心血管数字双胞胎的不确定性,尽管4D流MRI中的非正常错误:识别可靠的生物标志物,如心室放松率

科学领域:

• 生物医学工程 生物医学工程
• 计算生物学 计算生物学
• 心血管研究研究心血管研究

背景情况:

• 心血管数字双胞胎和机械模型为从患者特定的血液动力学数据中发现新的生物标志物提供了潜力.
• 模型衍生生物标志物的临床相关性取决于它们的不确定性小于患者间/时间间变化.
• 当前不确定性计算方法在非正常,多源血液动力学数据不确定性方面失败,导致未知的生物标志物不确定性.

研究的目的:

• 开发和验证一种方法来计算心血管模型衍生生物标志物的不确定性,特别是处理非正常数据.
• 量化血液动力学数据的不确定性及其对衍生生物标记物的影响.
• 通过将这些生物标志物的不确定性与人口变异性进行比较,评估这些生物标志物的临床潜力.

主要方法:

• 估计血液动力学数据中的正常和非正常不确定性来源 (4D 流动MRI 冲击体积,血压).
• 开发了一种结合数据不确定性,参数估计和配置概率的方法,用于生物标志物不确定性计算.
• 使用100个模拟数据集验证了该方法,评估了置信区间覆盖范围.

主要成果:

• 量化了血液动力学数据误差 (例如,中风体积为5-20%,血压为±8 mmHg).
• 开发的方法成功估计了生物标志物的不确定性,在98%的模拟中,真值在95%的置信区间内.
• 静脉放松率的不确定性 (∼10%) 显著低于队列变化 (∼40%),表明临床潜力.

结论:

• 提出的方法有效地计算心血管模型衍生生物标志物的不确定性,即使有非正常数据.
• 估计的数据不确定性是合理的,而概率概率是强大的非正常性.
• 模型衍生生物标志物,如心室放松率,具有可量化的不确定性,支持它们在心血管患者表征中的临床应用.