función y copie los desplazamientos extraídos en el paso 2.4.1.
    NOTA: El desplazamiento se puede introducir como una función o como una tabla de puntos dependiendo de las preferencias.
  8. Para ayudar a solucionar errores, en la ficha Solución, inserte cuatro residuos de Newton-Raphson. Estos se pueden ver si surgen errores para encontrar la geometría problemática o las ubicaciones de malla.
    NOTA: Para insertar opciones de posprocesamiento, como la tensión principal máxima, haga clic con el botón derecho en la ficha Solución e inserte los resultados apropiados (Figura 7F).

4. Sangre/líquido

  1. Ingrese a la pestaña Modelo, verifique las unidades y suprima la arteria y la parte lipídica, dejando el dominio del fluido, de manera similar al paso 3.2.
  2. Especifique las métricas de malla y genere la malla, verificando la asimetría y ajustando si es necesario (aplicamos un tamaño de malla de 0,14 mm con un tamaño máximo de pared de 0,12 mm). Es una buena práctica utilizar un tamaño y una forma de malla similares, como se hace en la parte estructural, en las áreas donde se produce la interacción fluido-sólido.
    NOTA: Al igual que con el paso 3.3, se debe realizar una prueba de independencia de malla para garantizar que los resultados sean independientes de las propiedades de la malla, como se muestra en la Tabla 2. Compruebe la calidad de la malla y ajuste el tamaño del elemento, la tasa de crecimiento, el refinamiento o la curvatura según sea necesario para garantizar que la asimetría permanezca baja y que se alcance la independencia de la malla.
  3. Cree selecciones con nombre para la entrada, la salida y la pared antes de ingresar a la configuración del fluido, haciendo clic con el botón derecho en la superficie respectiva y seleccionando insertar selección con nombre.
  4. Ingrese a la pestaña Configuración y asegúrese de que la doble precisión esté habilitada. Establezca el tipo de Solver en Basado en presión y asegúrese de que el Tiempo esté establecido en Transitorio marcando sus respectivas casillas de verificación(Figura 8A).
  5. Habilite el modelo de turbulencia viscosa k-omega y habilite el transporte de tensión de corte y las correcciones de bajo Reynolds ingresando a la pestaña Modelos viscosos(Figura 8B)y marcando sus respectivas casillas de verificación.
  6. Para habilitar modelos de viscosidad no lineal con turbulencia, ingrese el comando '/define/models/viscous/turbulence-expert/turb-non-newtonian?' en la consola de comandos(Figura 8C)e ingrese 'sí' cuando se le solicite.
  7. En Materiales (Figura 8D),defina las propiedades de la sangre ingresando la densidad y seleccionando la ley de potencia no newtoniana en la lista desplegable de viscosidad. Haga esto renombrando el fluido como sangre, establezca una densidad de 1,050 kg / m3y establezca el índice de consistencia no newtoniano de la Ley de Potencia, k, en 0.035, el índice de la ley de potencia, n, en 0.6.
    NOTA: El modelo de viscosidad no newtoniana de la Ley de Potencia fue elegido en base a la literatura para describir la viscosidad sanguínea no lineal46, η, en términos de la velocidad de deformación del fluido, Equation 7 , como:
    Equation 8(7)
    Existen varios modelos de viscosidad sanguínea no newtonianos para capturar la naturaleza de adelgazamiento de la sangre. Varias publicaciones46,47,48,49 han investigado la eficacia de varios modelos de viscosidad y sus coeficientes, que deben consultarse para obtener más información al elegir el modelo adecuado.
  8. Compilar nuestra función definida por el usuario, descrita anteriormente en el paso 2.4.2, que contiene la velocidad y presión sanguínea transitoria, verificando las líneas de comando en busca de errores(Figura 8C). Ahora cargue la UDF ingresando a la pestaña Definido por el usuario (Figura 8E),seleccionando Compilado y navegando al directorio de la UDF antes de importarla y haciendo clic en Compilar,y luego en Cargar.
    NOTA: El texto aparecerá en la consola (Figura 8C). Verifique esto cuidadosamente para asegurarse de que no aparezcan errores o advertencias. Si la FDU se carga correctamente, los nombres de la FDU aparecerán en la consola (resaltados en la Figura 8C).
  9. Estos se pueden aplicar a la entrada y salida. Para ello, seleccione la ficha Condiciones de contorno. Haga doble clic en Entrada (Figura 8F)y elija la UDF de entrada en la lista desplegable de perfil. Repita este paso para definir también la presión de salida.
  10. Habilite la malla dinámica (marcando la casilla de verificación debajo de la pestaña Malla dinámica que se muestra en la Figura 8G),incluidas las casillas de verificación suavizado, remeshing y solucionador de libertad de 6 °, estableciendo el parámetro de difusión en 1.5 y las escalas máximas y mínimas apropiadas para su malla.
  11. Asegúrese de que las escalas de malla máxima y mínima estén dentro de los límites de la zona de malla y que la asimetría objetivo se establezca en 0,7. Las propiedades de malla se pueden mostrar haciendo clic en la pestaña Propiedades de malla.
  12. Cree una nueva zona de malla dinámica haciendo clic en el botón Crear, especifique la pared del lumen en la lista desplegable Región y seleccione Acoplamiento del sistema. Esta es la interfaz para pasar datos al componente arterial de la simulación.
  13. Cree zonas de malla deformantes para la entrada, la salida y el lumen interior con los valores adecuados para la escala de malla. Para ello, haga clic en Crear en la pestaña Malla dinámica y elija Deformar. Habilite el redimensionamiento y el suavizado y establezca las escalas de malla en función de los límites de cada zona. A menudo, los errores negativos de volumen celular están asociados con esta malla dinámica, así que verifique cuidadosamente y ajuste las escalas de malla si es necesario para cada región.
  14. Asegúrese de que el acoplamiento presión-velocidad esté configurado en acoplado y establezca la formulación transitoria y los esquemas de discretización espacial en segundo orden ingresando a la pestaña Métodos (Figura 8H)y haciendo selecciones de las respectivas listas desplegables.
  15. En los controles(Figura 8H),introduzca un número de courant de dos y establezca los criterios de convergencia residual en la ficha Monitores (Figura 8I). Hemos utilizado un valor de 1e-5 para la continuidad y 1e-6 para el resto.
    NOTA: El número de Courant se puede estimar en función del tamaño de la malla, dx,tamaño del paso de tiempo, dty velocidad de la sangre, v,utilizando:
    Equation 9(8)
    Introduzca este número en la sección número de courant de la ficha Controles (Figura 8H). Aquí aplicamos un número de Courant de dos. El número de Courant es generalmente menor que uno; sin embargo, como se utiliza un solucionador de presión-velocidad acoplado con métodos de solución implícitos, el resultado es inherentemente más estable y menos sensible a este valor; por lo tanto, dos se considera aceptable.
  16. Para definir una función personalizada para resultados como la helicidad normalizada local (LNH), seleccione funciones de campo personalizadas en la ficha Parámetros y personalización (Figura 8J)e inserte una nueva función haciendo clic con el botón derecho y seleccionando Nuevo. Utilice la ventana emergente para definir según sea necesario. Introduzca la fórmula utilizando la lista desplegable de variables del solucionador. Como resultado representativo, usamos LNH50,51, una medida de la alineación entre la velocidad, y la Equation 11 vorticidad, ω, vectores, como una función personalizada descrita por:
    Equation 10(9)
    NOTA: Otras variables personalizadas deben definirse en este paso, como el índice de cizallamiento oscilatorio (OSI)52,53, una medida de inversión de flujo.
  17. En la ficha Ejecutar cálculo (Figura 8K),establezca el número de pasos de tiempo en 160 (un tamaño de paso de 0,005 s y un tiempo de finalización de 0,8 s), un tamaño de paso de tiempo de 5 ms y el número de iteraciones en 300 para garantizar que el resultado sea independiente del tiempo.
    NOTA: Dependiendo de la complejidad de la simulación, es posible que se requieran mayores iteraciones por paso. Es posible que se requieran múltiples ciclos cardíacos para una convergencia numérica completa, algo que notamos como una limitación; sin embargo, esto se aplica a menudo en simulaciones de biomecánica coronaria debido al costo computacional asociado con estas simulaciones.
  18. Compruebe si la casilla muestreo de datos para estadísticas de tiempo está activada y asegúrese de que las estadísticas de pared y las tensiones de cizallamiento de flujo estén seleccionadas, así como la función personalizada definida anteriormente.
  19. Cree la exportación de datos en la pestaña Actividades de cálculo y guardado automático (Figura 8L),seleccionando la opción CFD-Post Compatible para el procesamiento posterior. Si uno desea procesar los resultados en un software separado, ajuste el tipo de exportación según sea necesario. Seleccione todas las regiones (pared, malla interior, entrada, salida) y los resultados a exportar.
  20. Finalmente, inicialice la simulación con el esquema híbrido ingresando a la pestaña Inicialización (Figura 8M),seleccionando el esquema Híbrido, haciendo clic en Configuracióny aumentando el número de iteraciones a 20. Haga clic en Inicializar.

