在0D心血管模型中,贝叶斯参数推断和不确定性感知灵敏度分析用于手术内低血压的心血管模型
Jan-Niklas Thiel1, Marko Zlicar2, Ulrich Steinseifer1
1Cardiovascular Engineering, Applied Medical Engineering, Medical Faculty, RWTH Aachen University, Aachen, Germany.
贝叶斯方法改善心血管模型,用于治疗手术内低血压 (IOH). 这种方法提高了参数可靠性和不确定性量化,有助于临床决策和治疗规划.
科学领域:
- 计算生理学和生物医学工程.
- 在医疗保健中应用先进的统计方法.
- 临床决策支持系统.
背景情况:
- 计算心血管模型有助于临床决策,特别是在手术内低血压 (IOH) 中.
- 传统的校准方法与参数不可识别性作斗争,缺乏不确定性量化,限制了临床使用.
- 贝叶斯式方法为参数推断,灵敏度分析和不确定性量化提供了解决方案.
研究的目的:
- 应用贝叶斯马尔科夫链蒙特卡洛 (MCMC) 在心血管一次性参数模型 (LPMs) 中的参数估计,用于IOH场景.
- 为了证明参数非唯一性对灵敏度的影响,并提高参数可靠性.
- 引入不确定性意识敏感性分析,并将其与经典方法进行比较,以提高临床效用.
主要方法:
- 使用贝叶斯马尔科夫链蒙特卡洛 (MCMC) 来估计心血管块参数模型 (LPM) 的参数.
- 纳入临床知识和测量不确定性,以提高参数可靠性.
- 实施了连续的参数更新,用于持续的模型学习和不确定性意识敏感性分析.
主要成果:
- 与经典优化不同,MCMC区分了不同的IOH场景 (例如,受损收缩率与低血压),而不是经典优化.
- 参数不确定性通过额外数据 (70%) 和连续更新 (94%) 显著降低.
- 与传统方法相比,不确定性意识敏感性分析产生了更稳定的参数排名和更紧密的可信度间隔.
结论:
- 用连续更新和灵敏度分析的贝叶斯推理提高了LPM的可靠性和可识别性.
- 这种方法提高了IOH和类似复杂疾病的治疗指导的临床实用性.
- 贝叶斯框架提供了更稳定的参数估计和对不同患者状态的模型灵敏度的洞察.
更多相关视频
14:28Software for Analysis of Heart Rate and Blood Pressure Time-series Data from the Valsalva Maneuver
Published on: June 27, 2025
06:18Intravascular Ultrasound Image-Based Finite Element Modeling Approach for Quantifying In Vivo Mechanical Properties of Human Coronary Artery
Published on: December 6, 2024
相关概念视频
Pre-Procedural Guidelines for Assessing Blood Pressure
Physiological Pharmacokinetic Models: Blood Flow-Limited Versus Diffusion-Limited Models
Model Approaches for Pharmacokinetic Data: Physiological Models
