利用12导电图和MRI数据来个性化心脏数字双胞胎模型中的复极化概况,以加强虚拟药物测试

科学领域:

• 计算生物学是一种计算生物学.
• 医学成像医学成像
• 心血管研究的心血管研究.

背景情况:

• 心脏数字双胞胎为了解心脏病和预测治疗结果提供了一种强大的方法.
• 整合患者特定数据与计算模型可以通过虚拟临床试验加速治疗开发.

研究的目的:

• 开发和验证一个开源的自动化管道,使用磁共振成像 (MRI) 和心电图 (ECG) 数据来个性化心脏数字双胞胎.
• 为了证明管道在模拟腹腔电生理功能和评估药物反应的不确定性量化方面的能力.

主要方法:

• 利用基于MRI的解剖模型和一个连续的蒙特卡洛贝叶斯推理方法,从ECG中推导出电生理学特征.
• 采用Purkinje网络和详细的离子动态的反应-Eikonal模型进行快速模拟,将结果转换为单域模型以提高现实性.
• 推断出一个信实的腹腔模型的包裹来表示参数不确定性,使得传播到治疗评估.

主要成果:

• 该管道准确地复制了健康受试者的患者心电图,实现了反应-Eikonal模型的0.9的Pearson相关系数的中位数,以及单域模型的0.84.
• 心脏数字双胞胎成功模拟了剂量依赖药物效应 (Dofetilide),预测了与人口数据一致的QTc和T峰值到终点延长.
• 推断模型捕捉了患者特定的电生理功能和不确定性,这对于个性化治疗评估至关重要.

结论:

• 开发的自动化管道代表了在为虚拟治疗测试创建个性化心脏数字双胞胎方面取得的重大进展.
• 这种方法促进了临床试验的虚拟队列的生成,可能加速新型心脏疗法的评估和开发.
• 这些工具的开源性质促进了可访问性和计算心脏病学领域的进一步发展.