综合性中风风险评估,结合心房计算流体动力学模拟和功能患者数据
Alberto Zingaro1,2,3, Zan Ahmad1,4, Eugene Kholmovski1,5
1ADVANCE, Alliance for Cardiovascular Diagnostic and Treatment Innovation, Johns Hopkins University, 3400 N. Charles St., 21218, Baltimore, MD, USA.
bioRxiv : the preprint server for biology
|January 31, 2024
概括
整合心磁共振 (CMR) 和计算流体动力学 (CFD) 可提供个性化的中风风险评估. 通过中风体积而不是喷射率来正常化血液动力学特征,显著区分了中风患者.
科学领域:
- 心血管医学 心血管医学
- 生物医学工程 生物医学工程
- 医疗成像医学成像
背景情况:
- 卒中是全球死亡和残疾的主要原因,需要改进风险预测.
- 现有的中风风险得分,如CHA2DS2-VASc,可能缺乏个性化的预测能力.
- 心脏动态在中风病因学中起着至关重要的作用,但尚未完全纳入风险模型.
研究的目的:
- 通过将心脏磁共振 (CMR) 成像与患者特定的计算流体动力学 (CFD) 模拟相结合,开发一个个性化的中风风险评估框架.
- 为了研究心房顺应和运动对血液动力学流场的影响.
- 确定关键的功能和血液动力学指标,以区分中风患者与对照患者.
主要方法:
- 利用CINE CMR提取动力学特征和患者特有的心房位移.
- 开发了针对患者的CFD模拟,包括动态心房运动,挑战刚性壁假设.
- 综合功能指标 (例如,中风体积,喷射率) 与血液动力学特征进行分析.
主要成果:
- 与对照组相比,中风患者的左心房体积较小.
- 将心房位移纳入CFD模拟显示了它对流场的重大影响.
- 通过中风体积来规范血液动力学特征,但不是射出分数,在左前庭和附属体中明确区分了与对照病例的中风.
结论:
- 来自CMR的功能数据和患者特定的CFD模拟的协同融合提供了对中风风险的个性化和机械的理解.
- 基于运动的个性化风险评估对于改善中风预测至关重要.
- 这种新的框架增强了中风风险分层,提供了有价值的临床影响.
