结合集总参数模型与分层神经网络的左心室辅助装置患者特异性血流动力学无创监测

《Frontiers in Physiology》:Patient-specific hemodynamic simulation for left ventricular assist device via non-invasive monitoring based on lumped parameter model and hierarchical neural network

【字体: 大 中 小 】 时间:2026年04月07日 来源:Frontiers in Physiology 3.4

编辑推荐:

  针对左心室辅助装置(LVAD)患者血流动力学评估依赖有创右心导管(RHC)的现状,本研究提出了一种无创血流动力学模拟框架,融合集总参数模型(LPM)与分层神经网络(CLPM-Net),通过超声心动图与血压数据实现患者特异性参数估计。该框架误差低于10%,与有创测量结果高度一致,为LVAD管理提供了便捷、经济的无创替代方案,具有临床转化潜力。

  
对于终末期心力衰竭患者,心脏移植供体稀缺,左心室辅助装置(LVAD)已成为主要的治疗手段。然而,LVAD长期植入可能引发右心衰竭、主动脉瓣关闭不全等血流动力学相关不良事件。优化LVAD转速的斜坡测试是缓解这些问题的关键,但目前评估血流动力学变化的“金标准”是右心导管检查(RHC)。RHC有创、耗时、昂贵且需住院,限制了其常规临床应用。相比之下,超声心动图虽无创、便捷,但其客观性和科学性尚不足以完全替代RHC。因此,临床迫切需要一种新的、无创且客观的血流动力学评估方法。本研究正是为了应对这一挑战,探索如何利用无创手段精准评估LVAD患者的血流动力学状态。该研究成果已发表在《Frontiers in Physiology》期刊上。
为开展此项研究,作者主要采用了以下关键技术方法:首先,构建了一个包含心脏、体循环、肺循环和LVAD的完整心血管系统集总参数模型(LPM),其中心脏腔室用电容模拟,瓣膜用二极管模拟,循环部分用电阻、电容、电感组合表示,LVAD泵用理想电压源模拟。其次,为解决从有限观测值中唯一确定LPM众多参数的难题,研究首次对完整心血管系统LPM进行了模型可识别性分析,包括传统灵敏度函数和广义灵敏度函数分析,以筛选出对目标指标敏感的关键参数。在此基础上,研究提出了一个结合物理约束与数据驱动的分层神经网络——心脏-LPM网络,用于从超声和血压数据中预测患者特异性LPM参数。该方法首先在合成数据上进行训练和测试,随后在三个临床病例上进行了验证。
2.1 Basic LPM
研究首先构建了一个基础LPM框架,该模型将心血管系统抽象为电路元件,包括四个部分:心脏(模拟为可变电容腔室和单向瓣膜)、体循环(分为主动脉、体动脉、小动脉和体静脉)、肺循环(分为肺动脉窦、肺动脉、肺毛细血管和肺静脉)以及LVAD(模拟为具有特定压力-流量关系的泵,并考虑了流入/流出管道的阻力和血流量)。模型参数初始值参考了文献。
2.2 Model identification analysis
为了将患者特异性LPM参数优化问题转化为参数估计任务,研究对模型进行了可识别性分析。目标指标选定为与LVAD评估直接相关的心脏输出量、动脉压力和肺动脉压力。通过传统灵敏度函数分析,评估了各LPM参数对目标指标的敏感度,从而筛选出需要个性化估计的关键参数。进一步通过广义灵敏度函数分析,评估了参数间的相关性及模型的可识别性,确保优化问题的解具有唯一性,避免了因参数冗余导致的“不同参数组合产生相同模拟结果”的问题。
结果部分表明,所提出的CLPM-Net方法在合成数据上实现了准确的参数估计,误差低于10%。模拟的血流动力学指标与真实值高度吻合。在临床验证中,该方法估算的血流动力学指标与有创测量结果展现出良好的一致性,证明了其应用于LVAD患者无创血流动力学管理的可行性。
研究结论与讨论部分指出,本研究提出的结合LPM与分层神经网络CLPM-Net的框架,首次实现了对LVAD植入患者血流动力学的无创、患者特异性评估。该方法的创新性在于首次对完整心血管系统LPM进行了可识别性分析;提出了不依赖于特定LVAD型号的、结合物理与数据驱动的神经网络来预测关键参数;并首次将患者特异性LPM应用于LVAD相关的血流动力学管理。与传统的RHC相比,该方法具有无创、经济和便捷的优势。尽管仍需更大规模的临床验证,但该框架为未来的临床应用提供了一个潜在工具,有望用于非侵入性血流动力学管理、LVAD手术评估以及LVAD斜坡测试模拟等场景。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号