💻 bioinformatics

A Comprehensive Database of Simulations and Meshes of Coronary Arteries from the Fame 2 Trial

Este artículo presenta una base de datos disponible públicamente que contiene simulaciones de Navier-Stokes no estacionarias en 3D y mallas hexaédricas de alta calidad para 779 arterias coronarias reconstruidas a partir del ensayo FAME 2, con el objetivo de abordar la escasez de datos de hemodinámica numérica para aplicaciones de modelado basado en datos y aprendizaje automático.

Autores originales: Marcinno', F., Hinz, J., Ando', E., Mahendiran, T., Buffa, A., Deparis, S.

Publicado 2026-08-05

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Marcinno', F., Hinz, J., Ando', E., Mahendiran, T., Buffa, A., Deparis, S.

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina el corazón humano no solo como una bomba, sino como una ciudad bulliciosa con una compleja red de autopistas que entrega combustible a cada vecindario. Estas autopistas son las arterias coronarias. A veces, la basura se acumula en las paredes de la carretera —la placa— estrechando los carriles y ralentizando el tráfico. Esto es la enfermedad de las arterias coronarias. Los médicos han utilizado durante mucho tiempo películas de rayos X para observar estas carreteras, pero una imagen solo muestra la forma de la carretera, no qué tan rápido se mueven realmente los coches (la sangre) o si se están quedando atascados. Para solucionar esto, los científicos utilizan supercomputadoras para crear "gemelos digitales" de estas arterias. Ejecutan simulaciones, como un videojuego para el flujo sanguíneo, para ver exactamente dónde ocurren los atascos de tráfico y cuánta presión se acumula. Esto es crucial porque conocer la forma de la carretera no es suficiente; necesitas conocer las condiciones del tráfico para decidir si una carretera necesita un nuevo puente (un stent) o si puede simplemente gestionarse con mejores reglas de tráfico (medicamentos).

Sin embargo, hay un gran problema: construir estos gemelos digitales es un trabajo difícil. Requiere tomar imágenes reales de rayos X, convertirlas en modelos 3D y luego realizar cálculos masivos. Debido a que esto es muy difícil, existen muy pocas bibliotecas públicas de estos "gemelos digitales" para que otros científicos puedan estudiarlos. Sin una gran pila de datos, es difícil enseñar a las computadoras a predecir problemas cardíacos automáticamente o a probar nuevas ideas médicas rápidamente. Este artículo interviene para resolver esa escasez abriendo las puertas a una biblioteca masiva y completamente nueva de datos cardíacos.

Los autores de este artículo han creado una base de datos gigante y de acceso abierto que contiene modelos computacionales 3D y simulaciones de flujo sanguíneo para 779 arterias coronarias diferentes. Estos modelos fueron construidos a partir de rayos X reales de pacientes tomadas durante un importante estudio médico llamado el ensayo FAME 2. Piensa en esta base de datos como un enorme "set de LEGO" para investigadores cardíacos. En lugar de solo darte las instrucciones sobre cómo construir un corazón específico, ellos han construido 779 secciones de corazón, las han medido perfectamente y luego han ejecutado una compleja simulación de física en cada una para ver cómo fluye la sangre a través de ellas.

El equipo comenzó con 914 segmentos de arteria diferentes del ensayo. Intentaron convertir cada uno en un modelo digital 3D, pero 135 de ellos eran demasiado complicados de arreglar; los modelos computacionales terminaron retorciéndose sobre sí mismos, como un cable de auriculares enredado que no se puede desenredar. Así que dejaron esos de lado y conservaron los 779 que funcionaron perfectamente. Para cada uno de estos 779 modelos exitosos, no se detuvieron solo en la forma. También generaron una "malla", que es como una red digital hecha de cubos diminutos que cubre el interior de la arteria. Esta red es increíblemente uniforme; cada uno de los 779 modelos utiliza exactamente el mismo número de cubos y los conecta de la misma manera exacta. Esto es algo grandioso porque, usualmente, cada modelo de corazón es único y desordenado, lo que dificulta compararlos. Aquí, los investigadores hicieron que todos fueran idénticos en estructura, lo que hace que compararlos sea mucho más fácil.

Para asegurar que estas redes digitales fueran de alta calidad, los autores las verificaron contra reglas estrictas. Observaron qué tan "aplastados" o "estirados" estaban los cubos diminutos. Los resultados fueron impresionantes: casi todos los cubos (99.99%) estaban en el rango de forma perfecto, lo que significa que los modelos digitales son increíblemente precisos y confiables.

