[논문 리뷰] Parameter inference in a computational model of hemodynamics in pulmonary hypertension

Amanda L. Colunga, Mitchel J. Colebank외 2명|arXiv (Cornell University)|2021. 01. 15.

Pulmonary Hypertension Research and Treatments인용 수 5

한 줄 요약

이 연구는 정적 우심검사(정맥혈압측정, RHC) 데이터와 연속 파형 데이터를 모두 활용하여 구형성폐고혈압(PH) 환자 9명의 환자별 맞춤형 폐순환역학 계산모델을 개발하였다. 민감도 분석, 다중시작 최적화, 불확실성 정량화를 통합함으로써 모델은 우심방의 저장 및 펌프 기능을 정확하게 校정하였으며, 결과는 알려진 PH의 병리생리학적 특성과 이전의 모델링 미사용 연구와 일치하였다.

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.

연구 동기 및 목표

• 폐고혈압(PH)에서의 혈역학을 반영하는 환자별 맞춤형 순환계 계산모델을 개발하기 위해.
• 임상 데이터에서 생리학적 매개변수를 추론함으로써 비침습적 PH 중증도 평가를 향상시키기 위해.
• 정적 RHC 측정치에 비해 연속 시계열 혈역학 파형 데이터를 포함할 경우 매개변수 추론 정확도에 어떤 영향을 미치는지 평가하기 위해.
• 추론된 매개변수를 알려진 PH 병리생리학적 패턴과 이전의 모델링 미사용 연구와 비교하여 검증하기 위해.
• 민감도 분석을 통해 식별 가능한 매개변수의 부분집합을 규명하고, 추론된 매개변수의 불확실성을 정량화하기 위해.

제안 방법

• 체계적 및 폐순환계를 포함한 1D/0D 등가모델을 구성하며, 심장의 네 개 심실 모두 포함.
• 정적 RHC 데이터(수축기 및 이완기 압력)와 시간에 따른 파형 데이터를 사용하여 모델 校정.
• 전역 민감도 분석을 적용한 다중시작 최적화를 통해 최소한의 식별 가능한 매개변수 집합을 식별.
• 몬테카를로 샘플링 및 베이지안 추론 기법을 사용하여 불확실성 정량화 수행.
• 환자별 혈역학 측정치와 생리학적 제약 조건을 조합하여 모델 校정.
• 예상되는 PH 표현형과 일치하는 모델 출력(예: 심장출력, 저항-용적 관계 등)을 검증.

실험 결과

연구 질문

• RQ1 임상적 RHC 데이터를 활용하여 환자별 맞춤형 계산모델이 PH 환자에서 혈역학적 매개변수를 정확히 추론할 수 있는가?
• RQ2 정적 RHC 값만 사용하는 것에 비해 연속 시계열 파형 데이터를 포함할 경우 매개변수 추론 정확도는 어떻게 향상되는가?
• RQ3 PH 혈역학의 맥락에서 어떤 생리학적 매개변수들이 식별 가능하고 불확실성에 대해 강건한가?
• RQ4 추론된 매개변수와 모델 출력이 폐고혈압의 확립된 병리생리학적 패턴과 일치하는가?
• RQ5 추정된 매개변수는 비모델링 연구의 결과와 어느 정도 일치하는가?

주요 결과

• 연속 시계열 파형 데이터의 포함은 PH 환자군 전반에서 오른쪽 심방의 저장 및 펌프 기능의 校정을 크게 향상시켰다.
• 민감도 분석을 통해 식별 가능한 매개변수의 부분집합을 식별하였으며, 이는 고차원 매개변수 공간에서도 견고한 모델 校정을 가능케 하였다.
• 폐순환 저항-용적 관계 및 심장출력과 같은 모델 출력은 일반적으로 관찰되는 PH 표현형의 오른쪽 심장 혈역학 패턴을 반영하고 있었다.
• 폐혈관 저항 및 동맥 용적의 추정된 매개변수는 이전의 비모델링 연구에서 보고된 값과 일치하였다.
• 불확실성 정량화 결과, 핵심 매개변수에 대한 신뢰구간이 신뢰할 수 있었으며, 임상적 해석 가능성에 기여하였다.
• 모델은 질환 특이적 혈역학 표현형을 성공적으로 반영하였으며, 이는 비침습적 PH 중증도 평가 잠재력이 있음을 시사한다.