[論文レビュー] Parameter inference in a computational model of hemodynamics in pulmonary hypertension

Amanda L. Colunga, Mitchel J. Colebank+2 more|arXiv (Cornell University)|Jan 15, 2021

Pulmonary Hypertension Research and Treatments被引用数 5

ひとこと要約

本研究では、静的な右心カテーテル検査（RHC）データと連続波形データを用いて、9例の肺高血圧症（PH）患者における主要な生理的パラメータを推定する、患者特異的な肺血流動態の計算モデルを開発した。感度解析、マルチスタートパラメータ推定、不確実性の定量化を組み合わせることで、右房の貯留およびポンプ機能が正確にキャリブレーションされ、その結果は既知のPHの病態生理学および非モデル化研究と整合した。

ABSTRACT

Pulmonary hypertension (PH), defined by a mean pulmonary arterial pressure (mPAP) $>$ 20 mmHg, is characterized by increased pulmonary vascular resistance and decreased pulmonary arterial compliance. There are few measurable biomarkers of PH progression, but a conclusive diagnosis of the disease requires invasive right heart catheterization (RHC). Patient-specific computational models of the cardiovascular system are a potential noninvasive tool for determining additional indicators of disease severity. Using computational modeling, this study quantifies physiological parameters indicative of disease severity in nine PH patients. The model includes all four heart chambers and the pulmonary and systemic circulations. We consider two sets of calibration data: static (systolic \& diastolic values) RHC data and a combination of static and continuous, time-series waveform data. We determine a subset of identifiable parameters for model calibration using sensitivity analyses and multistart inference, and carry out uncertainty quantification post-inference. Results show that additional waveform data enables accurate calibration of the right atrial reservoir and pump function across the PH cohort. Model outcomes, including stroke work and pulmonary resistance-compliance relations, reflect typical right heart dynamics in PH phenotypes. Lastly, we show that estimated parameters agree with previous, non-modeling studies, supporting this type of analysis in translational PH research.

研究の動機と目的

• 肺高血圧症（PH）における血行動態を捉える、心血管系の患者特異的計算モデルを開発すること。
• 臨床データから生理的パラメータを推定することで、PHの非侵襲的評価を向上させること。
• 連続時間系列血行動態波形データを静的なRHC測定値に加えて用いることで、パラメータ推定の正確性に与える影響を評価すること。
• 推定されたパラメータを、既知のPH病態生理学的パターンおよび先行の非モデル化研究と照合して検証すること。
• 感度解析を通じて、識別可能なパラメータのサブセットを特定するとともに、推定パラメータの不確実性を定量化すること。

提案手法

• 全身および肺循環を含む、1次元／0次元の集約化されたパラメータモデルを構築し、心室4腔を含む。
• 静的なRHCデータ（収縮期および拡張期圧力）と時間系列波形データを用いてモデルをキャリブレーションする。
• グローバル感度解析を用いたマルチスタート最適化を適用し、最小限で識別可能なパラメータのサブセットを同定する。
• モンテカルロサンプリングおよびベイジアン推論技術を用いて不確実性の定量化を実施する。
• 患者特異的な血行動態測定値と生理的制約を組み合わせてモデルをキャリブレーションする。
• モデル出力（例：ストローク仕事、抵抗-コンプライアンス関係）を、期待されるPH表現型と照合して検証する。

実験結果

リサーチクエスチョン

• RQ1 臨床的RHCデータを用いて、患者特異的な計算モデルはPH患者における血行動態パラメータを正確に推定できるか？
• RQ2 連続時間系列波形データを静的なRHC値に加えて用いることで、パラメータ推定の正確性はどのように向上するか？
• RQ3 PH血行動態の文脈において、どの生理的パラメータが識別可能で不確実性に対して頑健であるか？
• RQ4 推定されたパラメータおよびモデル出力は、肺高血圧症の確立された病態生理学的パターンと整合するか？
• RQ5 推定されたパラメータは、非モデル化研究の結果とどの程度一致するか？

主な発見

• 連続時間系列波形データの導入により、PHコhort全体における右房貯留およびポンプ機能のキャリブレーションが顕著に向上した。
• 感度解析を通じて、高次元パラメータ空間にもかかわらず、識別可能なパラメータのサブセットが同定された。
• 肺動脈抵抗-コンプライアンス関係およびストローク仕事などのモデル出力は、PH表現型で見られる典型的な右心血行動態パターンを反映していた。
• 肺動脈血管抵抗および動脈コンプライアンスの推定パラメータは、先行の非モデル化研究で報告された値と一致した。
• 不確実性の定量化により、主要パラメータの信頼区間が信頼性を持って特定され、臨床的解釈可能性が向上した。
• 本モデルは疾患特異的な血行動態表現型を的確に捉えており、PH重症度の非侵襲的評価への応用可能性を示した。