Una vez que los modelos estuvieron listos, el equipo ejecutó una simulación de física en cada uno. Utilizaron las famosas ecuaciones de Navier-Stokes, que son las reglas matemáticas que describen cómo se mueven los fluidos (como la sangre). Simularon la sangre fluyendo a través de estas 779 arterias durante un segundo de un latido cardíaco. No se limitaron a adivinar cómo se comportaría la sangre; utilizaron reglas específicas y realistas para la presión en la entrada (la aorta) y la salida (los vasos más pequeños), basadas en cómo se contrae el músculo cardíaco. Las simulaciones calcularon la velocidad de la sangre y la presión en cada punto. De las 779 ejecuciones, 761 funcionaron perfectamente. Las otras 18 tuvieron un poco de problemas para terminar el cálculo, probablemente debido a que esas formas de arteria específicas eran demasiado simples y rectas, confundiendo las reglas de frontera de la computadora, pero los autores decidieron mantenerlas en la base de datos de todos modos para que los investigadores pudieran ver el problema.

El artículo no pretende haber curado la enfermedad cardíaca o encontrado un nuevo fármaco. En su lugar, proporciona las materias primas —las mallas y los resultados de la simulación— que otros científicos pueden utilizar. Los autores admiten que, si bien las formas y la física del flujo son exactas, utilizaron las mismas "reglas de salida" para cada paciente, lo cual no es perfectamente realista para todos. Sugieren que el trabajo futuro necesitará ajustar esas reglas de salida para cada persona específica. Pero por ahora, esta base de datos es un salto adelante masivo. Les da a la comunidad científica un patio de juegos compartido donde pueden probar nuevas ideas, entrenar inteligencia artificial y comprender el flujo sanguíneo cardíaco sin tener que pasar años construyendo sus propios modelos desde cero. Convierte una tarea solitaria y difícil en una aventura colaborativa y rica en datos.

Resumen Técnico: Una base de datos exhaustiva de simulaciones y mallas de arterias coronarias del ensayo FAME 2

Planteamiento del problema
La enfermedad de las arterias coronarias (EAC) es una de las principales causas de mortalidad, caracterizada por placas ateroscleróticas que provocan el estrechamiento luminal y dificultan el flujo sanguíneo. Aunque la angiografía coronaria invasiva (ACI) es el estándar de oro para el diagnóstico, evalúa principalmente la severidad anatómica. La Reserva Fraccional de Flujo (FFR) proporciona una evaluación funcional, pero requiere una medición invasiva. Los avances recientes en la hemodinámica numérica, utilizando la Dinámica de Fluidos Computacional (CFD), ofrecen una alternativa no invasiva para calcular índices de flujo y analizar la dinámica sanguínea de pacientes específicos. Sin embargo, el desarrollo de modelos impulsados por datos y técnicas de aprendizaje automático en este campo se ve gravemente obstaculizado por la escasez de conjuntos de datos numéricos de alta calidad y específicos de pacientes que estén disponibles públicamente. Los recursos existentes suelen carecer de los datos de simulación brutos, de las mallas subyacentes o de ambos, particularmente para geometrías coronarias reales derivadas de ensayos clínicos.

Metodología
Los autores construyeron una base de datos exhaustiva reconstruyendo geometrías coronarias 3D a partir de imágenes de ACI adquiridas durante el ensayo Fractional Flow Reserve versus Angiography for Multivessel Evaluation 2 (FAME 2).

Fuente de datos y reconstrucción: El estudio utilizó imágenes de ACI de 567 pacientes (grupos OMT y de registro) que no se sometieron a revascularización. Utilizando dos proyecciones de ACI casi ortogonales, el equipo reconstruyó la línea central y el radio de la arteria descendente anterior izquierda (LAD), la circunfleja izquierda (LCx) y la arteria coronaria derecha (RCA). El proceso implicó la segmentación manual por parte de cardiólogos intervencionistas, reconstrucción 3D basada en splines y la generación de modelos volumétricos.
Generación de mallas: A partir de un conjunto inicial de 914 vasos reconstruidos, se descartaron 135 debido a geometrías con autointersección, dejando 779 vasos válidos. Los autores emplearon un algoritmo de generación de malla hexaédrica estructurada (basado en Marcinnò et al., 2025) para crear mallas para todos los 779 vasos. Una característica metodológica clave es que todas las mallas comparten un número idéntico de vértices, celdas y conectividad, lo que garantiza la uniformidad en todo el conjunto de datos. La generación de 915 mallas (incluyendo las inválidas) tomó aproximadamente 41 minutos en un solo núcleo de CPU.
Simulaciones numéricas: La dinámica de fluidos se modeló utilizando las ecuaciones de Navier-Stokes incompresibles e inestacionarias en 3D.
- Solucionador: El Método de Elementos Finitos (FEM) se implementó utilizando la biblioteca lifeX.
- Discretización: El espacio se discretizó utilizando elementos finitos $Q1-Q1$ con estabilización VMS-SUPG (Variational Multiscale-Streamline Upwind Petrov-Galerkin) y estabilización de flujo de retorno (backflow) en la salida. La discretización temporal utilizó el método de Euler implícito con un paso de tiempo de $dt = 0.001$ s.
- Condiciones de contorno:
  - Entrada: Una condición de Neumann que representa la presión aórtica, derivada de un modelo de sistema cardiovascular de 0D cerrado.
  - Salida: Un modelo de parámetros concentrados (0D) acoplado explícitamente al dominio 3D, con parámetros específicos según el tipo de vaso (LAD/LCx frente a RCA) y presiones intramio-cardíacas derivadas de curvas de presión ventricular.
  - Paredes: Se aplicaron condiciones de no deslizamiento (no-slip).
- Duración de la simulación: Las simulaciones se ejecutaron durante 1 segundo (cubriendo 1.25 ciclos cardíacos de 0.8 s), descartando los primeros 0.2 s para permitir el escalado de las condiciones de contorno.