5. Acoplamiento del sistema

  1. Asegúrese de que tanto la configuración estructural como la de fluidos estén conectadas al acoplamiento del sistema y actualizadas. Para ello, haga clic y arrastre la configuración estructural y de fluidos al acoplamiento del sistema para vincularlos, como se muestra en la Figura 9A,asegurándose de que ambas configuraciones se actualicen haciendo clic con el botón derecho y seleccionando Actualizar.
  2. En acoplamiento del sistema, establezca la hora de finalización en 0,8 s y el paso de tiempo en 0,005 s. Para ello, seleccione Configuración de análisis (Figura 9B-1)e introduzca la hora de finalización y el tamaño del paso de tiempo. Establezca las iteraciones máximas en 10.
    NOTA: Generalmente, entre 10 y 15 iteraciones es suficiente si tanto los componentes estructurales como los fluidos convergen bien.
  3. Seleccione la interfaz de pared y sólida de los componentes fluido y estructural, respectivamente, y agregue una transferencia de datos manteniendo presionada la tecla Ctrl y seleccionando las dos interfaces fluido-estructura(Figura 9B-2); haga clic con el botón derecho y cree una transferencia de datos entre el fluido y los componentes estructurales (Figura 9B-3). Ajuste la relajación insuficiente o la rampa de la fuerza que se transfiere del fluido a la estructura para ayudar en la convergencia.
    NOTA: Dependiendo de la complejidad del modelo, las condiciones de contorno y las propiedades del material, la rampa de transferencia de datos o la relajación insuficiente pueden ser necesarias para la convergencia numérica. Estos se pueden aplicar a la transferencia de datos de fluido (es decir, la fuerza que se transfiere del componente de fluido a la pared de la arteria). Estas opciones están disponibles dentro de las transferencias de datos creadas (Figura 9B-2).
  4. Cuando esté listo para ejecutarse, haga clic en Actualizar. Los datos de simulación, como la convergencia estructural y de fluidos y su respectiva convergencia de transferencia de datos, se imprimen en la consola.
    NOTA: Tenga en cuenta que las simulaciones FSI son computacionalmente costosas, ya que esta simulación toma 11 días en una máquina de 16 núcleos (Intel Xeon Gold de 2.6 GHz que usa 180 Gb de memoria física (RAM)), con una mayor variación en los tiempos de simulación dependiendo de la configuración del hardware y la complejidad del modelo. Los residuos representativos de la transferencia de datos se muestran en el gráfico (Figura 9B-4) y los datos de la solución se imprimen en la consola (Figura 9B-5). Durante las primeras iteraciones, la convergencia de los residuos de transferencia de datos puede no obtenerse completamente hasta que se alcanza un estado de equilibrio. Esto se describe con más detalle en el título de la Figura 9B.
  5. Cuando se completa la simulación, los resultados se pueden posprocesar dentro del software comercial o en un software separado, dependiendo del tipo de exportación de datos descrito en el paso 4.19.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

Se presentan resultados representativos para los marcadores biomecánicos establecidos y emergentes de la progresión de la aterosclerosis. Las métricas establecidas, como los resultados derivados de WSS y WSS (incluida la tensión de cizallamiento de pared promediada en el tiempo (TAWSS) y el índice de cizallamiento oscilatorio (OSI)) se visualizan en la Figura 10. El estrés cortante de la pared durante el ciclo cardíaco es impulsado en gran medida por la velocidad de la sangre, sin embargo, la geometría de la arteria y su movimiento / contracción juegan un papel importante en su distribución espacial. Esto se puede ver en los contornos TAWSS y OSI, con OSI, una medida de recirculación de flujo, que se ha relacionado con la formación de aterosclerosis. Tales variaciones son representativas de los estrechamientos / curvas y la naturaleza compleja de la geometría de la arteria. Los resultados cerca de la entrada y salida deben ser ignorados, ya que se verán significativamente afectados por las condiciones de contorno. Si bien WSS como valor escalar ha sido bien estudiado, el campo vectorial subyacente, que presenta tanto un valor escalar como una dirección, ha recibido mucha menos atención. Aquí el campo vectorial de tensión de cizallamiento de la pared se muestra en la Figura 11,con áreas resaltadas para mostrar las regiones de atracción y expansión, lo que podría influir en los procesos de transporte cercanos a la pared. La región distal en particular muestra una región de atracción significativa, representativa de cambios repentinos en el área de lúmenes, lo que podría sugerir un sitio de riesgo para la aterogénesis. Las regiones de atracción y expansión han sido evaluadas visualmente aquí; sin embargo, este resultado podría ampliarse a través de un posterior procesamiento para extraer la estructura topológica subyacente y fijar los puntos54 numéricamente. Tales regiones de atracción / expansión son representativas de los cambios en el área de lúmenes y las regiones de bifurcación.

