在大动脉狭窄症中个性化血液动力学的AI驱动的多模式建模
Caglar Ozturk1,2,3, Daniel H Pak4, Luca Rosalia1,5,6
1Institute for Medical Engineering and Science, Massachusetts Institute of Technology, Cambridge, MA, 02139-4307, USA.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|December 12, 2024
概括
我们开发了一个AI框架,从CT扫描中快速创建特定患者的大动脉狭窄 (AS) 模型. 这加快了创建高保真模拟的速度,以更好地诊断AS和治疗规划.
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
- 人工智能的人工智能
背景情况:
- 大动脉狭窄 (AS) 是一种普遍的膜性心脏病.
- 目前针对AS的患者特定建模受到复杂,耗时的手工流程的阻碍.
- 高准确度的临床前模型对于推进AS管理至关重要.
研究的目的:
- 引入人工智能驱动的计算框架,以快速,针对患者的AS血动力学建模.
- 在创建临床前AS模型时克服手工工作流程的限制.
- 为了使高速和民主化使用高保真AS模拟.
主要方法:
- 开发了自动化网格算法,从计算机断层扫描 (CT) 数据中生成模拟准备的几何形状.
- 整合了框架与流体结构相互作用和软机器人模型.
- 对来自不同AS患者的临床血液动力学测量进行了验证.
主要成果:
- 自动网格实现了更高的准确性,比现有方法快100倍.
- 该框架准确地复制了广泛的临床血液动力学测量结果.
- 证明了与流体结构相互作用和软机器人模拟成功集成.
结论:
- 人工智能框架显著加速了针对患者的AS模型的创建.
- 这种方法提高了高可靠性AS模拟的准确性和效率.
- 该框架为个性化的AS生物力学,血液动力学和治疗规划提供了有价值的工具.
