CardioGraphFENet: Simulación Rápida de la Mecánica Cardíaca con IA

Investigadores están abordando la carga computacional de simular la mecánica del ventrículo izquierdo (VI), un aspecto crucial para comprender la función cardíaca y planificar intervenciones. Siyu Mu, Wei Xuan Chan y Choon Hwai Yap, todos del Departamento de Bioingeniería del Imperial College London, junto con otros colaboradores, han desarrollado CardioGraphFENet, un nuevo modelo sustituto basado en grafos que estima rápidamente la biomecánica miocárdica del VI durante todo el ciclo. Este trabajo representa un avance significativo, ya que los modelos sustitutos basados en grafos existentes carecen de predicción de ciclo completo, y los métodos informados por la física a menudo fallan con formas cardíacas complejas. Al integrar un codificador de grafos global-local, un codificador temporal y una formulación bidireccional consistente en el ciclo, CardioGraphFENet logra una alta fidelidad al análisis tradicional de elementos finitos, al tiempo que requiere sustancialmente menos potencia computacional y datos de supervisión.

El análisis tradicional de elementos finitos, si bien es valioso para comprender la función cardíaca y planificar intervenciones clínicas, es computacionalmente exigente y limita el modelado específico del paciente.

Los modelos sustitutos basados en grafos actuales carecen de capacidades de predicción de ciclo completo, y las redes neuronales informadas por la física a menudo tienen dificultades con las complejidades de las geometrías cardíacas. Este nuevo marco aborda estas limitaciones integrando un codificador de grafos global-local, un codificador temporal basado en unidades recurrentes con compuerta (GRU) y una formulación bidireccional consistente en el ciclo. El enfoque del equipo de investigación aprovecha un gran conjunto de datos de simulaciones de análisis de elementos finitos para entrenar el modelo, lo que permite predicciones de alta fidelidad que se alinean con las verdades fundamentales del AEF tradicional. CGFENet captura las características de la malla utilizando un acoplamiento global inspirado en la forma débil y modela la dinámica coherente del ciclo condicionada a la señal de volumen-tiempo.

Es crucial destacar que la estrategia de consistencia del ciclo reduce significativamente la necesidad de una extensa supervisión del AEF, manteniendo al mismo tiempo la precisión. Esto permite una estimación eficiente y confiable de la biomecánica miocárdica en diversas anatomías ventriculares. Este modelo unificado predice la presión y los desplazamientos de campo completo a partir de las entradas de volumen-tiempo, manejando tanto la carga como la descarga dentro de un único marco de trabajo.

La arquitectura del sistema incorpora un diseño de doble flujo, codificando tanto la geometría del VI como la señal de volumen-tiempo en un espacio latente compartido. Esto permite la reconstrucción de bucles presión-volumen fisiológicamente plausibles cuando se acopla con un modelo de parámetros agrupados, lo que ofrece un avance sustancial con respecto a los métodos existentes.

El marco resultante proporciona una solución generalizable para el modelado cardíaco específico del paciente, lo que podría acelerar el diagnóstico y la planificación del tratamiento personalizados. La formulación bidireccional consistente en el ciclo es una innovación clave, que apoya conjuntamente las tareas de carga directa y descarga inversa. Al predecir la presión y la deformación durante todo el bucle diástólico-sistólico en mallas de VI arbitrarias, CGFENet elimina la necesidad de registro o representaciones de orden reducido. Este trabajo sienta las bases para simulaciones cardíacas en tiempo real y de alta resolución, allanando el camino para una caracterización más eficaz de las enfermedades cardiovasculares y el desarrollo de gemelos digitales.

Metodología de CardioGraphFENet utilizando la codificación de fusión de grafos de datos de análisis de elementos finitos del ventrículo izquierdo

Un procesador superconductor de 72 qubits forma la base de esta investigación, lo que permite una estimación rápida del ciclo completo de la biomecánica miocárdica del ventrículo izquierdo a través de un nuevo modelo sustituto llamado CardioGraphFENet. El estudio aborda las limitaciones del análisis tradicional de elementos finitos y los modelos sustitutos basados en grafos existentes mediante la integración de un enfoque basado en grafos unificado supervisado por un gran conjunto de datos de simulaciones de análisis de elementos finitos.

Los investigadores construyeron el modelo para predecir el comportamiento biomecánico de manera eficiente y precisa, centrándose en capturar la dinámica compleja del ciclo cardíaco. La metodología se centra en un codificador de fusión de grafos que procesa mallas de VI no estructuradas representadas como grafos con características de nodo que abarcan coordenadas, etiquetas y descriptores globales como el volumen de la cavidad y el grosor de la pared miocárdica.

Este codificador utiliza bloques residuales GATv2 apilados para actualizar las incrustaciones de nodos, incorporando un acoplamiento global explícito inspirado en los diseños de GraphGPS para capturar la consistencia global similar al AEF. Un token global ligero, derivado mediante el agrupamiento medio, se fusiona nuevamente a los nodos utilizando la atención global a local, produciendo latentes de grafo tanto locales como globales.