Las características del flujo intraluminal (lejos de la pared de la luz) también podrían desempeñar un papel importante en la progresión de la aterosclerosis. La helicidad local normalizada (LNH), una medida de alineación entre la velocidad de la sangre y los vectores de vorticidad, es útil para visualizar las características del flujo intraluminal contrarrotatorio26 y se muestra en la Figura 12. Se puede observar una clara diferencia entre las secciones de la arteria proximal y distal. Si la simulación desarrollada fue subóptima (es decir, las condiciones de contorno estaban muy cerca de la región que se estaba analizando o se omiten la geometría proximal, como las curvas, para centrarse en una lesión específica), este resultado podría verse afectado significativamente, por lo tanto, afectando la asociación con cambios en la morfología de la placa. Esto se resalta en el recuadro en la Figura 12. Finalmente, las tensiones dentro de la pared arterial se analizan utilizando la tensión efectiva de Von Mises y se presentan en la Figura 13. Tenga en cuenta la región de alta tensión en la salida (distal) debido a la condición de límite, que debe ignorarse. El estrés de Von Mises (VMS) se ve afectado por una combinación de grosor de la tapa fibrosa, geometría de la arteria, propiedades del material, velocidad / presión de la sangre y movimiento / contracción de la arteria. Debido a esto, se requiere simulación biomecánica para determinar las tensiones en la pared que resultan de la interacción no lineal entre estos factores. La delgada tapa fibrosa en la región proximal resulta en el mayor estrés, con la distribución transitoria a lo largo del ciclo cardíaco impulsada por el movimiento de la arteria. Esto es representativo de la naturaleza delgada de la tapa fibrosa. Por el contrario, en la región distal, el SLB resultante en la tapa fibrosa es predominantemente impulsado por la presión arterial. La captura de estos resultados solo es posible a través de simulaciones FSI totalmente acopladas debido a la no linealidad inherente en la simulación. Estas variaciones podrían desempeñar un papel aún indefinido en la progresión de la aterosclerosis.

Finalmente, se compararon el área de luz, el arco lipídico total y el grosor mínimo de la tapa fibrosa entre las imágenes de OCT basales y de seguimiento. Estos resultados se muestran en la Figura 14,con imágenes de OCT de regiones seleccionadas mostradas para la visualización de los cambios. Los resultados se generalizan en las regiones destacadas para comprender el papel que el WSS, el flujo intraluminal y las tensiones estructurales tienen en la progresión de la lesión; sin embargo, se podría llevar a cabo un post-procesamiento adicional para comparar cuantitativamente los resultados biomecánicos en cada ubicación de la sección transversal de la OCT con los cambios en la composición de la placa. La progresión de la lesión de la arteria media se asoció con TAWSS y VMS inicialmente bajos, patrones de LNH alterados y una fuerte región de atracción de WSS (WSSat) y OSI. Tenga en cuenta que esta lesión no se incluyó en la geometría inicial debido a su pequeño tamaño y al gasto computacional adicional y la complejidad asociada con su inclusión. Esto se contrasta directamente con la región proximal, que vio patrones de LNH más consistentes, TAWSS y VMS altos y una región de expansión WSS más débil y OSI asociada con la reducción del arco lipídico y una tapa fibrosa más delgada. La lesión distal experimentó la progresión más significativa y se asoció con un SMC moderado que fue impulsado por la presión arterial, no por el movimiento de las arterias, a diferencia de las regiones aguas arriba. Cuando se toman en conjunto, esta metodología y los resultados podrían usarse para desarrollar una imagen más completa del riesgo potencial de un paciente, siempre que se pueda producir un mayor número de simulaciones para comprender mejor la significación estadística de los resultados.

C10 (MPa) C01 (MPa) C20 (MPa) C11 (MPa) C02 (MPa) d (Pa-1)
Arteria -0.19 2.03 11.3 -0.19 20.1 1.00E-05
Lípido -0.17 0.21 5.02 -1.88 13.5 1.00E-05

Tabla 1: Propiedades del material para la pared arterial y los lípidos utilizando un modelo de Mooney-Rivlin de cinco parámetros.

Estructural
Tamaño medio de malla (mm) Elementos objetivo sobre la brecha Asimetría media de la malla Número de elementos Variación máxima del estrés principal (%)
Tosco 0.17 2 0.25 1,266,029 4.7
Medio 0.14 3 0.25 1,657,589 -
Multa 0.11 4 0.24 3,382,733 1.28
Fluido
Tamaño medio de malla (mm) Tamaño máximo de la cara (mm) Asimetría media de la malla Número de elementos Variación de la tensión de cizallamiento de la pared (%)
Tosco 0.17 0.15 0.23 527,103 6.42
Medio 0.14 0.12 0.22 772,767 -
Multa 0.11 0.09 0.22 1,392,534 1.85

Tabla 2: Resultados de independencia de malla para tres tamaños de malla diferentes probados.

Figure 1
Figura 1: Flujo de trabajo para realizar análisis de interacción fluido-estructura a partir de imágenes de pacientes. Haga clic aquí para ver una versión más grande de esta figura.

Figure 2
Figura 2: Esquema del proceso para alinear las imágenes de OCT entre la línea de base y el seguimiento antes de extraer el borde del lumen. (A) Esquema de alineación de la sección transversal de la OCT basado en puntos de referencia como la bifurcación proximal (*) y la rama lateral distal (^) para seleccionar las imágenes correspondientes del mismo segmento de la arteria tanto en la línea de base como en el seguimiento. (B) Visualización del proceso de selección de puntos para el centro y la escala del catéter (cruces rojas), así como el punto de inicio del lumen en función de la línea de sección transversal (discontinua blanca) y el contorno de lúmenes (puntos blancos). Haga clic aquí para ver una versión más grande de esta figura.

Figure 3
Figura 3: Esquema del proceso de reconstrucción de la parte posterior de los lípidos y el borde exterior de la pared arterial en regiones de alta atenuación. Selección manual de puntos visibles en la membrana elástica externa (cruces rojas); proyección de una elipse ajustada a los puntos seleccionados para formar la estimación de la sección transversal de la arteria externa (línea discontinua blanca); selección manual de la superficie lipídica interna (puntos azules); proyección de la parte posterior lipídica (puntos amarillos) reduciendo la estimación de la pared exterior para alcanzar el grosor deseado de la parte posterior. También se observa una visión general de las mediciones utilizadas para las comparaciones de lesiones (área de la luz, grosor de la tapa fibrosa y arco lipídico). Haga clic aquí para ver una versión más grande de esta figura.

Figure 4
Figura 4: Esquema de la selección del punto del catéter de angiografía biplana y la reconstrucción tridimensional. (A) Angiografía con puntos de descamación y curva del catéter resaltados. (B) Secciones transversales basadas en OCT del lumen (azul) giradas y colocadas a lo largo de la línea central del catéter tridimensional (puntos rojos). Haga clic aquí para ver una versión más grande de esta figura.

Figure 5
Figura 5: Diseño de software para la generación de geometría tridimensional. ( A )Creaciónde modelos sólidos 3D: (1) Menús desplegables para operaciones; 2) Secciones transversales 3D importadas extraídas de los PTU; (3) Loft entre secciones transversales para crear sólido; (4) Operación booleana para unir/restar cuerpos sólidos; (5) Topología compartida mediante la creación de una parte con arteria y lípidos. (B)Los componentes finales de geometría sólida 3D, incluidos los tres lípidos, la línea central del catéter, la luz y la pared arterial. Tenga en cuenta que un lípido pequeño de sección media no se consideró en la reconstrucción debido a su pequeño tamaño y al costo computacional adicional asociado con su inclusión. Haga clic aquí para ver una versión más grande de esta figura.

Figure 6
Figura 6: Condiciones de contorno aplicadas a la simulación. (A) Gráfica de desplazamiento en las direcciones x, y y z para las secciones proximal (entrada) y distal (salida) de la arteria extraída de la angiografía. (B) Condiciones de contorno de velocidad y presión para la entrada y salida, respectivamente, de la literatura. Haga clic aquí para ver una versión más grande de esta figura.

