A Modified Suspension-Balance Model for Deformable Particle Suspensions: Application to Blood Flows with Cell-Free Layer

Este artículo propone un modelo de equilibrio de suspensión modificado que incorpora fuerzas de sustentación hidrodinámica para simular eficientemente los flujos sanguíneos en canales microvasculares, capturando con éxito fenómenos clave como la formación de la capa libre de células, los perfiles de hematocrito y velocidad, y los efectos de Fahraeus y Fahraeus-Lindqvist.

Lo esencial

Imagina una autopista concurrida donde los coches son en realidad diminutos y blandos glóbulos rojos, y la carretera es un vaso sanguíneo microscópico. En una autopista normal, esperarías que el tráfico estuviera distribuido de manera uniforme. Sin embargo, en nuestros cuerpos, estos "coches" tienen un hábito extraño: odian estar cerca de las paredes. Prefieren amontonarse en el centro del camino, dejando un carril despejado y vacío justo al lado de la acera.

Este carril vacío se llama Capa Libre de Células (CFL, por sus siglas en inglés). Es una característica crucial del flujo sanguíneo en nuestro cuerpo que ayuda a que nuestra sangre se mueva más rápido y con menos fricción.

El Problema: El Mapa Antiguo no Tenía un Giro

Los científicos han intentado construir modelos informáticos para simular cómo fluye la sangre durante años. Utilizan algo llamado "Modelo de Equilibrio de Suspensión" (SBM). Piensa en este modelo como un software de simulación de tráfico.

La versión antigua de este software era buena prediciendo que los coches se moverían hacia el centro de la carretera debido a cómo chocan entre sí. Sin embargo, no lograba explicar por qué los coches estaban tan ansiosos por alejarse de las paredes. No podía crear ese "carril libre de células" cerca del borde. Era como un GPS que sabía que los coches se movían, pero no sabía que estaban evitando activamente el bordillo.

La Solución: Un Nuevo Botón de "Empuje"

Los autores de este artículo, liderados por Hugo Castillo-Sánchez y Leonardo Liu, decidieron arreglar el software. Se dieron cuenta de que, debido a que los glóbulos rojos son blandos (deformables), generan un tipo especial de fuerza invisible cuando se acercan demasiado a una pared.

A esto lo llaman Fuerza de Sustentación (Lift Force).

• La Analogía: Imagina que estás nadando cerca de la pared de una piscina. Mientras te mueves, el agua te empuja ligeramente lejos de la pared. Para los glóbulos rojos, este "empuje" es mucho más fuerte porque son blandos y cambian de forma al apretarse al pasar junto a la pared.
• El Arreglo: El equipo añadió esta "Fuerza de Sustentación" a su modelo informático. Crearon un Modelo de Equilibrio de Suspensión Modificado (MSBM). Ahora, el software no solo observa a los coches; los empuja activamente lejos de la pared, tal como el agua empuja a un nadador.

¿Qué Pasó Cuando Ejecutaron la Simulación?

Cuando encendieron esta nueva "Fuerza de Sustentación" en su ordenador, los resultados cambiaron drásticamente:

1. El Carril Vacío Apareció: La simulación creó con éxito esa zona despejada cerca de la pared (la CFL) que vemos en la vida real.
2. El Atasco de Tráfico en el Medio: Los glóbulos rojos se amontonaron en el centro, creando un núcleo denso.
3. La Forma del Flujo: Debido a que las células estaban agrupadas en el medio y los bordes estaban despejados, la sangre no fluyó en un arco suave y curvo (como un río normal). En su lugar, fluyó como un tapón sólido o un pistón, con una parte superior plana. Esto es exactamente lo que sucede en los microvasos reales.

