Iliac vein morphology and wall shear stress: a statistical shape modelling and CFD analysis of patient-specific geometries

Questo studio dimostra che il livello di fedeltà anatomica nelle ricostruzioni geometriche delle vene iliache comuni influenza criticamente sia la variabilità morfologica rilevata tramite modellazione statistica delle forme, sia le previsioni emodinamiche di stress di parete, con le geometrie semplificate che tendono a sovrastimare significativamente le aree a basso stress rispetto ai modelli 3D completi derivati da dati pazienti specifici.

L'essenziale

Immagina di voler capire perché, in alcune persone, il sangue tende a fare "nodi" (trombi) nelle vene delle gambe, mentre in altre scorce fluido come l'acqua in un fiume. Questo studio è come un'indagine scientifica che cerca di rispondere a questa domanda guardando non solo al sangue, ma soprattutto alla forma delle vene stesse.

Ecco una spiegazione semplice, usando qualche metafora creativa, di cosa hanno scoperto gli scienziati in questo lavoro.

1. Il Problema: Le Vene sono tutte diverse

Immagina le vene delle gambe come dei tubi di gomma che portano il sangue indietro al cuore. Ogni persona ha i suoi "tubi": alcuni sono dritti, altri fanno curve strane, alcuni sono stretti, altri larghi.
Il problema è che quando il sangue scorre troppo lentamente o incontra ostacoli, può coagularsi e formare un trombo (un coagulo pericoloso). Gli scienziati sanno che la forma della vena influenza il flusso, ma non sapevano esattamente quanto e in che modo.

2. Gli Strumenti: Due modi per guardare la stessa cosa

Per studiare questo, i ricercatori hanno usato due strumenti potenti, come se fossero due diversi tipi di occhiali:

• CFD (Fluidodinamica Computazionale): È come un simulatore di vento super-avanzato. Invece di soffiare vento, simula il flusso del sangue dentro i tubi. Ti dice dove il sangue rallenta (e dove quindi c'è rischio di coaguli).
• SSM (Modellazione Statistica della Forma): È come un fotografo matematico. Prende le forme di 12 pazienti diversi e cerca di capire quali sono le "regole" che le rendono diverse. Chiede: "Qual è la differenza principale? È che sono più curve? O più strette?"

3. L'Esperimento: Tre livelli di "realtà"

Qui arriva la parte più interessante. I ricercatori hanno creato tre versioni diverse delle stesse vene per vedere quanto la precisione del disegno conta:

1. La versione "Fotocopia Piatta" (2D): Hanno preso le vene e le hanno schiacciate su un foglio di carta, come una sagoma. È veloce, ma perde la profondità.
2. La versione "Tubo di Pasta" (3D Semplificato): Hanno preso quella sagoma piatta e l'hanno "gonfiata" in 3D, come se avessero preso un disegno su carta e avessero fatto un tubo di pasta attorno ad esso. È meglio, ma non ha le curve reali del corpo umano.
3. La versione "Copia Esatta" (3D Reale): Hanno usato le scansioni MRI e TAC reali dei pazienti per ricreare la vena esattamente com'è, con tutte le sue curve e irregolarità.

4. La Scoperta Sorprendente: Più semplice è il disegno, più il sangue sembra fermarsi

Ecco il colpo di scena che hanno scoperto:

• Quando hanno usato le versioni semplici (la sagoma piatta o il tubo di pasta), il simulatore ha detto: "Attenzione! Qui il sangue si ferma quasi ovunque!". Hanno trovato aree enormi dove il sangue scorreva lentamente.
• Quando hanno usato la versione reale e precisa (la copia esatta), il simulatore ha detto: "In realtà, il sangue scorre meglio di quanto pensavi. Le aree a rischio sono molto più piccole".

L'analogia: È come se disegnassi una strada su un foglio di carta (2D) e dicessi che è piena di buche. Poi guardi la strada reale (3D) e scopri che in realtà è liscia, perché il disegno su carta aveva perso i dettagli che facevano scorrere l'acqua (o il sangue) via.
In sintesi: I modelli semplificati ingannano il computer, facendogli credere che il rischio di trombi sia molto più alto di quanto non sia nella realtà.

5. Il "Motore" della Forma: Come cambia il flusso

Hanno anche scoperto che la forma della vena agisce come un interruttore per il flusso del sangue.