Figure 7
Figura 7: Diseño de software para la configuración estructural. ( A )Cuerpossólidos y sus definiciones de propiedades materiales; (B) Ajustes de malla; (C) Configuración del solucionador/análisis; (D) Interfaz fluido-sólido aplicada a la pared interna de la arteria; E)Condiciones límite de desplazamiento aplicadas a la entrada y salida; (F) Postprocesamiento de la solución. Haga clic aquí para ver una versión más grande de esta figura.

Figure 8
Figura 8: Diseño de software para la configuración de fluidos. (A) Configuración general del solucionador; (B) Ajustes del modelo de turbulencia; (C) Interfaz de usuario de consola/texto para comandos escritos; (D) Configuración de la propiedad del fluido; (E) Compilador de funciones definidas por el usuario; (F) Configuración de la condición de límite para las selecciones con nombre especificadas; (G) Ajustes dinámicos de malla y configuración de zona de interacción fluido-estructura; (H) Configuración y controles del solucionador; (I) Especificación de los criterios de convergencia residual; (J) Región para definir funciones personalizadas como LNH; (K) Configuración de cálculo para pasos de tiempo e iteraciones; (L) Configuración del formato de exportación de datos; (M) Inicialización de la solución. Haga clic aquí para ver una versión más grande de esta figura.

Figure 9
Figura 9: Esquema de la interfaz de acoplamiento del sistema. (A) Diseño final del flujo de trabajo de interacción fluido-estructura acoplada. (B) El diseño del software para la configuración y simulación del acoplamiento del sistema resuelve: (1) Configuración del análisis; (2) Interfaces fluido-estructura para los componentes estructurales y fluidos; (3) Transferencias de datos; (4) Monitor de residuos de acoplamiento del sistema; (5) Información de la solución. Si bien la convergencia de los componentes estructurales y fluidos se puede obtener en cada paso, los residuos de transferencia de datos pueden no converger juntos durante los primeros pasos de tiempo. En el séptimo paso, los residuos de transferencia de datos se rastrean dentro del 10 por ciento entre sí, mostrando una buena convergencia. Para una convergencia completa, las transferencias de datos también deben alcanzar los criterios de destino, con el valor predeterminado establecido en menos dos (escala logarítmica), que se muestra en la flecha verde. El comienzo de cada nuevo paso de tiempo se delinea con las flechas azules. En este caso, aumentar el número de iteraciones de acoplamiento del sistema podría permitir que las transferencias de datos converjan antes, pero agrega un costo computacional a la simulación. La convergencia de la simulación se alcanzó a partir del paso 11 en adelante. Haga clic aquí para ver una versión más grande de esta figura.

Figure 10
Figura 10: Resultados representativos de la tensión de cizallamiento de la pared. (A) Tensión de cizallamiento de la pared promediada en el tiempo, (B) índice de cizallamiento oscilatorio y (C) tensión de cizallamiento de la pared durante el ciclo cardíaco en las cuatro ubicaciones definidas en el contorno (A). Las variaciones del resultado de la tensión de cizallamiento de la pared son impulsadas por una combinación de la forma del lumen, su movimiento / flexión y la velocidad de la sangre, lo que resulta en un pico en la tensión cortante sobre el lípido distal (punto cuatro). Las fluctuaciones observadas durante los pasos de tiempo iniciales son el resultado de la simulación que encuentra el equilibrio y no deben considerarse más al interpretar los resultados. Haga clic aquí para ver una versión más grande de esta figura.

Figure 11
Figura 11: Campo vectorial de tensión cortante de pared coloreado por magnitud (escala inversa). Los análisis del campo vectorial subyacente son prometedores para una mejor comprensión de los procesos de transporte cerca de la pared, con regiones de atracción y expansión (recuadro resaltado) que sugieren condiciones de ateróprofo y ateroprotector cerca del flujo de la pared, respectivamente. Las regiones de atracción se observan de manera más significativa en las regiones distales, lo que sugiere un riesgo potencial de progresión de la lesión. Haga clic aquí para ver una versión más grande de esta figura.

Figure 12
Figura 12: Valores de helicidad normalizados locales promediados por ciclo para estructuras de flujo giratorio de mano derecha (positiva) e izquierda (negativa). Las ubicaciones distales ven perturbaciones más grandes en las estructuras de flujo contrarrotatorias en comparación con la región proximal. Una simulación subóptima (mostrada en recuadro) centrada en la placa distal con muy poca de la geometría proximal incluida dio como resultado estructuras de flujo helicoidales variadas que alteran las asociaciones observadas entre los resultados biomecánicos y la progresión de la placa. Haga clic aquí para ver una versión más grande de esta figura.

Figure 13
Figura 13: Resultados representativos de la distribución de la tensión de von Mises. ( A )Distribuciónde la tensión de Von Mises en la pared arterial. Las regiones de alto estrés se encuentran en los sitios de espesor mínimo de la tapa fibrosa. Los hombros de placa producen intensificadores del estrés. (B) Gráfico del estrés de Von Mises a lo largo del tiempo durante un ciclo cardíaco, con la distribución transitoria afectada por una combinación de morfología de la placa, presión arterial, velocidad / momento sanguíneo y el movimiento de la arteria (flexión cíclica y compresión). Los puntos numerados en (B) corresponden a los que se muestran en (A). Nótese la diferencia entre los puntos uno y cuatro; ambos resultan en una tapa fibrosa; sin embargo, el estrés en la primera ubicación es impulsado por el movimiento / flexión de la arteria, mientras que el cuarto punto está dominado por la presión arterial. Haga clic aquí para ver una versión más grande de esta figura.

Figure 14
Figura 14: Cambio representativo en las características medidas de la placa y los vasos en comparación con los resultados biomecánicos. (A) Área de lúmenes, (B) suma total del ángulo del arco lipídico y (C) comparaciones mínimas del grosor de la tapa fibrosa entre las imágenes basales y de seguimiento. Se muestran imágenes de línea de base y seguimiento correspondientes a la distancia axial marcada por las flechas verdes. El comportamiento general para la tensión de cizallamiento de pared promediada en el tiempo (TAWSS), el índice de cizallamiento oscilatorio (OSI), la región de atracción de tensión de cizallamiento de pared (WSSat), la helicidad normalizada local (LNH) y la tensión de Von Mises (VMS) se muestra en las regiones resaltadas. Los marcadores representan valores aumentados, disminuidos y neutros para la flecha roja, la flecha verde y la línea negra, respectivamente. Haga clic aquí para ver una versión más grande de esta figura.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

El uso de métodos FSI para analizar la biomecánica coronaria sigue siendo un campo en desarrollo tanto desde el modelado numérico como desde los aspectos de resultados clínicos. Aquí hemos descrito el esquema de la configuración de un análisis FSI específico del paciente, basado en los métodos de elementos finitos / volumen finito, utilizando OCT e imágenes angiográficas. Si bien el método que describimos aquí utiliza un solucionador comercial de elementos finitos, el procedimiento se puede aplicar a cualquier software compatible con FSI. Todavía hay varias limitaciones que deben mejorarse en la metodología. En primer lugar, reconocemos la limitación de presentar solo resultados representativos para un solo paciente; sin embargo, presentamos el protocolo actual para delinear mejor el proceso de simulación biomecánica de FSI de arterias con la esperanza de que la metodología presentada pueda desarrollarse y aplicarse a cohortes más grandes en el futuro. Además, durante la etapa de análisis de imágenes, gran parte del proceso descrito es manual, introduciendo una posible variabilidad entre observadores al segmentar la luz, los lípidos y la pared exterior. Se pueden realizar más desarrollos para automatizar estos procesos55 o incluir múltiples análisis de expertos que serán particularmente útiles para proporcionar una comparación más sólida entre las imágenes de referencia y de seguimiento. Las imágenes de OCT utilizadas en este procedimiento tampoco estaban marcadas por ECG, lo que resultó en una ligera desalineación de las secciones transversales debido al movimiento / contracción cardíaca. Tener esto en cuenta en el futuro también podría aumentar la precisión de la comparación.

