Numerical simulation and machine learning for the modelization and optimization of mechanical circulatory support

Details

Request a copy
Serval ID
serval:BIB_306E531D1DEE
Type
PhD thesis: a PhD thesis.
Collection
Publications
Institution
Title
Numerical simulation and machine learning for the modelization and optimization of mechanical circulatory support
Author(s)
BONNEMAIN Jean
Director(s)
Liaudet Lucas
Codirector(s)
Deparis Simone
Institution details
Université de Lausanne, Faculté de biologie et médecine
Publication state
Accepted
Issued date
2021
Language
english
Abstract
Treatment of severe circulatory failure related to cardiac dysfunction has considerably evolved over the last two decades. Besides medical treatment and cardiac transplantation for the terminal phase of the disease, various mechanical devices have been developed to support the failing circulation. Major technological progresses have markedly improved the performances of circulatory support in recent years, and notably, the implantation of so-called left ventricular assist devices (LVADs) for refractory chronic heart failure or extra-corporeal membrane oxygenation (ECMO) for acute circulatory failure. The presence of such devices introduces significant physiological modifications in the native cardiovascular system of the patient, related to the nature of the flow pattern generated by these devices (continuous versus pulsatile), to the interactions between the device and the native heart, as well as to some considerations regarding the configuration (sites of surgical implantation) of the system. Therefore, although the clinical advantage of such devices is undebatable, further research is required to provide a better understanding of the aforementioned issues. The present thesis overviews a series of experimental studies collectively aimed at addressing these fundamental questions.
ln a first series of studies, we set up an experimental in si/ico framework for the modelization of blood flow within the arterial tree, using numerical simulation methods. We calibrated and compared different simulation models, at increasing degrees of complexity. Geometrical multiscale models, incorporating all the complexity of the whole cardiovascular system, significantly enriched the quality of the simulation results, in comparison to less sophisticated approaches, such as a simple 3D models. We therefore applied a geometrical multiscale mode! to determine whether different sites of LVAD cannula implantation (ascending or descending aorta) would influence arterial blood flows in conditions of heart failure. We found that the position of the LVAD cannula in the thoracic aorta had no significant effect, whatever the severity of heart failure. ln a second series of studies, we developed machine learning algorithms for the prediction of left ventricle (LV) function parameters, in conditions of heart failure. A deep neural network (DNN) was trained with data obtained from a lumped model of the cardiovascular system, representing different levels of cardiac dysfunction, to provide these parameters as output values. A second DNN was developed to take into account the presence of a LVAD. The two DNNs demonstrated excellent performances, notably to predict end-systolic elastance, a physiological variable providing the most accurate measure of LV contractility. ln a last study, we proposed a series of simple equations, based on an integrated view of several pathophysiological concepts, to predict the effects of extracorporeal gas exchange using ECMO in a veno-venous configuration on systemic oxygenation.
This thesis provides a conceptual framework for the evaluation of the cardiovascular system using complex mathematical methods. These include numerical simulations for the modelization of arterial blood flow and machine learning methods to assess cardiovascular performances. ln the future, refinement and combination of these methods will provide significant improvements to better understand pathophysiological alterations of severe cardiovascular diseases and for their therapeutic management.
--
Le traitement de la dysfonction cardiaque conduisant à l'insuffisance circulatoire sévère a considérablement évolué au cours des deux dernières décennies. Outre le traitement médical, et, pour la phase terminale de la maladie, la transplantation cardiaque, différents types de dispositifs mécaniques ont été développés afin de soutenir le système circulatoire défaillant. Les progrès technologiques récents ont drastiquement amélioré la performance de l'assistance circulatoire, notamment les systèmes d'assistance ventriculaire gauche (/eft ventricular assist devices, LVAD) pour l'insuffisance cardiaque chronique réfractaire, ou l'oxygénation par membrane extra-corporelle (extra-corporeal membrane oxygenation, ECMO) pour l'insuffisance circulatoire aiguë. La présence de tels dispositifs induit des modifications significatives de la physiologie cardiovasculaire, en lien avec la nature des flux générés par les assistances (continu versus pulsatile), les interactions entre les dispositifs et le cœur natif, ainsi que les configurations chirurgicales de ces systèmes. Bien que les avantages cliniques de tels dispositifs soient incontestables, des travaux de recherche sont nécessaires afin de mieux comprendre ces différentes problématiques. Cette thèse contient une série de travaux expérimentaux dont l'objectif est de fournir des éléments de réponse à ces questions fondamentales.
Dans une première série d'études, nous avons développé des méthodes in silico afin de modéliser le flux sanguin dans l'arbre artériel, au moyen de simulations numériques. Plusieurs modèles de complexité croissante ont été calibrés et comparés. Des modèles géométriques multi-échelle, intégrant la complexité du système cardiovasculaire entier, ont permis d'enrichir de façon significatives la qualité des résultats des simulations, par rapport à d'autres approches moins sophistiquées, comme par exemple les modèles 3D simples. Par conséquent, nous avons appliqué un modèle géométrique multi-échelle pour déterminer si différents sites d'implantation de la canule d'un LVAD influençaient les flux artériels en cas d'insuffisance cardiaque. Nous avons démontré que les différentes positions de la canule du LVAD dans l'aorte thoracique n'exerçaient pas d'influence significative, quel que soit le du degré d'insuffisance cardiaque. Dans une deuxième série d'études, nous avons développé des algorithmes d'intelligence artificielle afin de prédire les paramètres de la fonction du ventricule gauche (VG), dans des conditions d'insuffisance cardiaque. Un réseau neuronal (deep neural network, DNN) a été entraîné avec des données provenant d'un modèle réduit du système cardiovasculaire représentant différents degrés d'insuffisance cardiaque, pour fournir ces paramètres comme valeurs à prédire. Un second DNN a été développé afin d'intégrer la présence d'un LVAD. Les deux DNN ont démontré d'excellentes performances, notamment pour prédire l'élastance télé-systolique, une variable physiologique fournissant la meilleure mesure de contractilité du VG. Dans une dernière étude, nous avons proposé une série d'équations basées sur des concepts physiopathologiques pour prédire l'effet de l'échange de gaz extracorporel, en utilisant l'ECMO dans sa configuration veina-veineuse, sur l'oxygénation systémique.
Cette thèse fournit un cadre conceptuel pour l'évaluation du système cardiovasculaire en utilisant des outils mathématiques complexes. Ces derniers comprennent les simulations numériques pour la modélisation du flux sanguin artériel, ainsi que les méthodes d'intelligence artificielle pour l'évaluation des performances hémodynamiques. Dans le futur, un affinement et une combinaison de ces méthodes permettra de mieux comprendre les mécanismes physiopathologiques des maladies cardiovasculaires sévères, et d'en améliorer la prise en charge thérapeutique.
Keywords
Heart failure, mechanical circulatory support, left ventricular assist device (LVAD), cardiovascular modelling, numerical simulations, geometrical multiscale modelling, machine learning, deep learning, extra-corporeal membrane oxygenation (ECMO), Insuffisance cardiaque, assistance mécanique circulatoire, left ventricular assist device (LVAD), modélisation cardiovasculaire, simulations numériques, modélisation géométrique multi-échelle, intelligence artificielle, extra-corporeal membrane oxygenation (ECMO).
Create date
08/07/2021 11:42
Last modification date
09/07/2021 6:37
Usage data