一种基于多模态数据驱动边界校准框架的个体化脑血管CFD建模方法：概念验证研究

《Bioengineering》：A Subject-Specific Cerebrovascular CFD Modeling Approach Based on a Multimodal Data-Driven Boundary Calibration Framework: A Proof-of-Concept Study

　　

脑血管计算流体动力学（CFD）模型通常依赖于通用边界条件，这可能限制其表征个体化血流动力学和脑自动调节（cerebral autoregulation, CA）的能力。研究人员提出一种多模态数据驱动边界校准（multimodal data-driven boundary calibration, MDBC）框架，整合经颅彩色编码多普勒（transcranial color-coded Doppler, TCCD）和连续血压监测，以优化个体化出口阻力。作为概念验证，研究人员在静息基线和增强型体外反搏（enhanced external counterpulsation, EECP）——一种可能触发CA的血流动力学扰动——下对一名健康志愿者评估了MDBC框架。与常规开放边界（open boundary, OB）和静态Murray分配边界（static Murray allocation boundary, SMAB）策略相比，MDBC在两种状态下均与体内大脑中动脉（middle cerebral artery, MCA）速度波形更接近。在静息时，MDBC的左侧MCA相对均方根误差（relative root mean square error, rRMSE）为7.19%，而OB为22.85%，SMAB为30.89%。在EECP期间，常规模型产生的rRMSE > 32%，而MDBC维持在11.24%。同时，MDBC再现了半球间灌注不平衡、EECP诱导的右侧MCA流量激增以及被通用边界策略掩盖的显著壁剪切应力（wall shear stress, WSS）增加。此外，MDBC估计EECP期间整体脑血管阻力增加25.8%，表明该框架能够表征干预期间可能与CA相关的个体化阻抗适应。这些单受试者发现支持将多模态生理测量整合到脑血管CFD边界校准中的技术可行性，并需在更大队列和患者群体中进一步验证。

**论文解读：基于多模态数据驱动边界校准的个体化脑血管CFD建模方法——概念验证研究**

**研究背景与问题**

脑血管计算流体动力学（computational fluid dynamics, CFD）模拟作为非侵入性工具，可高分辨率估计血管内流场、压力分布及壁剪切应力（wall shear stress, WSS）等关键生物力学指标。然而，CFD模拟的可靠性高度依赖于边界条件（boundary conditions, BCs）的设定。既往研究常采用恒定压力假设（如开放边界，open boundary, OB）或基于形态学阻抗分配（如Murray定律，static Murray allocation boundary, SMAB）作为出口边界策略。尽管这些方法在缺乏直接远端血管生理测量时计算方便，但依赖通用下游假设而非个体化生理约束，可能导致模拟结果偏离真实个体血流动力学。即使在没有脑血管疾病的个体中，正常脑动脉网络存在显著的解剖和功能异质性：健康志愿者的相衬MRI研究显示，颈内动脉、椎基底动脉及主要颅内动脉的血流分配随年龄、性别及Willis环（Circle of Willis, CoW）解剖构型而变化。因此，固定压力出口或仅基于直径的幂律（包括Murray定律）分配阻力，不足以唯一确定个体化下游阻力或脑血流分配。此外，在动态改变的生理状态（如增强型体外反搏，enhanced external counterpulsation, EECP）下，脑自动调节（cerebral autoregulation, CA）会调整远端血管阻力以维持灌注稳态，但传统边界策略无法表征状态依赖的下游阻抗变化。为此，研究人员提出一种多模态数据驱动边界校准（multimodal data-driven boundary calibration, MDBC）框架，通过整合连续血压（continuous blood pressure, CBP）监测和经颅彩色编码多普勒（transcranial color-coded Doppler, TCCD）测量，迭代校准出口阻力，以更生理地反映个体化脑血管血流动力学环境。本研究作为概念验证，在单名健康志愿者静息基线和EECP状态下评估该框架，比较其与OB和SMAB策略的性能，并探索校准阻抗能否反映可能的CA适应。

**主要关键技术方法**

研究采用的关键技术方法包括：（1）个体化Willis环三维几何重建：基于磁共振血管成像（magnetic resonance angiography, MRA）数据（1.5 T MRI，3D-TOF序列，空间分辨率0.43×0.43×0.50 mm3），使用开源软件3D Slicer进行分割与重建，得到包含双侧颈内动脉（ICA）和椎动脉（VA）四个入口、以及双侧大脑前动脉（ACA）、大脑后动脉（PCA）和九支大脑中动脉（MCA）分支共13个出口的几何模型；（2）体内血流动力学测量：使用TCCD超声系统记录双侧ICA、VA及MCA M1段血流速度波形，同时使用无创CBP监测仪记录肱动脉血压（3分钟），提取稳定脉搏波用于入口边界条件和校准目标；（3）0D三元件Windkessel（RCR）模型作为出口边界条件，通过定制用户自定义函数（UDF）实现3D-0D动态耦合，采用有限体积求解器ANSYS Fluent进行瞬态模拟；（4）多模态数据驱动边界校准算法：采用无导数自适应步长缩放启发式算法，分三个阶段依次校准区域出口阻力、总顺应性和总阻力，以匹配TCCD测量的MCA峰值速度、脉压（pulse pressure, PP）和平均动脉压（mean arterial pressure, MAP）。样本来源为一名36岁健康男性志愿者，未涉及队列。

**研究结果**

**3.1 模拟血流动力学与体内测量的比较**
研究人员将模拟的双侧MCA速度波形与TCCD体内测量进行定量比较，计算相对均方根误差（rRMSE）、峰值速度误差（peak velocity error, PVE）和时间平均速度误差（time-averaged velocity error, TAVE）。结果显示，MDBC框架在静息和EECP状态下均比OB和SMAB策略更接近测量波形。静息时，MDBC的左侧MCA rRMSE为7.19%，而OB和SMAB分别为22.85%和30.89%；EECP期间，传统模型rRMSE超过32%，而MDBC维持11.24%。MDBC的PVE和TAVE也保持较低水平。这表明，在该受试者中，基于多模态测量的状态特异性校准显著改善了模拟与测量之间的吻合度。

**3.2 边界条件对区域血流再分配的影响**
通过比较三种策略下Willis环内血流分配，发现MDBC在静息时呈现左优势MCA血流模式（左侧6.23 mL/s，右侧4.83 mL/s），与TCCD测量中的两侧速度不对称一致；而SMAB和OB则预测更对称的分布。EECP期间，SMAB和OB主要保持静态分配，仅对入口流量进行比例缩放，而MDBC预测更异构的再分配：右侧MCA绝对流量增加35.2%（从4.83到6.53 mL/s），左侧ACA流量轻微下降，总半球比值从53.8% vs. 46.2%变为49.33% vs. 50.67%。这表明，MDBC由于受个体化MCA速度测量约束，能更准确地反映CoW的再分配特性，而传统策略可能掩盖这种空间不均匀性。

**3.3 边界条件对局部生物力学指标的影响**
研究人员分析了双侧MCA的区域平均TAWSS（area-averaged TAWSS, ATAWSS）及高风险区域（TAWSS<1 Pa或>10 Pa）比例。静息时，MDBC预测左侧MCA的ATAWSS为15.66 Pa，高风险区域占78.03%，而SMAB和OB显著低估（分别为8.56 Pa/28.13%和9.87 Pa/38.27%）。EECP期间，MDBC显示右侧MCA的ATAWSS从7.65 Pa升至15.11 Pa，高风险区域从25.46%增至71.50%，而SMAB仅从9.50 Pa升至9.75 Pa，高风险区域几乎不变。这些结果表明，出口边界条件选择显著影响局部生物力学估计，MDBC通过约束测量信息提供了更符合个体化血流信息的估计。

**3.4 EECP期间估计的状态特异性脑血管阻抗变化**
MDBC校准参数显示，EECP期间全局脑血管总阻力增加25.8%（从7.81×10⁸ Pa·s/m³升至9.83×10⁸ Pa·s/m³），与EECP升高MAP后自动调节缓冲压力诱导性高灌注的生理一致性相符。区域特异性阻抗估计进一步显示空间异质性：双侧ACA和PCA区域阻力增加约70.9%，左侧MCA阻力增加42.4%，而右侧MCA阻力下降31.6%。这些模型推导的估计提示EECP期间阻抗反应可能并非空间均匀，与前循环和后循环CA效率差异的生理研究一致。

**总结与讨论**

讨论部分指出，本研究作为单受试者概念验证，无法进行统计推断；校准中使用的调整因子、自适应步长和收敛阈值是预设的实用数值设置，需在更大队列中进行敏感性和鲁棒性评估。基于特征（PVE、PPE、MAPE）的校准优先匹配区域峰值流量、压力脉动和平均压力水平，但未完全约束整个心动周期的速度和压力波形，未来可研究全波形或多目标校准。刚性血管壁和牛顿流体假设可能影响某些血流动力学参数的估计幅度，需在非牛顿流体和顺应性壁模型下进一步评估。结论部分翻译如下：本研究开发了一种多模态数据驱动边界校准（MDBC）框架，通过将TCCD导出的速度测量和连续血压监测整合到出口RCR参数校准中，用于个体化脑血管CFD建模。在单名健康志愿者静息基线和EECP条件下评估时，MDBC比常规开放边界和静态Murray分配边界策略更接近体内MCA速度波形。在该案例中，波形吻合度的改善伴随着区域血流再分配和局部WSS相关指标的显著不同估计。研究结果表明，通用出口边界假设可能引入不可忽视的误差，而多模态生理校准能提供更生理约束的个体化血流动力学状态表征。此外，校准的MDBC参数提供了EECP期间状态特异性脑血管阻抗变化的模型推导估计，可能反映压力扰动触发的CA相关调节，并为研究EECP脑血流动力学反应的个体间差异提供新视角。尽管单受试者设计无法得出群体水平结论，但本概念验证研究建立了一个清晰且可执行的方法工作流。未来需要在更大健康队列和脑血管疾病患者中进行验证，以评估MDBC框架的鲁棒性、泛化性和临床相关性。