Como el enfoque del estudio se centró en la relación entre las fuerzas biomecánicas y la composición de la placa, se adoptó un enfoque centrado en la OCT para hacer uso de la alta precisión de la OCT (10-20 μm). Esto, sin embargo, presenta desafíos debido a la atenuación significativa que resulta de la profundidad de penetración tisular limitada de OCT8. A diferencia de las técnicas puramente CFD, que solo requieren detallar la forma del lumen de las imágenes de OCT para los análisis de fluidos, FSI también requiere información detallada sobre los lípidos y la pared arterial. Para superar esta limitación se presentó una técnica de estimación en esta metodología, ya que durante la práctica clínica normal solo se utiliza una modalidad de imagen intravascular. Se deben realizar investigaciones futuras para validar la precisión de esta técnica y su impacto en los resultados biomecánicos a través del registro conjunto de IVUS y OCT. Para este procedimiento, hemos asumido que este impacto es insignificante, ya que la forma de la luz y el grosor de la tapa fibrosa56,57 son generalmente los impulsores más dominantes de los resultados de tensión en la pared. La combinación de OCT y Ultrasonido Intravascular (IVUS) podría superar esta dificultad58; la penetración tisular superior de IVUS que permite el análisis de las características de la placa y un aumento de casi 10 veces en la resolución espacial de la OCT que conduce a una representación de lúmenes de alta precisión59. Los desarrollos en catéteres multimodales presentan una oportunidad significativa para abordar esto en el futuro58. Del mismo modo, para las líneas centrales angiográficas, se puede realizar una mayor automatización para tener en cuenta con mayor precisión el paneo de la mesa, la compresión / relajación de las arterias y el escorzo basándose en esta metodología60.

La simulación numérica se puede mejorar aún más al incluir la naturaleza anisotrópica del tejido coronario. El tejido hiperelástico isotrópico descrito en la metodología no considera el impacto de la microestructura arterial. Se ha demostrado que esto es importante para la magnitud y distribución del estrés en la pared arterial31. La anisotropía tisular podría incluirse en el futuro mediante la creación de modelos de materiales definidos por el usuario. Los solucionadores de elementos finitos alternativos también tienen modelos hiperelásticos anisotrópicos incorporados desarrollados específicamente para el comportamiento biológico de los tejidos, como el modelo61de Holzapfel-Gasser-Odgen. Las simulaciones actuales también están limitadas por el uso principal de datos proporcionados de la literatura42 extraídos de cadáveres y probados mecánicamente fuera del entorno fisiológico. A medida que las técnicas de imagen intravascular mejoran, también vemos la posibilidad de definir las propiedades tisulares adaptadas a cada paciente específico. Del mismo modo, la íntima, los medios y la adventicia se simplificaron a una estructura de una sola capa, ya que separar estas capas de la OCT presenta desafíos, especialmente cuando se garantiza que no se produzca superposición en el proceso de reconstrucción. El costo numérico adicional también es significativo, lo que requiere una mayor investigación para encontrar el equilibrio entre el costo / tiempo y la precisión, ya que las múltiples capas juegan un papel en la respuesta general al estrés62,63.

Además, desde una perspectiva de flujo intravascular, mientras que solo presentamos resultados representativos de LNH, se han desarrollado varios índices de flujo helicoidal en la literatura, con resultados como el índice h2, que cuantifica la intensidad de la helicidad, sugerido como ateroprotector. Estos índices se pueden agregar al protocolo definiéndolos en funciones de campo personalizadas (paso 4.16) de la misma manera que LNH y dirigimos a los lectores interesados a la literatura citada24,25,51 para obtener más información.

Finalmente, nuestra metodología se limita a aplicar condiciones de contorno de velocidad y presión medidas en la literatura, en lugar de medir las específicas del paciente. Esto podría mejorarse extrayendo las condiciones límite de velocidad y presión de la sangre específicas de cada paciente utilizando la ecocardiografía doppler64 y las mediciones cuantitativas / de reserva de flujo fraccional65 en el futuro. Tales mejoras serían particularmente útiles para garantizar que el desplazamiento de las arterias pueda coincidir exactamente con la velocidad de la sangre y las fases de presión (sístole inicial / final en particular), algo para lo que proporcionamos una estimación en este análisis. Además, si bien se ha sugerido que las condiciones de contorno de fluidos solo afectan a la región muy cercana del límite, la región de interés para la evaluación del crecimiento de la placa / regresión de la remodelación debe establecerse alrededor de la sección media de la geometría de simulación para minimizar cualquier impacto de estas condiciones de entrada y salida. El impacto de simular una sección arterial subóptima que es demasiado corta se ha destacado en la Figura 12,donde las condiciones de entrada y salida influyen en gran medida en los resultados presentados, en lugar de la geometría y dinámica de la arteria. Esto tendrá consecuencias directas para la capacidad predictiva si no se tiene en cuenta adecuadamente. Además, si bien presentamos una simulación utilizando el modelo de viscosidad no newtoniana de la Ley de Potencia basado en sugerencias en la literatura46,48,investigaciones más recientes47 han sugerido el modelo de Carreau como un modelo de viscosidad más apropiado. Se pueden elegir diferentes modelos de viscosidad en el paso 4.7 del protocolo. Al construir directamente a partir de esta metodología, la incorporación de estos avances podría aumentar en gran medida la especificidad y precisión de los resultados en el futuro.

Durante el desarrollo del modelo sólido, es importante tomar medidas para mejorar la probabilidad de una malla de alta calidad y reducir las regiones propensas a errores. Compartir la topología entre el lípido y la pared arterial es un primer paso importante, lo que permite que los nodos de malla se compartan entre las superficies sólidas cuando se lleva a cabo el paso de malla. Al compartir nodos, se reduce la posibilidad de errores asociados con la alineación imperfecta de la malla y la penetración de la malla, un riesgo no insignificante debido a la compleja geometría del modelo. Después de la configuración de los componentes de análisis de sólidos y fluidos, también es fundamental verificar la independencia de la malla. Esto asegura que todos los resultados no estén influenciados por el tamaño de la malla generada. Para la independencia de la malla, los resultados deben permanecer estables a pesar de los cambios en el tamaño de la malla. Para cálculos eficientes, elija la malla más grande posible (menor número de elementos) que garantice esta independencia. Además, garantizar que tanto los residuos basados en Fluent converjan como las transferencias de datos de acoplamiento del sistema converjan es un paso crítico. En general, es una buena práctica que los residuos de transferencia de datos estructurales y fluidos converjan dentro del 10% entre sí al final de cada paso de tiempo. A medida que la simulación encuentra un estado de equilibrio, las primeras iteraciones de cualquier simulación FSI a veces no convergerán completamente, como se describió anteriormente en la Figura 7. En general, después de que se complete el primer 5% -10% del tiempo de simulación, se debe alcanzar la convergencia para cada paso. Si bien también demostramos la metodología aquí sobre un ciclo cardíaco, una simplificación que se realiza con frecuencia en la biomecánica coronaria, a menudo se requieren múltiples ciclos cardíacos para la convergencia numérica. Sin embargo, debido al costo computacional asociado con las simulaciones de biomecánica coronaria, los ciclos cardíacos múltiples a menudo no son factibles. Esta es una limitación que justifica un mayor desarrollo.

