使用HarVI进行慢性肢体威胁性缺血的实时外周血管重建规划：一种数字孪生方法

外周动脉疾病数字孪生平台实现实时血流动力学预测与干预决策支持。通过整合一维CFD与机器学习，HarVI可自动优化边界条件、模拟多种血管介入方案并验证预测精度，在7例股浅动脉病变患者中准确预测术后峰值收缩流速，为慢性截肢性缺血性休克提供近实时决策工具。

　　

摘要

背景

外周动脉疾病（PAD）是全球导致肢体丧失和发病的主要原因，其中慢性肢体威胁性缺血（CLTI）是其最严重的表现形式。尽管经常进行影像引导下的血管内介入治疗，但临床医生目前仍缺乏能够实时、针对患者个体情况预测血流动力学结果的工具，以指导再血管化决策。现有的计算流体动力学（CFD）方法可以获取术前血流动力学数据，但通常速度较慢，或者与临床工作流程的整合程度不足，无法支持术中的交互式规划。

方法

我们将先前建立的数字孪生框架HarVI（HARVEY Virtual Intervention）扩展到外周循环系统，评估其在预测患有股浅动脉（SFA）病变患者术后血流方面的应用效果。HarVI结合了一维CFD技术和机器学习，实现了对患者特定再血管化策略的快速评估。其主要组成部分包括：（1）使用基于患者平均值和优化方法的自动边界条件调整；（2）通过机器学习生成的替代模型模拟多种血管内介入方案；（3）将预测的术后血流动力学数据与临床双功超声测量结果进行验证。在7名SFA疾病患者的队列中回顾性地评估了该系统的性能。

结果

HarVI准确预测了术后峰值收缩期血流速度，并在模拟的再血管化场景中再现了完整的一维CFD结果。替代模型的预测结果与高保真模拟结果高度吻合，同时支持对干预方案的快速探索，实现了近乎实时的治疗选项评估。

结论

这些结果表明，HarVI是一个有前景的数字孪生平台，可用于PAD患者的实时、个性化干预计划。通过实现快速、数据驱动的术后血流动力学预测，HarVI为术中交互式决策支持提供了可能，有望改善CLTI患者的再血管化治疗效果。