伦敦玛丽女王大学的研究人员开发了一种简单快速的技术来重建冠状动脉中的 3D 压力和剪切应力场。这种新方法发表在《心血管医学前沿》上，可以在几分钟内为心脏病专家提供有关血流模式的关键信息，从而彻底改变动脉粥样硬化的诊断和治疗。

动脉粥样硬化是一种导致动脉中斑块积聚的疾病，可导致心脏病和中风。血流模式异常是动脉粥样硬化斑块破裂的强烈预测因素，而动脉粥样硬化斑块破裂是该疾病的严重并发症。

传统上，血流模式是使用基于 3D 成像的计算流体动力学 (CFD) 进行分析，这是一个计算成本高昂的过程。然而，玛丽女王工程与材料科学学院的 Sergey Karabasov 和 Rob Krams 教授开发了一种新的 AI 方法，该方法结合了机器学习范式中的数据缩减技术和非线性回归工具，以加快 3D 压力和剪切应力的重建字段。

Krams 教授表示：“我们的新方法能够在 10 秒内重建 3D 血流模式，这比传统 CFD 方法有了显着改进。” “这可能会对心血管疾病的诊断和治疗产生深远的影响，因为它将使心脏病专家能够更快地获得有关血流模式的关键信息。”

新方法涉及在动脉粥样硬化的猪冠状动脉中生成血流模拟的大型数据集，并为网格几何形状引入随机扰动。然后使用本征正交分解 (POD) 方法处理该数据集以获得特征函数和主系数，然后将其用于训练随机森林回归器模型。然后，该模型可用于预测看不见的动脉几何形状中的压力和剪切应力场，准确度超过 75%。

“这是冠状动脉血流动力学领域的重大突破，”卡拉巴索夫教授说。 “我们的新方法不仅速度更快，而且比传统 CFD 方法更准确。这可能会改变心血管疾病的诊断和治疗的游戏规则。”

快速计算血管生物力学参数的能力可能会导致动脉粥样硬化和其他心血管疾病的新诊断工具和治疗方法的开发，使患者有更好的机会获得更长、更健康的生活。该方法还可用于优化冠状动脉介入治疗的支架和其他医疗设备的设计。