También pueden surgir varios errores posibles durante la simulación. Los más comunes de estos son la distorsión / deformación del elemento desde el lado estructural y el volumen celular negativo desde el lado del fluido. La distorsión del elemento puede ser el resultado de intensificadores de tensión como puntos de pellizco / áreas de mala calidad del elemento o de la fuerza aplicada que excede la resistencia del material. Para encontrar las ubicaciones donde se producen errores, inserte los residuos de Newton-Raphson (desde debajo de la ficha Solución en estructura transitoria). Los residuos de Newton-Raphson mostrarán las regiones de la geometría con el mayor error residual. Si la calidad de la malla es baja en esta región, refinar la malla puede ayudar. Ver la convergencia de fuerza/desplazamiento de la lista desplegable en la pestaña Solución también puede ayudar a solucionar este error. Desde la perspectiva del fluido, el volumen celular negativo generalmente se asocia con la configuración de malla dinámica. Revise estos ajustes cuidadosamente e intente aumentar el margen entre los tamaños máximo/mínimo de la zona de malla y los máximos/mínimos especificados manualmente. Los elementos poco profundos/de mala calidad en la región límite también pueden afectar este error debido a la deformación que ocurre durante el acoplamiento del sistema. La revisión de la calidad de la malla en la región límite también puede ayudar a solucionar problemas. Al solucionar problemas, resolver los componentes estructurales y fluidos por separado puede reducir el tiempo dedicado a abordar los errores.

En el futuro, la simulación basada en FSI muestra un potencial significativo para los análisis de lesiones coronarias, ya que supera las limitaciones de los enfoques puramente estructurales o basados en fluidos (CFD). La metodología presentada también tiene otras aplicaciones en el stent coronario66,la función del ventrículo67y el análisis espontáneo de la disección de la arteria coronaria68. Sin embargo, sigue existiendo el desafío de correlacionar los resultados biomecánicos con los resultados clínicos. Esto sigue siendo difícil debido al costo de cálculo asociado con las técnicas de FSI, lo que limita el número de análisis que se pueden realizar dentro de plazos realistas. Esto significa que actualmente los resultados no se pueden utilizar casi en tiempo real (como en el laboratorio de cateterismo) para ayudar directamente a la intervención coronaria percutánea (ICP), sino que son análisis retrospectivos que conducen a retrasos en el acceso a los datos. Este marco de tiempo aún puede ser útil para guiar los procedimientos de ICP por etapas o individualizar la farmacoterapia más agresiva o la vigilancia de lesiones coronarias no culpables que se identifican como de alto riesgo de progresión o desestabilización debido a su perfil biomecánico. Con múltiples marcadores biomecánicos emergentes con posibles vínculos con CAD, un enfoque multifactorial capaz de simular y comparar resultados dará una imagen más clara de la relación entre la biomecánica de las arterias y los sitios de ateropronosa, una posibilidad que las simulaciones de FSI están en una posición única para completar. La posibilidad de que esta simulación FSI integre e informe aún más los algoritmos de aprendizaje automático también podría superar las limitaciones asociadas con cada enfoque separado69. En general, esta metodología puede ayudar a predecir la progresión de la aterosclerosis coronaria y, con un mayor desarrollo, podría convertirse en una parte integral de la atención al paciente de alto riesgo.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Los autores no tienen conflictos que declarar con respecto a la preparación de este artículo. S.J.N. ha recibido apoyo de investigación de AstraZeneca, Amgen, Anthera, Eli Lilly, Esperion, Novartis, Cerenis, The Medicines Company, Resverlogix, InfraReDx, Roche, Sanofi-Regeneron y Liposcience y es consultor de AstraZeneca, Akcea, Eli Lilly, Anthera, Kowa, Omthera, Merck, Takeda, Resverlogix, Sanofi-Regeneron, CSL Behring, Esperion y Boehringer Ingelheim. P.J.P. ha recibido apoyo de investigación de Abbott Vascular, honorarios de consultoría de Amgen y Esperion y honorarios de oradores de AstraZeneca, Bayer, Boehringer Ingelheim, Merck Schering-Plough y Pfizer.

Acknowledgments

Los autores desean agradecer el apoyo brindado por la Universidad de Adelaida, el Royal Adelaide Hospital (RAH) y el Instituto de Investigación Médica y de Salud de Australia meridional (SAHMRI). El ensayo COCOMO-ACS es un estudio iniciado por un investigador financiado por subvenciones de proyectos del Consejo Nacional de Salud e Investigación Médica (NHMRC) de Australia (ID1127159) y la Fundación Nacional del Corazón de Australia (ID101370). H.J.C. cuenta con el apoyo de una beca del Westpac Scholars Trust (Future Leaders Scholarship) y reconoce el apoyo de la Universidad de Adelaida, la Escuela de Ingeniería Mecánica y la beca del Programa de Capacitación en Investigación de Investigación del Departamento de Educación, Habilidades y Empleo (RTP). S.J.N. recibe una beca de investigación principal del NHMRC (ID1111630). P.J.P. recibe una Beca de Líder Futuro de Nivel 2 de la Fundación Nacional del Corazón de Australia (FLF102056) y una Beca de Desarrollo Profesional de Nivel 2 de la NHMRC (CDF1161506).

Materials

Name Company Catalog Number Comments
ANSYS Workbench (version 19.0) ANSYS Commercial finite element solver
MATLAB (version 2019b) Mathworks Commercial programming platform
MicroDicom/ImageJ MicroDicom/ImageJ Open Source DICOM reader
Visual Studio (version 2019) Microsoft Commercial Integrated Development Environment