Probando el Nuevo Modelo

El equipo no solo adivinó; probaron su nuevo modelo contra datos del mundo real y otras simulaciones complejas:

• Viaje en el Tiempo: Observaron cómo se formaba el "carrido vacío" a través del tiempo. Comenzó con células por todas partes y, lentamente, la "Fuerza de Sustentación" las alejó de las paredes hasta que el carril quedó despejado. Esto coincidió con la velocidad y el comportamiento observados en experimentos de cámaras de alta velocidad.
• El "Efecto Fåhræus": Este es un término elegante para una observación simple: la sangre fluye más rápido en tubos diminutos de lo que se esperaría, y la concentración de células en el medio es diferente de la concentración a la salida. Su nuevo modelo predijo esto perfectamente.
• El "Efecto Fåhræus-Lindqvist": Esta es la observación de que la sangre se vuelve más "fluida" (menos viscosa) cuando fluye a través de tubos muy pequeños. Su modelo también capturó esto, mostrando que el carril libre cerca de la pared reduce la fricción, facilitando el flujo sanguíneo.

La Conclusión

El artículo afirma que, al añadir un simple "empuje" (la fuerza de sustentación) a su modelo informático, ahora pueden simular con precisión cómo se comporta la sangre en vasos diminutos.

• Lo que hace: Captura la formación de la capa libre de células, el flujo tipo tapón y los famosos "efectos Fåhræus" que hacen que el flujo sanguíneo sea eficiente en nuestros cuerpos.
• Lo que no hace (aún): Los autores admiten que, para tubos muy grandes (más de 40 micrómetros), el modelo empuja las células un poco demasiado lejos. Sospechan que esto se debe a que su modelo aún no tiene en cuenta cómo las células se "protegen" entre sí de la pared cuando están amontonadas. Planean solucionar esto en trabajos futuros.

En resumen, construyeron un mejor gemelo digital para el flujo sanguíneo que entiende que los glóbulos rojos no son solo pasajeros pasivos; son nadadores activos que se empujan a sí mismos lejos de las paredes para mantener la autopista despejada.

Resumen técnico

Resumen Técnico: Un Modelo de Balance de Suspensión Modificado para Suspensiones de Partículas Deformables

Planteamiento del Problema
Modelar el flujo de glóbulos rojos (RBCs) y otras suspensiones de partículas deformables en geometrías confinadas presenta desafíos significativos debido a la inherente no linealidad, las interacciones de múltiples cuerpos y los comportores reológicos no newtonianos. Un fenómeno crítico en la microcirculación es la formación de una capa libre de células (CFL, por sus siglas en inglés), una región cercana a la pared empobrecida de RBCs. Esta capa es fisiológicamente esencial para mantener una baja viscosidad aparente y promover la marginación de plaquetas. Si bien los modelos computacionales directos a escala celular pueden capturar la formación de la CFL, a menudo resultan computacionalmente prohibitivos para simulaciones de redes vasculares o a escala de órganos. Por el contrario, los modelos continuos existentes, como el modelo convencional de Balance de Suspensión (SBM), a menudo no logran capturar la CFL porque no contabilizan adecuadamente las fuerzas de sustentación hidrodinámica inducidas por la deformabilidad que alejan a las partículas de las paredes.

Metodología
Los autores proponen un Modelo de Balance de Suspensión Modificado (MSBM) que aumenta el marco del SBM convencional con un término de fuerza de sustentación específico para dar cuenta de las interacciones hidrodinámicas entre la pared y los RBCs.

• Marco Teórico: El modelo conserva las ecuaciones estándar de conservación de masa y cantidad de movimiento para la suspensión global y las fases de partículas. La modificación central reside en el balance de cantidad de movimiento de la fase de partículas. El SBM convencional contabiliza la migración de partículas impulsada por la divergencia del estrés de la fase de partículas ($\nabla \cdot \langle \Sigma \rangle_p$) y el arrastre por sedimentación impedida. El MSBM introduce un término de fuerza de sustentación adicional promediado por volumen, $\phi L_\perp$, derivado de observaciones experimentales de vesículas deformables y RBCs.
• Formulación de la Fuerza de Sustentación: La fuerza de sustentación se modela como una función de la tasa de deformación local ($\dot{\gamma}$), la distancia a la pared ($h$) y un parámetro de volumen reducido ($\nu$). El término toma la forma $L_\perp \propto \frac{\dot{\gamma}}{(h+h_0)^\beta}$, donde $\beta$ es un coeficiente de ley de potencia ajustado para reflejar la dependencia de la partícula (específicamente para los RBCs), y $h_0$ es un factor geométrico para evitar la singularidad en la pared.
• Implementación Numérica: El MSBM se implementó en OpenFOAM, extendiendo el solver SbmFoam existente para crear SbmBloodFoam. El solver utiliza un enfoque de Método de Volúmenes Finitos (FVM). Para validar el modelo continuo, los autores emplearon un solver de flujo sanguíneo multiescala validado experimentalmente basado en el método de Lattice Boltzmann (LB) y modelos de cápsulas deformables de grano grueso para los RBCs.