Contribuciones clave

Lanzamiento de base de datos pública: La contribución principal es la publicación de una base de datos de gran escala y acceso abierto que contiene 779 mallas de arterias coronarias específicas de pacientes y sus correspondientes resultados de simulación de Navier-Stokes inestacionarios en 3D.
Calidad de malla uniforme: Los autores proporcionan una evaluación sistemática de un generador de mallas a gran escala, demostrando que las 779 mallas poseen una conectividad y calidad idénticas. La base de datos incluye índices de calidad (Jacobiano escalado, relación de bordes, asimetría equiangular normalizada) para cada celda.
Estructura de datos exhaustiva: La base de datos está organizada en directorios para mallas, métricas de calidad, parámetros de simulación y resultados brutos de la simulación (velocidad, presión, energía, cantidades de turbulencia), junto con scripts para visualización y evaluación de calidad.
Gestión de fallos de reconstrucción: La base de datos incluye explícitamente las 135 mallas "no válidas" (autointersecantes) para proporcionar un registro completo del éxito y la tasa de fallo del proceso de reconstrucción.

Resultados

Estadísticas del conjunto de datos: De los 914 vasos reconstruidos, 779 fueron mallados y simulados con éxito. La tasa de fallo fue mayor en la RCA (26.6%), seguida de la LCx (12.7%) y la LAD (8.3%), atribuido a la anatomía tortuosa de la RCA que causa el solapamiento de la línea central en las proyecciones 2D.
Calidad de la malla: La evaluación de la calidad reveló una calidad de malla excepcional.
- Jacobiano Escalado (SJ): El 99.99% de las celdas cumplieron con el umbral recomendado de 0.5, y el 97.5% superó 0.9.
- Relación de Bordes (ER): El 99.96% de las celdas se mantuvo por debajo del límite superior recomendado de 5.
- Asimetría (NES): El 99.99% de las celdas satisfizo los límites recomendados, con más del 95% situándose en el rango 0–0.2.
Convergencia de la simulación: De las 779 simulaciones, 18 fallaron en converger (alcanzando el límite máximo de iteraciones de 5000). Los autores atribuyen esto a la simplicidad de estas geometrías específicas (principalmente cilíndricas con ligera curvatura), que parecen ser más sensibles al ajuste de la condición de contorno de salida. Estos 18 casos se mantuvieron en la base de datos.

Significancia y Reivindicaciones
El artículo posiciona este trabajo como un recurso crítico para superar la escasez de datos que obstaculiza la aplicación del aprendizaje automático y el modelado basado en datos en la hemodinámica cardiovascular. Los autores afirman que, hasta donde tienen conocimiento, esta es la primera evaluación sistemática de un generador de mallas sobre un número tan grande de elementos dentro del campo de la hemodinámica numérica. Además, señalan que, aparte del repositorio SimVascular, esta es la única base de datos que proporciona tanto simulaciones como mallas para arterias coronarias reales.

Los autores mantienen una postura modesta respecto a la aplicabilidad clínica de las simulaciones actuales. Reconocen explícitamente una limitación: el uso de valores de parámetros concentrados idénticos para las condiciones de contorno de salida en todos los pacientes, en lugar de una calibración específica de cada paciente. Afirman que, si bien la geometría y la dinámica de fluidos están correctamente modeladas, la calibración adecuada de las condiciones de contorno —especialmente en presencia de estenosis— sigue siendo un tema para futuras investigaciones. El objetivo principal de este lanzamiento es proporcionar una base flexible para que los investigadores realicen sus propios análisis, prueben diferentes condiciones de contorno y desarrollen modelos estadísticos y de aprendizaje automático más robustos.

Más como este