• Nel modello 2D, c'era una sola "manopola" principale (una specifica forma di curvatura) che controllava tutto il rischio. Se giravi quella manopola, il rischio cambiava drasticamente.
• Nel modello 3D reale, invece, non c'era una sola manopola magica. Il rischio era distribuito su tante piccole differenze di forma, come se il flusso dipendesse da un'orchestra di piccoli strumenti invece che da un solo violino solista.

Perché è importante?

Questo studio ci dice una cosa fondamentale per i medici e per la tecnologia: non possiamo accontentarci di disegni semplici o approssimativi.

Se un medico vuole usare un computer per prevedere se un paziente rischia un trombo e decide di usare un modello semplificato (per risparmiare tempo o perché ha solo una radiografia 2D), potrebbe spaventarsi inutilmente pensando che il rischio sia altissimo, quando in realtà la vena reale del paziente è più sicura.

La morale della favola:
Per capire davvero come scorre il sangue nelle vene e prevenire i coaguli, dobbiamo guardare la "realtà" con la massima precisione possibile. La forma della vena è un'opera d'arte complessa: semplificarla troppo significa perdere i dettagli che salvano la vita.

Sommario tecnico

Titolo e Contesto

Titolo: Iliac vein morphology and wall shear stress: a statistical shape modelling and CFD analysis of patient-specific geometries (Morfologia della vena iliaca e stress di parete: modellazione statistica della forma e analisi CFD di geometrie specifiche del paziente).

Problema di Ricerca:
La trombosi venosa profonda (TVP) è una condizione vascolare prevalente in cui l'anatomia venosa e le perturbazioni del flusso contribuiscono al rischio di trombosi. Tuttavia, i legami meccanici tra la forma del vaso e l'emodinamica non sono ben quantificati. Sebbene la Fluidodinamica Computazionale (CFD) possa stimare metriche di rischio come lo stress di parete basso (Low Wall Shear Stress - WSS), l'influenza della fedeltà anatomica (quanto il modello geometrico rispecchia la realtà del paziente) su queste previsioni non è chiara. Inoltre, l'integrazione tra la Modellazione Statistica della Forma (SSM) e la CFD nelle applicazioni venose è ancora emergente. Lo studio si pone l'obiettivo di capire come diversi livelli di rappresentazione anatomica influenzino sia la struttura statistica della variabilità della forma che le metriche emodinamiche derivate.

Metodologia

Lo studio ha adottato un approccio computazionale integrato su un campione di 12 pazienti affetti da TVP, utilizzando dati MRI/CT volumetrici.

1. Ricostruzione Geometrica (Tre livelli di fedeltà):

   • A) Ricostruzione 3D Completa: Geometrie 3D reali estratte direttamente dalle immagini MRI/CT, includendo la curvatura fuori dal piano.
   • B) Proiezioni 2D: Contorni 2D ottenuti proiettando le geometrie 3D sul piano dell'angiogramma standard.
   • C) Estrusioni 3D Semplificate: Geometrie 3D ricostruite partendo esclusivamente dalle proiezioni 2D (simulando un flusso di lavoro clinico basato solo su angiografie 2D), ignorando la curvatura fuori dal piano.

2. Modellazione Statistica della Forma (SSM):

   • Utilizzo della libreria Deformetrica basata sul framework LDDMM (Large Deformation Diffeomorphic Metric Mapping).
   • Costruzione di un Atlas Deterministico per generare un template medio della popolazione.
   • Applicazione dell'Analisi Geodetica Principale (PGA) per identificare i modi principali di variazione della forma (autovalori e autovettori).
   • Strategie di allineamento diverse: Le forme 2D sono state allineate preservando l'orientamento anatomico (angolo di ingresso), mentre le forme 3D sono state allineate minimizzando la discrepanza tra le linee centrali (rimuovendo la posa globale per isolare le differenze morfologiche intrinseche).

3. Simulazioni CFD:

   • Eseguite con ANSYS Fluent 2024 R2 in regime stazionario (flusso laminare).
   • Condizioni al contorno standardizzate: profilo di velocità parabolico in ingresso, pressione zero in uscita.
   • Modello del sangue: fluido newtoniano incomprimibile.
   • Metrica di interesse: Area della parete vascolare soggetta a basso WSS, calcolata sotto tre soglie di stress (≤ 0.05, 0.10, 0.15 Pa).
   • Analisi di sensibilità: variazione della velocità in ingresso del ±20% e simulazioni transitorie per verificare la stabilità dei risultati.

