Injerto de derivación virtual de la arteria coronaria

Área de la Ciencia:

• Cirugía cardiovascular
• Imágenes médicas
• Dinámica de fluidos computacional

Sus antecedentes:

• El bypass coronario (CABG) es superior a la intervención coronaria percutánea (PCI) para la enfermedad coronaria compleja (CAD).
• La predicción precisa de la hemodinámica postoperatoria es crucial para el éxito del CABG.
• Los métodos actuales para evaluar el rendimiento del injerto a menudo requieren procedimientos invasivos.

Objetivo del estudio:

• Desarrollar y validar una plataforma computacional no invasiva que integre la angiografía computarizada coronaria (CCTA) y la dinámica de fluidos computacional (CFD).
• Para predecir la hemodinámica post-CABG, incluido el injerto virtual y la estimación de la reserva de flujo fraccionado (FFR).
• Evaluar la precisión del FFR virtual en comparación con las mediciones invasivas.

Principales métodos:

• Estudio prospectivo de prueba de concepto en el que participaron cuatro pacientes con CAD multivascular sometidos a CABG.
• Reconstrucción 3D de la anatomía coronaria desde el CCTA pre-CABG.
• Simulaciones de injerto de derivación virtual utilizando tamaños de injerto específicos del paciente y de especificidad mixta.
• Simulaciones de CFD para estimar el FFR posterior al CABG, validado con respecto al FFR invasivo.

Principales resultados:

• La FFR computacional demostró una fuerte correlación con la FFR invasiva (r2 = 0,92 para la especificidad del paciente, r2 = 0,88 para la especificidad mixta).
• El análisis Bland-Altman mostró un sesgo mínimo para ambos tipos de injerto.
• Se observó una alta concordancia con la FFR invasiva (90% para la especificidad del paciente, 80% para la especificidad mixta).

Conclusiones:

• El modelo CABG virtual predice con precisión la hemodinámica postoperatoria y el FFR.
• Esta plataforma no invasiva ofrece el potencial para optimizar las estrategias de injerto y reducir la dependencia de FFR invasivo.
• Se requiere una mayor integración clínica y validación a gran escala para mejorar la planificación quirúrgica y los resultados para los pacientes.