Loading…
Modeling mitral valve hemodynamics with image-based CFD
Vellguth, Katharina
Mitral valve regurgitation is one of the most common heart valve diseases in our society. While several therapeutic approaches exist, it can be difficult to anticipate the most beneficial treatment for an individual patient. Image-based computational fluid dynamic (CFD) simulations are a promising tool to complement medical imaging with a prediction of hemodynamic treatment outcome, and risk estimation of possible side effects.
Therefore, a low-fidelity CFD approach using a rigid wall model (RWM) to mimic left ventricular movement based on patient-individual imaging data is developed in this work. The focus is set on representing the diastole (filling phase) of the left ventricle and investigating the hemodynamic characteristics of the mitral valve. The three included publications focus on developing the methodology and testing it for different treatment approaches of mitral regurgitation. Further, the influence of inter-user segmentation differences of the mitral valve anatomy on computed hemodynamic parameters is analyzed and compared to medical measuring accuracy. The approach is then applied to simulate and systematically investigate the influence of the position of a transcatheter edge-to-edge repair (TEER) device in ten patients. This procedure is one of the standard low-impact methods to treat high-risk patients with mitral regurgitation.
Results confirm a proof-of-concept for the low-fidelity RWM approach by comparing it to clinically measured flow field data of the left ventricle as well as to high-fidelity simulations with fluid-structure interaction CFD. The influence of user-dependent differences in mitral valve segmentation does not introduce a greater uncertainty to the simulation outcome than uncertainty of clinical velocity measurement itself. Systematic variation of the TEER device position shows that central device positions, in contrast to eccentric positions, lead to stronger reduction of the remaining mitral valve area and higher increase of velocity and pressure gradient over the mitral valve. Further, the remaining mitral valve area and hemodynamic parameters are better predictable for centrally positioned devices.
In conclusion, the proposed method seems promising to contribute to a workflow gradually meeting the high demand for therapy simulation and outcome prediction in clinical routine. Nevertheless, a profound validation is still outstanding. Lacking data quality and quantity can perspectively be complemented by including other methods into the workflow. Statistical shape models can be used to standardize anatomical model representation, and to increase validation data by virtual cohorts. Coupling CFD simulations with lumped element models may strengthen the potential of patient-individual predictions despite incomplete input data. These workflows, however, are time-consuming, which is why they might be used to train artificial neural networks to eventually allow real-time predictions in clinical applications.
Die Mitralklappeninsuffizienz ist eine der häufigsten Herzklappenerkrankungen weltweit. Es gibt zwar mehrere therapeutische Ansätze, jedoch ist die Vorhersage der vorteilhaftesten Behandlung für einen einzelnen Patienten schwierig. Bildgestützte Strömungssimulationen (engl. Computational Fluid Dynamic, CFD) sind ein vielversprechendes Instrument, um die hämodynamischen Behandlungsergebnisse vorherzusagen und potenzielle Risiken abzuschätzen.
In dieser Arbeit wird ein CFD-Ansatz mit einem starren Wandmodell entwickelt, um die linksventrikuläre Bewegung abzubilden, welche aus patientenindividuellen Bildgebungsdaten ermittelt wird. Im Fokus liegt die Darstellung der peak-diastolischen Blutströmung (Füllphase) im linken Ventrikel und um die Mitralklappe. Die drei Publikationen dieser Arbeit beinhalten die Methodenentwicklung mit einer testweisen Anwendung auf verschiedene therapeutische Behandlungsansätze, eine Untersuchung des Einflusses von nutzerabhängigen Unterschieden in der Segmentierung der Mitralklappenanatomie auf die berechneten Geschwindigkeiten der Mitralklappenströmung, sowie eine Anwendung der Methode auf ein klinisch etabliertes Behandlungsverfahren, welches bevorzugt zur Therapie von Hochrisikopatienten eingesetzt wird. Dabei wird untersucht, wie sich die Position des eingesetzten Implantats an der Mitralklappe auf die simulierten Ergebnisse der Hämodynamik auswirkt.
Die Ergebnisse dieser Arbeit bestätigen das Proof-of-Concept der entwickelten Methode durch einen Vergleich mit klinischen Geschwindigkeitsmessungen sowie mit Simulationsergebnissen, die mit einem bewegten Wandmodell mittels Fluid-Struktur-Interaktion berechnet wurden. Der Einfluss von nutzerabhängigen Unterschieden in der Segmentierung der Mitralklappenanatomie wirkt sich auf die simulierten hämodynamischen Parameter nicht stärker aus als die Unsicherheit klinischer Methoden zur Geschwindigkeitsmessung. Weiterhin zeigt die systematische Variation der Implantatposition, dass eine zentrale Implantation an der Mitralklappe im Vergleich zu exzentrischer Implantation stärkere Reduktionen der verbleibenden Öffnungsfläche sowie einen höheren Anstieg der Geschwindigkeit und des Druckgradienten über der Mitralklappe bewirkt.
Zusammenfassend lässt sich sagen, dass der entwickelte Ansatz einen wertvollen Beitrag leisten kann, um dem hohen Bedarf an Methoden zur Therapiesimulation und Vorhersage von Behandlungsergebnissen entgegenzukommen. Dennoch ist zunächst eine umfassende Validierung notwendig, die aufgrund fehlender Datenmengen und Datenqualität bisher nicht möglich war. Eine Integration statistischer Formmodelle könnte zukünftig mit synthetischen Kohorten und einer Standardisierung der anatomischen Darstellung dazu beitragen, dieses Defizit zu beheben. Weiterhin könnte die Kopplung von CFD-Simulationen mit Lumped Parameter Modellen dafür genutzt werden, um fehlende patientenspezifische Daten zu ergänzen. Die Rechenzeit solcher Modelle ist jedoch hoch, weshalb sie zum Training künstlicher neuronaler Netze genutzt werden könnten, um schließlich Echtzeitvorhersagen in der klinischen Anwendung zu ermöglichen.
