一种in-silico建模方法,用于预测糖尿病和高血压病患者的血液动力学结果

科学领域:

• 计算建模计算建模
• 发现生物标志物的发现.
• 腎臟病學 (nephrology) 是一種醫學專業.

背景情况:

• 早期诊断病是具有挑战性的,阻碍了及时干预.
• 糖尿病和高血压是导致脏疾病的主要原因,通常同时发生.
• 区分糖尿病和高血压脏疾病通常需要侵入性活检.

研究的目的:

• 开发一种计算建模方法来模拟虚拟人群中的血液动力学.
• 为了确定潜在的非侵入性生物标志物用于早期发现病.
• 为了对现有的老龄化,糖尿病和高血压人口的体内数据进行模型验证.

主要方法:

• 开发了一种模拟动脉网络中的血液速度,流量和压力波传播的计算模型.
• 使用关于老龄化人口的文献数据验证了该模型的压力,流速和波形指数.
• 用糖尿病和高血压脏病的体内数据对模型进行校准.

主要成果:

• 从脏血流率和脉动性中确定了潜在的生物标志物.
• 在早期和严重的糖尿病脏病 (0.690.74) 和高血压脏病 (0.650.73) 中量化抵抗指数的变化.
• 报告的平均脏血流率区分了糖尿病 (317329毫升/分钟) 和高血压 (388443毫升/分钟) 脏病的疾病阶段.

结论:

• 开发的建模方法显示了用于早期诊断病的新生物标志物识别的希望.
• 这种非侵入性方法可以帮助区分糖尿病和高血压脏病.
• 该模型有助于发现生物标志物,并为病设计未来的临床试验.