DOWNLOAD MATERIALS LIST

References

  1. American Heart Association. Cardiovascular disease: A costly burden for America projections through 2035. American Heart Association. , (2017).
  2. Gheorghe, A., et al. The economic burden of cardiovascular disease and hypertension in low-and middle-income countries: A systematic review. BMC Public Health. 18 (1), 975 (2018).
  3. Virani, S. S., et al. Heart disease and stroke statistics-2020 update: A report from the American Heart Association. Circulation. 141 (9), 139 (2020).
  4. Benjamin, E. J., et al. Heart disease and stroke statistics-2019 update: A report from the American Heart Association. Circulation. 139 (10), 56 (2019).
  5. Cardiovascular diseases (CVDs). World Health Organisation. , Available from: https://www.who.int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds) (2017).
  6. Calvert, J. W. Cellular and Molecular Pathobiology of Cardiovascular Disease. Willis, M. S., Homeister, J. W., Stone, J. R. , Academic Press. 79-100 (2014).
  7. Baumann, A. A. W., Mishra, A., Worthley, M. I., Nelson, A. J., Psaltis, P. J. Management of multivessel coronary artery disease in patients with non-ST-elevation myocardial infarction: a complex path to precision medicine. Therapeutic Advances in Chronic Disease. 11, 1-23 (2020).
  8. Montarello, N. J., Nelson, A. J., Verjans, J., Nicholls, S. J., Psaltis, P. J. The role of intracoronary imaging in translational research. Cardiovascular Diagnosis and Therapy. 10 (5), 1480-1507 (2020).
  9. Narula, J., et al. Histopathologic characteristics of atherosclerotic coronary disease and implications of the findings for the invasive and noninvasive detection of vulnerable plaques. Journal of the American College of Cardiology. 61 (10), 1041-1051 (2013).
  10. Kim, S. -J., et al. Reproducibility of in vivo measurements for fibrous cap thickness and lipid arc by OCT. JACC: Cardiovascular Imaging. 5 (10), 1072-1074 (2012).
  11. Prati, F., et al. Relationship between coronary plaque morphology of the left anterior descending artery and 12 months clinical outcome: the CLIMA study. European Heart Journal. 41 (3), 383-391 (2019).
  12. Nelson, A. J., Ardissino, M., Psaltis, P. Current approach to the diagnosis of atherosclerotic coronary artery disease: more questions than answers. Therapeutic Advances in Chronic Disease. 10, 1-20 (2019).
  13. Carpenter, H. J., Gholipour, A., Ghayesh, M. H., Zander, A. C., Psaltis, P. J. A review on the biomechanics of coronary arteries. International Journal of Engineering Science. 147, (2020).
  14. Wang, L., et al. Fluid-structure interaction models based on patient-specific IVUS at baseline and follow-up for prediction of coronary plaque progression by morphological and biomechanical factors: A preliminary study. Journal of Biomechanics. 68, 43-50 (2018).
  15. Shishikura, D., et al. The relationship between segmental wall shear stress and lipid core plaque derived from near-infrared spectroscopy. Atherosclerosis. 275, 68-73 (2018).
  16. Cameron, J. N., et al. Exploring the relationship between biomechanical stresses and coronary atherosclerosis. Atherosclerosis. 302, 43-51 (2020).
  17. Giannoglou, G. D., Soulis, J. V., Farmakis, T. M., Farmakis, D. M., Louridas, G. E. Haemodynamic factors and the important role of local low static pressure in coronary wall thickening. International Journal of Cardiology. 86 (1), 27-40 (2002).
  18. Stone, P. H., et al. Effect of endothelial shear stress on the progression of coronary artery disease, vascular remodeling, and in-stent restenosis in humans: In vivo 6-month follow-up study. Circulation. 108 (4), 438-444 (2003).
  19. Bourantas Christos, V., et al. Shear stress estimated by quantitative coronary angiography predicts plaques prone to progress and cause events. JACC: Cardiovascular Imaging. 13 (10), 2206-2219 (2020).
  20. Stone, P. H., et al. Role of low endothelial shear stress and plaque characteristics in the prediction of nonculprit major adverse cardiac events: The PROSPECT study. JACC: Cardiovascular Imaging. 11 (3), 462-471 (2018).
  21. Arzani, A., Gambaruto, A. M., Chen, G., Shadden, S. C. Wall shear stress exposure time: a Lagrangian measure of near-wall stagnation and concentration in cardiovascular flows. Biomechanics and Modeling in Mechanobiology. 16 (3), 787-803 (2017).
  22. Hoogendoorn, A., et al. Multidirectional wall shear stress promotes advanced coronary plaque development: comparing five shear stress metrics. Cardiovascular Research. 116 (6), 1136-1146 (2020).
  23. Chiastra, C., et al. Healthy and diseased coronary bifurcation geometries influence near-wall and intravascular flow: A computational exploration of the hemodynamic risk. Journal of Biomechanics. 58, 79-88 (2017).
  24. Gallo, D., Steinman, D. A., Bijari, P. B., Morbiducci, U. Helical flow in carotid bifurcation as surrogate marker of exposure to disturbed shear. Journal of Biomechanics. 45 (14), 2398-2404 (2012).
  25. De Nisco, G., et al. The atheroprotective nature of helical flow in coronary arteries. Annals of Biomedical Engineering. 47 (2), 425-438 (2019).
  26. De Nisco, G., et al. The impact of helical flow on coronary atherosclerotic plaque development. Atherosclerosis. 300, 39-46 (2020).
  27. Eslami, P., et al. Effect of wall elasticity on hemodynamics and wall shear stress in patient-specific simulations in the coronary arteries. Journal of Biomechanical Engineering. 142 (2), (2019).
  28. Malvè, M., García, A., Ohayon, J., Martínez, M. A. Unsteady blood flow and mass transfer of a human left coronary artery bifurcation: FSI vs. CFD. International Communications in Heat and Mass Transfer. 39 (6), 745-751 (2012).
  29. Chiastra, C., Migliavacca, F., Martínez, M. Á, Malvè, M. On the necessity of modelling fluid-structure interaction for stented coronary arteries. Journal of the Mechanical Behavior of Biomedical Materials. 34, 217-230 (2014).
  30. Carpenter, H., Gholipour, A., Ghayesh, M., Zander, A. C., Psaltis, P. In vivo based fluid-structure interaction biomechanics of the left anterior descending coronary artery. Journal of Biomechanical Engineering. 143 (8), (2021).
  31. Tang, D., et al. 3D MRI-based anisotropic FSI models with cyclic bending for human coronary atherosclerotic plaque mechanical analysis. Journal of Biomechanical Engineering. 131 (6), (2009).
  32. Gholipour, A., Ghayesh, M. H., Zander, A. C., Psaltis, P. J. In vivo based biomechanics of right and left coronary arteries. International Journal of Engineering Science. 154, (2020).
  33. Pei, X., Wu, B., Li, Z. -Y. Fatigue crack propagation analysis of plaque rupture. Journal of Biomechanical Engineering. 135 (10), (2013).
  34. Wang, L., et al. IVUS-based FSI models for human coronary plaque progression study: components, correlation and predictive analysis. Annals of Biomedical Engineering. 43 (1), 107-121 (2015).
  35. Fan, R., et al. Human coronary plaque wall thickness correlated positively with flow shear stress and negatively with plaque wall stress: an IVUS-based fluid-structure interaction multi-patient study. BioMedical Engineering OnLine. 13 (1), 32 (2014).
  36. Migliori, S., et al. Application of an OCT-based 3D reconstruction framework to the hemodynamic assessment of an ulcerated coronary artery plaque. Medical Engineering & Physics. 78, 74-81 (2020).