Resultados Clave
El estudio demuestra la capacidad del MSBM para simular flujos sanguíneos en canales y tubos microvasculares, capturando comportamientos transitorios y de estado estacionario:

1. Formación de la CFL y Perfiles de Velocidad: A diferencia del SBM convencional, que predice un perfil de velocidad parabólico y una concentración no nula en la pared, el MSBM captura con éxito la formación de una CFL y el perfil de velocidad resultante tipo "flujo de tapón" característico de la sangre. El modelo muestra que aumentar el parámetro de fuerza de sustentación ($\beta$) aumenta el espesor de la CFL.
2. Sensibilidad Paramétrica:
   • Hematocrito Global ($\phi_b$): A medida que $\phi_b$ aumenta, el espesor de la CFL disminuye, de acuerdo con la literatura.
   • Concentración de Empaquetamiento Máximo ($\phi_m$): Valores más altos de $\phi_m$ (que representan una mayor agregación o propensión al empaquetamiento de los RBCs) conducen a CFLs más gruesas y picos de hematocrito central más altos.
3. Evolución Temporal: El modelo captura el desarrollo transitorio de la CFL. Inicialmente, el hematocrito es uniforme; con el tiempo, los RBCs migran hacia el centro, formando una capa de células empobrecida cerca de la pared y un núcleo concentrado, alcanzando finalmente un estado estacionario.
4. Validación contra Teoría y Experimentos:
   • Flujo de Cizalladura Simple: El modelo reproduce el escalamiento lineal del espesor cúbico de la CFL ($\delta_{CFL}^3$) con el tiempo adimensional ($t\dot{\gamma}$) en escalas de tiempo cortas, coincidiendo con las leyes de escala observadas en experimentos de migración de partículas individuales.
   • Flujos en Canales: Las predicciones del MSBM para la velocidad y el espesor de la CFL se alinean bien con los datos experimentales de Losserand et al. y Salame a través de diversas alturas de canal y hematocritos globales.
   • Flujos Tubulares: El modelo captura con éxito el Efecto Fåhræus (el hematocrito de descarga supera al hematocrito del tubo) y el Efecto Fåhræus-Lindqvist (disminución de la viscosidad aparente con la disminución del diámetro del vaso). La viscosidad aparente y las relaciones de hematocrito predichas muestran una buena concordancia con las correlaciones empíricas (por ejemplo, Pries et al.) y los datos experimentales, particularmente para diámetros de vaso por debajo de 40 µm.

Significación y Reivindicaciones
El artículo establece un nuevo marco computacional continuo que captura eficientemente la heterogeneidad microestructural y el comportamiento de flujo no newtoniano de suspensiones de partículas deformables concentradas bajo confinamiento. Los autores afirman que, al incorporar una fuerza de sustentación inducida por la deformabilidad, el MSBM cierra la brecha entre las simulaciones de partículas discretas computacionalmente costosas y los modelos continuos menos precisos.

El trabajo se presenta como un paso hacia aplicaciones biomédicas e industriales eficientes a gran escala. Los autores señalan modestamente que, si bien el modelo funciona bien para vasos más pequeños, sobrepredice ligeramente la CFL y el efecto Fåhræus-Lindqvist para tubos más grandes (>40 µm). Atribuyen esto a la falta de un "efecto de cribado de partículas" en la formulación actual de la fuerza de sustentación, que contabilizaría la reducción de las fuerzas de sustentación en regiones cargadas de partículas debido a las interacciones de lubricación entre la partícula y la pared. Esta limitación se identifica como un tema para trabajos futuros en lugar de un fallo actual del modelo.