[論文レビュー] Cardiac Digital Twin Pipeline for Virtual Therapy Evaluation

Julià Camps, Zhinuo Jenny Wang+7 more|arXiv (Cornell University)|Jan 18, 2024

ECG Monitoring and AnalysisMedicine被引用数 3

ひとこと要約

本論文は、日常的臨床画像および12 lead ECGデータを用いて、患者特異的心臓デジタルツインを自動的に作成するパイプラインを提示する。反応-イクォンモデルを用い、パーキンジー網とイオン動態を組み合わせて電気生理学をシミュレートする。ECGの再現性が高く（r = 0.93）、薬物療法の仮想的評価が可能で、臨床データと整合する用量依存的QT延長を再現する。

ABSTRACT

Cardiac digital twins are computational tools capturing key functional and anatomical characteristics of patient hearts for investigating disease phenotypes and predicting responses to therapy. When paired with large-scale computational resources and large clinical datasets, digital twin technology can enable virtual clinical trials on virtual cohorts to fast-track therapy development. Here, we present an automated pipeline for personalising ventricular anatomy and electrophysiological function based on routinely acquired cardiac magnetic resonance (CMR) imaging data and the standard 12-lead electrocardiogram (ECG). Using CMR-based anatomical models, a sequential Monte-Carlo approximate Bayesian computational inference method is extended to infer electrical activation and repolarisation characteristics from the ECG. Fast simulations are conducted with a reaction-Eikonal model, including the Purkinje network and biophysically-detailed subcellular ionic current dynamics for repolarisation. For each patient, parameter uncertainty is represented by inferring a population of ventricular models rather than a single one, which means that parameter uncertainty can be propagated to therapy evaluation. Furthermore, we have developed techniques for translating from reaction-Eikonal to monodomain simulations, which allows more realistic simulations of cardiac electrophysiology. The pipeline is demonstrated in a healthy female subject, where our inferred reaction-Eikonal models reproduced the patient's ECG with a Pearson's correlation coefficient of 0.93, and the translated monodomain simulations have a correlation coefficient of 0.89. We then apply the effect of Dofetilide to the monodomain population of models for this subject and show dose-dependent QT and T-peak to T-end prolongations that are in keeping with large population drug response data.

研究の動機と目的

• 標準的臨床画像およびECGデータから、自動化されたパイプラインを用いて患者特異的心臓デジタルツインを生成すること。
• 患者特異的電気生理的反応をシミュレートすることで、仮想臨床試験を可能にすること。
• 個々のモデル推定ではなく、集団ベースの推定を用いて、デジタルツインにおけるパラメータの不確実性を定量化すること。
• 高速な反応-イクォンシミュレーションを、より現実的なモノドメインシミュレーションに変換し、生理的再現性を向上させること。
• 特にドフェチリド誘発性QT延長に対する予測能を、薬物反応データを用いて検証すること。

提案手法

• 心臓MRI（CMR）データを用いて、セグメンテーションおよびメッシュ生成により、患者特異的心室解剖を再構築する。
• 12 lead ECGからの電気的活性化および再分極パラメータを推定するために、逐次的モンテカルロ近似ベイズ計算（SMC-ABC）を適用する。
• 生物学的に詳細なイオン電流およびパーキンジー網を組み込んだ反応-イクォンモデルを用いて、アクションポテンシャルの伝播をシミュレートする。
• パラメータの不確実性を表現するためのモデル集団を生成し、治療評価における不確実性の伝播を可能にする。
• 反応-イクォンからモノドメインシミュレーションへの変換フレームワークを開発し、電気生理的ダイナミクスの現実性を向上させる。
• 臨床的ECG記録および既知の薬物反応パターンと照合して、シミュレーションをキャリブレーションおよび検証する。

実験結果

リサーチクエスチョン

• RQ1 標準的CMRおよび12 lead ECGデータのみを用いて、完全に自動化されたパイプラインが患者特異的心臓デジタルツインを生成できるか？
• RQ2 反応-イクォンシミュレーションが、どれほど高い再現性で個々の患者のECGを再現できるか？
• RQ3 本パイプラインは、QT延長やTピークからT終了までの間隔延長といった、再分極への用量依存的薬物効果をどれほど正確に予測できるか？
• RQ4 モデルパラメータの不確実性は、仮想的治療評価において効果的に捉えられ、伝播されるか？
• RQ5 反応-イクォン結果と比較して、翻訳されたモノドメインシミュレーションは、臨床的ECG特徴をどれほどよく再現するか？

主な発見

• 反応-イクォンモデルを用いた健康な女性被験者において、シミュレートされたECGと患者ECGとの間にピアソン積率相関係数0.93を達成した。
• 反応-イクォン集団から導出されたモノドメインシミュレーションは、ECGを相関係数0.89で再現した。
• モノドメインモデル集団においてドフェチリド投与により、大規模な臨床的薬物反応データと整合する用量依存的QT延長が誘発された。
• TピークからT終了までの間隔の延長も、用量依存的に観察され、既知の薬理学的効果と一致した。
• 単一モデルではなくモデル集団を用いることで、パラメータの不確実性が効果的に捉えられ、耐性のある治療評価が可能になった。
• 反応-イクォンからモノドメインへの変換は、重要な電気生理学的特徴を保持しながら、生物学的現実性を向上させた。