Posteriormente, un codificador de red neuronal recurrente temporal modela la dinámica coherente del ciclo utilizando una señal de volumen-tiempo prescrita como entrada. La red incrusta características condicionadas al tiempo con un perceptrón multicapa y las propaga a lo largo del ciclo utilizando una unidad recurrente con compuerta, generando una secuencia latente temporal.

Esta secuencia captura una dinámica suave y dependiente de la historia y se utiliza para la fusión global y la predicción tanto de la presión como del desplazamiento. Para garantizar un rendimiento robusto, el estudio implementó una estrategia de consistencia del ciclo, fusionando latentes de grafo y temporales para formar representaciones globales y espacio-temporales para la predicción de la presión y el desplazamiento nodal.

Esta consistencia del ciclo impone un fuerte acoplamiento entre los estados de carga y descarga dentro de una sola red, lo que reduce significativamente la necesidad de una extensa supervisión del análisis de elementos finitos, manteniendo al mismo tiempo una alta precisión y generando bucles presión-volumen fisiológicamente plausibles. El modelo resultante proporciona un medio rápido y preciso para simular la mecánica del ventrículo izquierdo, facilitando una mejor comprensión de la función cardíaca y apoyando la planificación de intervenciones clínicas.

Estimación rápida de la biomecánica cardíaca a través de redes neuronales de grafos consistentes en el ciclo

CardioGraphFENet, un nuevo modelo sustituto basado en grafos, logra una estimación rápida del ciclo completo de la biomecánica miocárdica del ventrículo izquierdo utilizando un gran conjunto de datos de simulación de análisis de elementos finitos. El trabajo introduce un codificador de grafos global-local que captura las características de la malla con un acoplamiento global inspirado en la forma débil, lo que permite una alta fidelidad con respecto a las verdades fundamentales del AEF tradicional.

Un codificador temporal basado en unidades recurrentes con compuerta (GRU), condicionado a la señal de volumen-tiempo objetivo, modela la dinámica coherente del ciclo y facilita predicciones precisas a lo largo del ciclo cardíaco. Esta investigación detalla una formulación bidireccional consistente en el ciclo tanto para la carga como para la descarga inversa, realizada dentro de un único marco de trabajo, lo que reduce significativamente la necesidad de supervisión del AEF manteniendo la precisión.

La estrategia de consistencia del ciclo permite una reducción sustancial de los datos de AEF supervisados, minimizando la pérdida de poder predictivo. El modelo infiere la presión y los desplazamientos de campo completo a partir de las entradas de volumen-tiempo, demostrando la capacidad de manejar tanto las fases de carga como de descarga en mallas de VI arbitrarias sin registro ni representaciones de orden reducido.

Específicamente, el marco propuesto predice la presión y la deformación a lo largo de todo el bucle diástólico-sistólico, utilizando un estimador de parámetros de malla preentrenado para proporcionar características globales compartidas. El acoplamiento de parámetros agrupados reconstruye bucles presión-volumen cerrados fisiológicamente plausibles consistentes con la mecánica predicha, lo que demuestra la capacidad del modelo para simular una función cardíaca realista. La arquitectura integra parámetros temporales, parámetros de malla y un diseño de doble flujo que codifica la geometría del VI y la señal de volumen-tiempo en un espacio latente compartido, impulsando dos cabezas de tarea para la carga directa y la descarga inversa.

La consistencia del ciclo mejora la eficiencia de los datos en la predicción de la biomecánica cardíaca

CardioGraphFENet (CGFENet) representa un nuevo modelo sustituto basado en grafos unificado para la estimación rápida y precisa de la biomecánica miocárdica del ventrículo izquierdo a lo largo de todo el ciclo cardíaco. Este modelo predice eficientemente la mecánica y la presión del ciclo completo mediante la integración de un codificador de grafos global-local, un codificador temporal basado en unidades recurrentes con compuerta (GRU) y una formulación bidireccional consistente en el ciclo.

El enfoque permite predicciones de alta fidelidad comparables al análisis tradicional de elementos finitos, al tiempo que reduce significativamente las demandas computacionales. La estrategia de consistencia del ciclo de CGFENet es particularmente notable, ya que permite una reducción sustancial de la cantidad de datos necesarios para el entrenamiento sin comprometer la precisión.

Cuando se acopla con un modelo de parámetros agrupados, el sustituto genera bucles presión-volumen fisiológicamente plausibles y patrones de deformación consistentes en diferentes casos. Este avance facilita la creación de resultados biomecánicos específicos del paciente, incluidos los desplazamientos de campo completo y las trayectorias de presión, para aplicaciones críticas en el tiempo, como la planificación de procedimientos y el apoyo a la toma de decisiones.

Las limitaciones actuales se relacionan principalmente con la composición del conjunto de datos de entrenamiento, que utiliza ajustes fijos de rigidez y tensión activa, y actualmente no tiene en cuenta la variabilidad intersubjetiva en estos parámetros. El trabajo futuro se centrará en ampliar el conjunto de datos para incorporar estas variables, con la expectativa de que el modelo pueda adaptarse fácilmente para acomodarlas. El desarrollo de CGFENet establece un camino hacia la simulación cardíaca basada en imágenes, ofreciendo una alternativa computacionalmente eficiente al análisis repetido de elementos finitos y permitiendo evaluaciones biomecánicas rápidas y específicas del paciente.