4. Analisi Statistica:

   • Correlazione di Spearman tra i coefficienti dei modi di forma (SSM) e le metriche di carico WSS (CFD).
   • Utilizzo di test di permutazione e correzione FDR (Benjamini-Hochberg) per gestire la piccola dimensione del campione (n=12).

Risultati Chiave

1. Impatto della Fedeltà Geometrica sul WSS:

   • Le geometrie idealizzate (estrusioni 3D basate su 2D) hanno sistematicamente sovrastimato le aree a basso WSS rispetto alle ricostruzioni 3D complete specifiche del paziente.
   • L'aumento medio delle aree a basso WSS è stato del 118-136% a seconda della soglia considerata. Questo suggerisce che le semplificazioni geometriche possono portare a una valutazione eccessiva del rischio di trombosi.

2. Struttura della Variabilità della Forma (SSM):

   • Modello 2D: Ha mostrato uno spettro di varianza fortemente gerarchico. Il primo modo (Mode 1) spiegava il 33% della varianza totale e il secondo il 21%. Il primo modo era dominato da flessione globale e cambiamenti di calibro.
   • Modello 3D: Ha mostrato uno spettro di varianza molto più piatto. Il primo modo spiegava solo il 17.4%, mentre gli altri modi erano distribuiti uniformemente (circa 7-9% ciascuno). L'allineamento basato sulla linea centrale ha rimosso le variazioni globali, lasciando solo variazioni morfologiche locali sottili.

3. Correlazioni Forma-Flusso:

   • Nel modello 2D: Esisteva una forte associazione univoca. Il Modo 1 (flessione globale e calibro) mostrava correlazioni negative forti e statisticamente significative con l'area a basso WSS (ρ fino a -0.93). Questo indica che nel modello 2D, una singola direzione di variazione geometrica domina il rischio emodinamico.
   • Nel modello 3D: Le correlazioni erano più deboli, eterogenee e distribuite su più modi. Nessun singolo modo è risultato statisticamente significativo dopo la correzione FDR. La relazione forma-flusso è più complessa e diffusa nello spazio latente 3D.

4. Robustezza:

   • Le variazioni moderate della velocità in ingresso (±20%) non hanno alterato l'ordinamento relativo del rischio tra i pazienti, confermando che le differenze geometriche sono il driver principale della variabilità emodinamica in questo contesto.

Contributi Chiave

• Integrazione SSM-CFD in ambito venoso: Il lavoro estende l'uso combinato di modellazione statistica della forma e CFD (precedentemente applicato principalmente alle arterie) all'anatomia venosa iliaca, un'area critica per la TVP.
• Quantificazione dell'errore di fedeltà: Dimostra quantitativamente come l'uso di geometrie semplificate (estrusioni 2D) distorca le metriche emodinamiche, portando a sovrastime significative delle zone a rischio.
• Analisi dell'impatto dell'allineamento: Evidenzia come la strategia di allineamento (anatomico vs. basato sulla linea centrale) cambi radicalmente la struttura dello spazio latente e, di conseguenza, la capacità di identificare associazioni univariate tra forma e flusso.
• Workflow Riproducibile: Fornisce un flusso di lavoro computazionale automatizzato (usando PyFluent e Deformetrica) per mappare le deformazioni principali su regioni localizzate di basso WSS.

Significato e Conclusioni

Lo studio conclude che la fedeltà geometrica e la strategia di allineamento sono fattori critici che influenzano qualitativamente le inferenze emodinamiche nella ricerca sulla TVP.

• Le geometrie semplificate, sebbene utili per flussi di lavoro clinici rapidi, introducono errori sistematici nell'identificazione delle zone a rischio.
• La relazione tra forma e flusso non è universale: dipende da come la forma è rappresentata e allineata. Un modello 2D può apparentemente mostrare una forte correlazione univoca che scompare quando si passa a un modello 3D più fedele, dove la variabilità è più diffusa.
• Implicazioni Cliniche: Per lo sviluppo di strumenti di stratificazione del rischio basati sulla simulazione, è necessario un'attenta selezione del modello. L'uso di ricostruzioni 3D complete è preferibile per una valutazione accurata, mentre le approssimazioni 2D/3D semplificate devono essere interpretate con cautela.
• Limiti e Futuro: La dimensione del campione (n=12) limita la potenza statistica per relazioni multivariate complesse. Il lavoro è considerato esplorativo e ipotizzante, ma getta le basi per studi futuri su coorti più ampie e per lo sviluppo di biomarcatori di forma robusti per la valutazione del rischio di trombosi.