  37. Pataky, T. DIGITIZE07. MATLAB Central File Exchange. , Available from: https://www.mathworks.com/matlabcentral/fileexchange/14703-digitize07 (2021).
  38. D'Errico, J. interparc. MATLAB Central File Exchange. , Available from: https://www.mathworks.com/matlabcentral/fileexchange/34874-interparc (2021).
  39. Davies Justin, E., et al. Evidence of a dominant backward-propagating "suction" wave responsible for diastolic coronary filling in humans, attenuated in left ventricular hypertrophy. Circulation. 113 (14), 1768-1778 (2006).
  40. Campbell, I. C., et al. Effect of inlet velocity profiles on patient-specific computational fluid dynamics simulations of the carotid bifurcation. Journal of Biomechanical Engineering. 134 (5), (2012).
  41. Chang, W. -T., et al. Ultrasound based assessment of coronary artery flow and coronary flow reserve using the pressure overload model in mice. Journal of Visualized Experiments: JoVE. (98), (2015).
  42. Holzapfel, G. A., Sommer, G., Gasser, C. T., Regitnig, P. Determination of layer-specific mechanical properties of human coronary arteries with nonatherosclerotic intimal thickening and related constitutive modeling. American Journal of Physiology-Heart and Circulatory Physiology. 289 (5), 2048-2058 (2005).
  43. Versluis, A., Bank, A. J., Douglas, W. H. Fatigue and plaque rupture in myocardial infarction. Journal of Biomechanics. 39 (2), 339-347 (2006).
  44. ANSYS Inc. ANSYS Academic Research Mechanical, Release 19.0, Mechanical APDL Theory Reference, Structures with Material Nonlinearities, Hyperelasticity, Mooney-Rivlin. ANSYS Inc. , (2019).
  45. Dong, J., Sun, Z., Inthavong, K., Tu, J. Fluid-structure interaction analysis of the left coronary artery with variable angulation. Computer Methods in Biomechanics and Biomedical Engineering. 18 (14), 1500-1508 (2015).
  46. Johnston, B. M., Johnston, P. R., Corney, S., Kilpatrick, D. Non-Newtonian blood flow in human right coronary arteries: Steady state simulations. Journal of Biomechanics. 37 (5), 709-720 (2004).
  47. Abbasian, M., et al. Effects of different non-Newtonian models on unsteady blood flow hemodynamics in patient-specific arterial models with in-vivo validation. Computer Methods and Programs in Biomedicine. 186, (2020).
  48. Soulis, J. V., et al. Non-Newtonian models for molecular viscosity and wall shear stress in a 3D reconstructed human left coronary artery. Medical Engineering & Physics. 30 (1), 9-19 (2008).
  49. Liu, B., Tang, D. Influence of non-Newtonian properties of blood on the wall shear stress in human atherosclerotic right coronary arteries. Molecular & Cellular Biomechanics: MCB. 8 (1), (2011).
  50. Morbiducci, U., Ponzini, R., Grigioni, M., Redaelli, A. Helical flow as fluid dynamic signature for atherogenesis risk in aortocoronary bypass. A numeric study. Journal of Biomechanics. 40 (3), 519-534 (2007).
  51. Morbiducci, U., et al. In vivo quantification of helical blood flow in human aorta by time-resolved three-dimensional cine phase contrast magnetic resonance imaging. Annals of Biomedical Engineering. 37 (3), (2009).
  52. Sughimoto, K., et al. Effects of arterial blood flow on walls of the abdominal aorta: Distributions of wall shear stress and oscillatory shear index determined by phase-contrast magnetic resonance imaging. Heart and Vessels. 31 (7), 1168-1175 (2016).
  53. Ku, D. N., Giddens, D. P., Zarins, C. K., Glagov, S. Pulsatile flow and atherosclerosis in the human carotid bifurcation. Positive correlation between plaque location and low oscillating shear stress. Arteriosclerosis. 5 (3), 293-302 (1985).
  54. Mazzi, V., et al. Wall shear stress topological skeleton analysis in cardiovascular flows: Methods and applications. Mathematics. 9 (7), 720 (2021).
  55. Moraes, M. C., Cardenas, D. A. C., Furuie, S. S. Automatic lumen segmentation in IVOCT images using binary morphological reconstruction. BioMedical Engineering OnLine. 12 (1), 78 (2013).
  56. Akyildiz, A. C., et al. The effects of plaque morphology and material properties on peak cap stress in human coronary arteries. Computer Methods in Biomechanics and Biomedical Engineering. 19 (7), 771-779 (2016).
  57. Tang, D., et al. Quantifying effects of plaque structure and material properties on stress distributions in human atherosclerotic plaques using 3D FSI models. Journal of Biomechanical Engineering. 127 (7), 1185-1194 (2005).
  58. Li, J., et al. Multimodality intravascular imaging of high-risk coronary plaque. JACC: Cardiovascular Imaging. , (2021).
  59. Bourantas Christos, V., et al. Utility of multimodality intravascular imaging and the local hemodynamic forces to predict atherosclerotic disease progression. JACC: Cardiovascular Imaging. 13 (4), 1021-1032 (2020).
  60. Liao, R., Luc, D., Sun, Y., Kirchberg, K. 3-D reconstruction of the coronary artery tree from multiple views of a rotational X-ray angiography. The International Journal of Cardiovascular Imaging. 26 (7), 733-749 (2010).
  61. Holzapfel, G. A., Gasser, T. C., Ogden, R. W. A new constitutive framework for arterial wall mechanics and a comparative study of material models. Journal of Elasticity and the Physical Science of Solids. 61 (1), 1-48 (2000).
  62. Gholipour, A., Ghayesh, M. H., Zander, A., Mahajan, R. Three-dimensional biomechanics of coronary arteries. International Journal of Engineering Science. 130, 93-114 (2018).
  63. Akyildiz, A. C., et al. Effects of intima stiffness and plaque morphology on peak cap stress. BioMedical Engineering OnLine. 10 (1), 25 (2011).
  64. Baranger, J., Mertens, L., Villemain, O. Blood flow imaging with ultrafast doppler. Journal of Visualized Experiments: JoVE. (164), (2020).
  65. Westra, J., et al. Diagnostic performance of in-procedure angiography-derived quantitative flow reserve compared to pressure-derived fractional flow feserve: The FAVOR II Europe-Japan study. Journal of the American Heart Association. 7 (14), (2018).
  66. Torii, R., et al. The impact of plaque type on strut embedment/protrusion and shear stress distribution in bioresorbable scaffold. European Heart Journal - Cardiovascular Imaging. 21 (4), 454-462 (2020).
  67. Peirlinck, M., et al. Precision medicine in human heart modeling. Biomechanics and Modeling in Mechanobiology. , 1-29 (2021).
  68. Franke, K. B., et al. Current state-of-play in spontaneous coronary artery dissection. Cardiovascular Diagnosis and Therapy. 9 (3), 281 (2019).
  69. Alber, M., et al. Integrating machine learning and multiscale modeling-perspectives, challenges, and opportunities in the biological, biomedical, and behavioral sciences. NPJ Digital Medicine. 2 (1), 115 (2019).

Tags

Bioingeniería Número 179 Aterosclerosis biomecánica progresión de lesiones interacción fluido-estructura esfuerzo cortante de pared arteria coronaria tomografía de coherencia óptica
Tomografía de coherencia óptica basada en el análisis de interacción fluido-estructura biomecánica de la progresión de la aterosclerosis coronaria
Play Video
PDF DOI DOWNLOAD MATERIALS LIST

Cite this Article

Carpenter, H. J., Ghayesh, M. H.,… More

Carpenter, H. J., Ghayesh, M. H., Zander, A. C., Ottaway, J. L., Di Giovanni, G., Nicholls, S. J., Psaltis, P. J. Optical Coherence Tomography Based Biomechanical Fluid-Structure Interaction Analysis of Coronary Atherosclerosis Progression. J. Vis. Exp. (179), e62933, doi:10.3791/62933 (2022).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter