科学家打造“逆有限元分析”数字孪生技术 可用于心脏病药物研发与评估

在当今心脏病学领域，个性化医疗正逐渐成为研究的热点。随着医学、生物学和信息技术的快速发展，个性化医疗（又称为精准医疗），越来越受到重视。这种医疗模式依托于对个体遗传信息、生活方式和环境因素的深入理解，旨在为患者提供更为精确和个性化的治疗方案。

个性化医疗在心脏病学中有如下应用。遗传性心脏病的风险评估：通过分析患者的基因组信息，预测其患心脏病的风险，并提供相应的预防措施。药物反应的个性化预测：不同患者对同一药物的反应可能存在差异，个性化医疗可以帮助医生为患者选择最合适的药物和剂量。心脏疾病治疗计划的定制：根据患者的具体情况，如病情严重程度、生理特点等，制定个性化的治疗计划。心脏手术和介入治疗的方案优化：利用患者的详细医学影像和生理数据，优化手术方案，提高手术成功率和患者生活质量。其中，心脏力学建模尤为关键。心脏力学建模是一个多学科交叉的领域，它结合了生物学、医学、工程学和计算科学等不同领域的知识，为心脏病的预防、诊断和治疗提供了科学依据和技术支持。在个性化医疗中，心脏力学建模是一个关键环节，有助于实现对患者具体情况的深入分析和精准干预。

一、“逆有限元分析”概述

近日，美国肯尼索州立大学助理教授石磊和合作者，通过引入一种创新的逆有限元分析（iFEA，inverse finite element analysis）框架的数字孪生（digital twin）技术，利用实时变化的医学图像数据，个性化地模拟心脏组织的力学特性。通过此，他们在心脏力学建模领域取得了进一步突破，解决了现有心脏力学模型在动态图像数据处理方面的局限性。在逆问题方法的帮助之下，课题组推理得出关于心脏组织力学特性的新知识，为个性化医疗提供了更可靠的工具，更为深入理解心脏功能、疾病诊断和治疗策略提供了强有力的工具。

研究的核心在于开发一种优化算法，通过嵌套的多级优化方案，同时估计心肌的被动机械参数和无应力参考构型。这种方法允许更准确地模拟心肌在不同心脏阶段的变形，从而为临床提供更贴近患者实际情况的分析结果。研究团队采用了先进的心脏图像处理技术和结构化各向异性超弹性本构模型，结合生理相关的边界条件，来模拟心肌力学行为。

通过对健康受试者和肥厚性梗阻性心肌病（HOCM）患者的双心室及左心房模型的测试，研究验证了iFEA框架的有效性。结果显示，该框架能够以小于5%的误差准确预测心脏腔室体积，且与实际图像数据高度一致。此外，该研究还对优化算法的选择、网格尺寸、纤维方向参数等进行了敏感性分析，进一步证实了模型的稳健性。

特别值得注意的是，研究中对不同优化方法的比较揭示了遗传算法和贝叶斯优化方法在捕捉图像数据变形和压力-体积曲线方面的优越性能，而传统的Levenberg-Marquardt方法则因对初始条件过于敏感而存在局限性。这一发现为未来心脏力学建模的算法选择提供了重要参考。

尽管本研究在心脏被动力学建模方面取得了显著进展，但作者也坦诚地指出了其局限性，包括模型仅考虑了心肌的被动成分，未能涵盖主动收缩；以及模型对纤维方向的依赖性等。这些局限性为未来的研究指明了方向，包括将模型扩展到整个心脏周期的模拟，以及进一步优化算法和提高模型的生理准确性。

二、潜在应用

据介绍，生物系统和器官的数字孪生技术，能将生物体内系统或器官的详细数字模型与实际生物体相结合。利用这项技术，可以实时监测、模拟和分析生物系统的功能和状态，从而实现更精确的医疗诊断、个性化治疗方案以及前沿的生物医学研究。

作为一种数字孪生技术，个性化心脏力学建模在人体中的应用，主要在于根据个体心脏的解剖和功能特征，进行定制化的生物力学建模。它通过结合具体患者的临床图像数据和数学模型，针对患者心脏进行精确的力学分析和力学模拟，从而实现针对心脏功能和病理状态的个性化理解和个性化预测。然而，对于已有的模型来说，它们仅能使用在单一心脏相位获取的医学图像，这限制了其在处理动态图像采集上的适用性。

因此，石磊希望本次研究可以解决以下问题：首先，解决图像数据动态处理的挑战。当前心脏力学模型主要基于静态图像数据，难以应对动态图像采集的需求。因此，他和合作者希望利用时序医学图像数据，基于深度学习的方法，实现对心脏组织力学特性的精确估计。其次，解决逆问题。传统心脏力学建模面临的一个关键问题是参数估计通常是正向的，即从已知物理特性来模拟心脏行为。相比之下，本次研究采用逆问题的方法，从观测数据即从医学图像，来反推心脏组织的力学特性。再次，建立更真实的心脏模拟。通过引入结构上的各向异性高弹性本构模型、以引入生理学相关的边界条件，本次研究旨在建立能够更真实、更准确地模拟心肌力学行为的框架。最后，探索优化算法与模型参数的关系。为了探索这一问题，研究中还涉及到优化算法的选择、优化模型参数的灵敏度分析等，旨在探索最优模型参数的稳健性和有效性。

据了解，石磊此前主要研究力学相关的课题，比如航空航天、机械结构和材料等。后来，他发现将自己学过的力学知识和数学知识，用于解决复杂的生物系统问题实在是太美妙。此前，当美国哥伦比亚大学机械工程系读博的时候，他主要利用传统的物理数学工具，来构建符合生物体特征的建模问题。在博士期间，他也在纽约认识了不少医生和各类专家。博士毕业之后，他并没有离开，而是继续在哥伦比亚大学助理教授维贾伊·维杜拉（Vijay Vedula）的计算心血管实验室，开始进行心血管方面的研究。正是在这期间，石磊开始了本次研究。起初，他和Vedula先是确定了课题目标：即利用时序医学图像数据估计心脏组织的力学特性。随后，他们开始针对心脏生物力学建模领域的背景和现状进行调研，并开始设计研究方法和理论框架。其中包括选择合适的数学模型、结构上的各向异性高弹性本构模型、以及优化算法等。随后，他们与世界知名心脏手术专家、哥伦比亚大学医学院高山广夫（Hiroo Takayama）博士、以及美国斯坦福大学医学院的助理教授 Ian Y Chen 合作。通过此，课题组收集了包括心脏电子计算机断层扫描（CT，Computed Tomography）图像数据在内的时序医学图像数据。随后，他们开始图像重建、图像分割、图像对齐等步骤，以此确保数据的质量和一致性。接着，该团队开始研发模型和开发算法。最终，他们将算法整合到了与斯坦福大学团队共同开发维护的开源软件svFSI之中。而在设定边界条件时，石磊等人进行了深入的理论计算，并与医生们进行反复讨论，最终设计出合理的边界条件。其发现许多先前著名研究中使用的边界条件实际上并不合理，无法真实反映心脏在体内的状态。事实上，仅仅“设定边界条件”这一单项工作就足以成为一篇独立的论文。然而，他们决定将这些工作整合到一篇综合性论文中，让读者通过一篇论文就能获得更全面的收获。最终，相关论文以《个性化心脏活动机制的优化框架》（An Optimization Framework to Personalize Passive Cardiac Mechanics）为题发在arXiv。

预计本次成果具有以下潜在应用：其一，用于个性化心脏疾病诊断与治疗规划。通过利用个体化的心脏力学模型，让医生可以更准确地诊断心脏病变，包括诊断心肌肥厚性梗塞性心肌病等，为患者制定更精确的治疗方案。其二，用于手术前模拟与规划。即本次模型可以帮助心脏外科医生在手术前进行模拟和规划，提供手术路径、器械选择和手术方案的参考，从而提高手术的准确性和安全性。其三，用于心脏病药物研发与评估。针对心脏病的药物研发和评估，对于个性化的心脏力学模型大有裨益，而这些模型可被用于评估药物的效果，加速新药的研发过程。其四，用于心脏健康监测与预防。本次技术可以结合实时心脏图像采集，实现对于心脏健康状态的监测和预防。通过持续跟踪心脏组织的力学特性变化，可以及早发现潜在的心脏问题并采取预防措施。其五，用于虚拟手术和教育培训。基于这种模型的虚拟手术系统，可被用于医学教育和培训，让医学生和实习医生在模拟环境中学习心脏手术技术。其六，用于个性化心脏病患者的治疗管理。结合临床数据和个体化的心脏模型，可以针对心脏病患者实现个性化管理和持续监测，从而为其提供更精确的治疗方案和预后评估。

综上，本次成果有望在心脏医学领域推动个性化医疗的发展，为心脏病的诊断、治疗和预防带来新的推动力。

三、后续研究方向

后续，课题组计划在以下方面开展新探索：其一，整合深度学习和图神经网络技术。即探索如何将深度学习和图神经网络技术进一步整合到心脏力学建模的逆问题解决过程中。例如，在研究人员即将发表的第二篇论文中，他们进一步了优化逆有限元分析框架。从而可以通过图神经网络提高参数估计的准确性和效率，实现更精确的心脏组织力学特性估计。利用这种框架，之前需要几天甚至几周完成的计算，现在只需几秒钟就可以出结果，能够大大降低医学应用的成本。其二，拓展到其他医学应用领域。基于图神经网络在解决传统有限元计算问题上的成功应用，可以考虑将这种技术拓展到其他医学应用领域。例如，可以尝试用于骨骼生物力学建模、脑部组织力学分析等领域，从而提高医学领域中模拟和计算的准确性和效率。其三，开发基于图神经网络的智能模型。即可以进一步开发基于图神经网络的智能模型，实现对复杂生物力学系统的快速建模和预测。预计这些智能模型能被用于辅助临床决策、个性化治疗规划等，推动医学领域的智能化发展。其四，探索跨学科合作和应用。未来可以加强与工程学、计算机科学等领域的跨学科合作，共同探索深度学习和图神经网络在医学领域的更广泛应用。其五，开展临床实践和应用验证。通过与临床医生和研究人员的合作，其将验证图神经网络在医学建模和医学分析中的实际效果和应用价值，为医学诊疗提供更有效的支持。

另据悉，对于自己所在的生物力学领域，石磊表示：“该由著名华人科学家冯元桢建立，并在一代又一代科学家的努力推动下取得了丰硕的成果。”随着信息时代的高度发展，生物体的复杂性也得到了更深入的探索，他相信这个领域会迎来长足的发展。因此，他希望能吸引更多有才华的学者加入这一行列，共同努力推动人类对生物体的理解，以期努力解决各种疾病问题，为人类健康和福祉做出更多贡献。

资料来源：

[1] https://doi.org/10.48550/arXiv.2404.02807

[2] MIT科技评论.科学家打造“逆有限元分析”数字孪生技术，可用于心脏病药物研发与评估[EB/OL].（2024-06-25）[2024-06-25].https://www.mittrchina.com/news/detail/13416.

[3] 搜狐网.科学家打造逆有限元分析数字孪生技术，用于心脏病药物研发与评估[EB/OL].（2024-06-09）[2024-06-25].https://www.sohu.com/a/784804579_354973.