周辺動脈疾患における薬剤排出気球の計算モデル化:メカニズム,最適化,およびトランスレーションの洞察
Mohammed A AboArab1,2, Vassiliki T Potsika1, Dimitrios S Pleouras1
1Unit of Medical Technology and Intelligent Information Systems, Dept. of Materials Science and Engineering, University of Ioannina, Ioannina GR45110, Greece.
Computational and structural biotechnology journal
|September 2, 2025
まとめ
薬物の移転と血管の相互作用を分析することによって,外周動脈疾患 (PAD) のための薬物の放出気球 (DEB) を最適化します. 先進的なシミュレーションにより 結果が予測され パーソナライズされたDEB治療の道が開けます
科学分野:
- 生物医学工学
- 医療用イメージング
- コンピュータ科学
背景:
- 薬剤排出気球 (DEB) は 周辺動脈疾患 (PAD) のためのステントの代替手段として有望です.
- DEBの有効性を最適化するには,薬物転送,展開メカニズム,および血管の相互作用を理解する必要があります.
- DEB技術の進歩と治療結果の予測には コンピューティングモデリングが不可欠です
研究 の 目的:
- PADにおけるDEB治療のための計算モデルの進歩をレビューし,合成する.
- CFD,FEA,FSI,MLなどの主要なモデリング戦略を批判的に検討する.
- 精密ガイドされたDEB治療の課題と将来の方向性を特定する.
主な方法:
- PRISMAのガイドラインに従った体系的な文献レビュー (ScienceDirect, Scopus, PubMed 2015-2025)
- 計算式流体力学 (CFD),有限要素分析 (FEA),流体構造相互作用 (FSI),機械学習 (ML) モデルの分析.
- 患者特有の加速予測のための物理情報ニューラルネットワーク (PINNs) の評価.
主要な成果:
- CFDモデルは薬物の分散と洗浄を明らかにし,FEAはメカニズムと薬物の浸透を関連付けています.
- FSIフレームワークは,薬剤の投与不足に対する血液動力学的影響を明らかにしています.
- MLとPINNは迅速で正確な予測を実現します (スピードアップ>600倍,偏差>2%).
結論:
- 計算モデリングは,PADにおけるDEBパフォーマンスの理解を大幅に改善します.
- 画像とAIを統合したハイブリッド・インシリコアプローチは 臨床翻訳の鍵です
- 将来のデジタルツインは PADの改善のための 精密ガイドされたDEB治療を約束します
