Un nuovo quadro computazionale “gemelli digitali” cattura le forze arteriose personalizzate di oltre 700.000 battiti cardiaci utilizzando i dati dello smartwatch per prevedere meglio i rischi di malattie cardiache e attacco di cuore.
Gli ingegneri biomedici della Duke University hanno sviluppato un metodo che utilizza i dati provenienti da dispositivi indossabili come gli smartwatch per imitare digitalmente il battito cardiaco di un individuo durante un’intera settimana. Il record precedente copriva solo pochi minuti.
Chiamato Longitudinal Hemodynamic Mapping Framework (LHMF), l’approccio crea “gemelli digitali” del flusso sanguigno di un paziente specifico per valutarne le caratteristiche 3D. Questo progresso rappresenta un passo importante verso il miglioramento dell’attuale gold standard nella valutazione dei rischi di malattie cardiache o infarto, che utilizza istantanee di un singolo momento nel tempo: un approccio impegnativo per una malattia che progredisce nel corso di mesi o anni.
La ricerca è stata condotta in collaborazione con scienziati computazionali presso il Lawrence Livermore National Laboratory ed è stata pubblicata il 15 novembre 2023 alla Conferenza internazionale per il calcolo, la rete, lo storage e l’analisi ad alte prestazioni (SC23). La conferenza è la principale conferenza mondiale nel campo del calcolo ad alte prestazioni.
“Modellare il flusso sanguigno 3D di un paziente anche per un solo giorno richiederebbe un secolo di tempo di calcolo sui migliori supercomputer di oggi”, ha affermato Cyrus Tanade, un dottorando nel laboratorio di Amanda RandlesAlfred Winborne e Victoria Stover Mordecai Professore Associato di Scienze Biomediche alla Duke.
“Se vogliamo catturare le dinamiche del flusso sanguigno per lunghi periodi di tempo, abbiamo bisogno di una soluzione rivoluzionaria nel modo in cui affrontiamo le simulazioni 3D personalizzate”.
Negli ultimi dieci anni, i ricercatori hanno costantemente compiuto progressi verso la modellazione accurata delle pressioni e delle forze create dal sangue che scorre attraverso la geometria vascolare specifica di un individuo. Randles, uno dei leader nel settore, ha sviluppato un pacchetto software chiamato HARVEY per affrontare questa sfida utilizzando i supercomputer più veloci del mondo.
Uno degli usi più comunemente accettati di tali gemelli digitali coronarici è determinare se un paziente debba ricevere o meno uno stent per trattare una placca o una lesione. Questo metodo computazionale è molto meno invasivo dell’approccio tradizionale che prevede l’inserimento di una sonda su un filo guida nell’arteria stessa.
Sebbene questa applicazione richieda solo una manciata di simulazioni del battito cardiaco e funzioni per una singola istantanea nel tempo, l’obiettivo del campo è monitorare le dinamiche della pressione nel corso di settimane o mesi dopo che un paziente ha lasciato l’ospedale. Per ottenere anche solo 10 minuti di dati simulati sul cluster di computer del gruppo Duke, tuttavia, hanno dovuto bloccarlo per quattro mesi.
“Ovviamente, questa non è una soluzione praticabile per aiutare i pazienti a causa dei costi informatici e dei tempi necessari”, ha affermato Randles. “Pensa che siano necessarie tre settimane per simulare come sarà il tempo domani. Nel momento in cui si prevede un temporale, l’acqua si sarà già prosciugata”.
Per applicare questa tecnologia alle persone del mondo reale a lungo termine, i ricercatori devono trovare un modo per ridurre il carico computazionale. Il nuovo documento introduce il Longitudinal Hemodynamic Mapping Framework, che riduce quello che prima richiedeva quasi un secolo di tempo di simulazione a sole 24 ore.
“La soluzione è simulare i battiti cardiaci in parallelo anziché in sequenza, suddividendo il compito tra molti nodi diversi”, ha affermato Tanade. “Convenzionalmente, i compiti vengono suddivisi spazialmente con il calcolo parallelo. Ma anche qui si sono divisi nel tempo.
Ad esempio, si potrebbe ragionevolmente presumere che le specifiche di un flusso coronarico alle 10:00 di lunedì avranno probabilmente un impatto minimo sul flusso alle 14:00 di mercoledì.
Ciò ha permesso al team di sviluppare un metodo per simulare con precisione diversi periodi di tempo simultaneamente e rimetterli insieme. Questa suddivisione ha reso i pezzi sufficientemente piccoli da poter essere simulati utilizzando sistemi di cloud computing come Amazon Web Services anziché richiedere supercomputer su larga scala.
Per mettere alla prova la struttura della mappatura, i ricercatori hanno utilizzato metodi collaudati per simulare 750 battiti cardiaci – circa 10 minuti di tempo biologico – con il tempo di calcolo assegnato dal laboratorio sul cluster di computer di Duke.
Utilizzando dati continui sulla frequenza cardiaca e sull’elettrocardiografia provenienti da uno smartwatch, ha prodotto una serie completa di biomarcatori del flusso sanguigno 3D che potrebbero essere correlati alla progressione della malattia e agli eventi avversi. Ci sono voluti quattro mesi per completarlo e superare di un ordine di grandezza il record esistente.
Hanno poi confrontato questi risultati con quelli prodotti da LHMF in esecuzione su Amazon World Services e Summit, un sistema dell’Oak Ridge National Laboratory, in poche ore. Gli errori erano trascurabili, dimostrando che LHMF poteva lavorare su una scala temporale utile.
Il team ha poi perfezionato ulteriormente l’LHMF introducendo un metodo di clustering, riducendo ulteriormente i costi computazionali e consentendo loro di monitorare la forza di attrito del sangue sulle pareti dei vasi – un noto biomarcatore di malattie cardiovascolari – per oltre 700.000 battiti cardiaci, o una settimana di continua attività.
Questi risultati hanno permesso al gruppo di creare una mappa emodinamica longitudinale personalizzata, che mostra come le forze variano nel tempo e la percentuale di tempo trascorso in vari stati vulnerabili.
“I risultati differivano significativamente da quelli ottenuti su un singolo battito cardiaco”, ha detto Tanade. “Ciò dimostra che l’acquisizione delle metriche del flusso sanguigno longitudinale fornisce sfumature e informazioni che altrimenti non sarebbero percepibili con il precedente approccio gold standard”.
“Se potessimo creare una mappa temporale dello stress della parete in aree critiche come l’arteria coronaria, potremmo prevedere il rischio che un paziente sviluppi aterosclerosi o la progressione di tali malattie”, ha aggiunto Randles. “Questo metodo potrebbe consentirci di identificare i casi di malattie cardiache molto prima di quanto sia attualmente possibile”.
CITAZIONE: “Il cloud computing per abilitare mappe emodinamiche longitudinali guidate da dispositivi indossabili”. Cyrus Tanade, Emily Rakestraw, William Ladd, Erik Draeger, Amanda Randles. SC ’23: Atti della conferenza internazionale per il calcolo, le reti, l’archiviazione e l’analisi ad alte prestazioni. Novembre 2023. Articolo n.: 82, pagine 1–14. DOI: 10.1145/3581784.3607101
Fonte: Università Ducale
Originalmente pubblicato su The European Times.