[論文レビュー] Rapid model-guided design of organ-scale synthetic vasculature for biomanufacturing

Zachary A. Sexton, Andrew R. Hudson+8 more|arXiv (Cornell University)|Aug 15, 2023

3D Printing in Biomedical Research被引用数 5

ひとこと要約

本稿では、部分的暗黙的幾何再構成と物理に基づくvascular network生成器を用いて、複雑で非凸な解剖的組織領域において、迅速かつモデル誘導型の臓器スケールの合成vascular構造を設計するフレームワークを提示する。この手法により、20の脳領域にわたる1000末端のvascular構造に対して100秒未塔の構築時間が実現され、高い体積精度を達成し、CFDに準拠した完全なvascularネットワークを生体製造応用に向けたものとする。

ABSTRACT

Our ability to produce human-scale bio-manufactured organs is critically limited by the need for vascularization and perfusion. For tissues of variable size and shape, including arbitrarily complex geometries, designing and printing vasculature capable of adequate perfusion has posed a major hurdle. Here, we introduce a model-driven design pipeline combining accelerated optimization methods for fast synthetic vascular tree generation and computational hemodynamics models. We demonstrate rapid generation, simulation, and 3D printing of synthetic vasculature in complex geometries, from small tissue constructs to organ scale networks. We introduce key algorithmic advances that all together accelerate synthetic vascular generation by more than 230-fold compared to standard methods and enable their use in arbitrarily complex shapes through localized implicit functions. Furthermore, we provide techniques for joining vascular trees into watertight networks suitable for hemodynamic CFD and 3D fabrication. We demonstrate that organ-scale vascular network models can be generated in silico within minutes and can be used to perfuse engineered and anatomic models including a bioreactor, annulus, bi-ventricular heart, and gyrus. We further show that this flexible pipeline can be applied to two common modes of bioprinting with free-form reversible embedding of suspended hydrogels and writing into soft matter. Our synthetic vascular tree generation pipeline enables rapid, scalable vascular model generation and fluid analysis for bio-manufactured tissues necessary for future scale up and production.

研究の動機と目的

• 生体製造応用を目的として、複雑で非凸な解剖的組織領域における迅速かつスケーラブルな合成vascularネットワークの設計を可能にすること。
• 複雑な幾何形状に対応できず、多数の手動操作を要する既存のvascular生成ツールの限界を克服すること。
• 部分的暗黙的幾何再構成と物理に基づくvascular network生成器を統合し、解剖学的整合性と流れの適合性を確保すること。
• vascular network生成における高い計算効率と正確性を達成し、後続のCFDシミュレーションを可能にすること。
• 臨床的に関連性のある多様な脳領域において、定量的検証を伴って本手法の性能を示すこと。

提案手法

• 本手法は、セグメンテーション済み点群から複雑な組織領域を部分的暗黙関数を用いて再構成し、正確でコンパクトかつ滑らかな多様体表現を可能にする。
• Hagen-Poiseuilleの流れ仮定と水力抵抗類似法を用い、修正されたCCO（コンストラクティブコンフォーマル最適化）アルゴリズムにより、1000末端セグメントを持つオープンループvascular木を生成する。
• 固定された指数（αr=2, αl=1, γ=3）と分岐比を用いた形態測定スケーリング則を用い、生物学的に妥当な分岐を保証する。
• 水力抵抗は R = 8μl / (πr⁴) で計算され、各分岐点における流量と圧力の保存則はキルホフの法則を用いて強制される。
• 可変なコンパクトサポート（h>0）を持つ重み関数により、パッチ境界での不連続性が生じない滑らかで連続的な幾何表現を実現する。
• フレームワークは、暗黙的組織領域内に閉じた、水密なvascularネットワークを生成することで、完全なCFD互換性を実現する。

実験結果

リサーチクエスチョン

• RQ1 モデル誘導型の手法は、複雑で非凸な解剖的組織領域において、高精度かつ低計算コストで臓器スケールの合成vascular構造を生成できるか？
• RQ2 部分的暗黙的幾何再構成の統合が、vascular network生成の忠実性と効率性をどのように向上させるか？
• RQ3 標準的なCCOベンチマークと比較して、本手法は構築時間と体積精度の面でどの程度の性能向上を達成するか？
• RQ4 本手法は、合成vascularネットワークにおいて血行動態的一致性と解剖学的リアリズムをどの程度保持できるか？
• RQ5 本フレームワークは、最小限のユーザー入力で多様で臨床的に関連性のある脳領域に一般化可能か？

主な発見

• 20の非凸脳領域全体で平均1.2%の体積再構成誤差を達成し、第3脳室で最も高い再構成精度（0.02%誤差）を示した。
• 20の脳領域すべてで100秒未塔の合成vascularネットワーク生成が達成され、構築時間は左内側耳上回の43.77秒から左上前頭回の284.56秒の範囲であった。
• 標準CCOアルゴリズムの平均ベンチマーク時間は3000秒以上であったのに対し、本手法では300秒未塔の構築時間が達成され、10倍の性能向上を示した。
• 視床下部（2316パッチ、52.26秒構築時間）や中脳（2438パッチ、53.92秒構築時間）など、極めて複雑で非凸な領域においても、vascularネットワークの生成に成功した。
• 部分的暗黙的手法による点の内包検出は、高い感受性と特異性を示し、全テスト幾何形状で誤って拒否される率と誤って内包とされる率が5%未塔であった。
• フレームワークにより、CFDに完全に準拠したvascular化が実現され、動画S3で0.25 mL/minの定常供給を示した平面的合成FRESHネットワークのシミュレーションが行われた。