通过智能手表数据测量长期心脏压力动态

　　杜克大学(Duke University)的生物医学工程师开发了一种方法，利用智能手表等可穿戴设备的数据，以数字方式模拟一个人一周的心跳。之前的纪录只持续了几分钟。

　　这种方法被称为纵向血流动力学映射框架(LHMF)，它创建了特定患者血流的“数字双胞胎”，以评估其3D特征。目前评估心脏病或心脏病发作风险的黄金标准使用的是某一时刻的快照，这一进展是朝着改进这一标准迈出的重要一步，这对一种病程长达数月至数年的疾病来说是一种具有挑战性的方法。

　　这项研究是与劳伦斯利弗莫尔国家实验室的计算科学家合作进行的，并于2023年11月15日发表在《高性能计算、网络、存储和分析国际会议论文集》(SC23)上。该会议是高性能计算领域的全球领先会议。

　　杜克大学阿尔弗雷德·温伯恩和维多利亚·斯托弗·莫德凯生物医学科学副教授阿曼达·兰德尔斯(Amanda Randles)实验室的博士候选人赛勒斯·塔纳德(Cyrus Tanade)说:“即使是对一个病人的3D血流进行一天的建模，在当今最好的超级计算机上也需要一个世纪的计算时间。”“如果我们想要在很长一段时间内捕捉血液流动动态，我们需要一种范式转换的解决方案来实现3D个性化模拟。”

　　在过去的十年里，研究人员在精确模拟血液流经个体特定血管几何结构所产生的压力和力方面取得了稳步进展。兰德尔斯是该领域的领军人物之一，他开发了一个名为HARVEY的软件包，利用世界上最快的超级计算机来应对这一挑战。

　　这种冠状动脉数字双胞胎最普遍接受的用途之一是确定患者是否应该接受支架治疗斑块或病变。这种计算方法的侵入性比传统方法要小得多，传统方法是在导丝上插入探针进入动脉本身。

　　虽然这个应用程序只需要少量的心跳模拟，并且只需要一次快照，但该领域的目标是在病人出院后的几周或几个月内跟踪压力动态。然而，为了在杜克大学研究小组的计算机集群上获得哪怕10分钟的模拟数据，他们必须将其锁定4个月。

　　兰德尔斯说:“显然，由于计算成本和时间要求，这不是一个可行的解决方案。”“你可以把它想象成花三周时间模拟明天的天气。当你预测暴雨来临的时候，水可能已经干涸了。”

　　为了将这项技术长期应用于现实世界的人们，研究人员必须找到一种减少计算负荷的方法。这篇新论文介绍了纵向血流动力学映射框架，它将过去花费近一个世纪的模拟时间缩短到24小时。

　　Tanade说:“解决方案是并行模拟心跳，而不是通过在许多不同的节点上分解任务来依次模拟心跳。”“传统上，任务是通过并行计算在空间上分解的。但在这里，它们在时间上也是分开的。”

　　例如，人们可以合理地假设，周一上午10点的冠状动脉血流的细节可能对周三下午2点的血流几乎没有影响。这使得团队能够开发出一种方法，可以同时准确地模拟不同的时间块，并将它们拼凑在一起。

　　这种分解使得碎片足够小，可以使用亚马逊网络服务等云计算系统进行模拟，而不需要大型超级计算机。

　　为了测试映射框架，研究人员使用经过验证的方法模拟750次心跳——大约10分钟的生物时间——并在杜克大学计算机集群上分配实验室的计算时间。

　　利用智能手表上的心率和心电图的连续数据，它产生了一套完整的3D血流生物标志物，可以与疾病进展和不良事件相关联。它花了四个月的时间完成，超过了现有的记录一个数量级。

　　然后，他们在几个小时内将这些结果与运行在亚马逊世界服务和橡树岭国家实验室系统Summit上的LHMF产生的结果进行了比较。误差可以忽略不计，证明LHMF可以在一个有用的时间尺度上工作。

　　然后，研究小组通过引入聚类方法进一步改进了LHMF，进一步降低了计算成本，并允许他们追踪超过70万次心跳或一周连续活动的血液在血管壁上的摩擦力——一种众所周知的心血管疾病的生物标志物。这些结果使该小组能够创建个性化的纵向血液动力学图，显示力如何随时间变化以及在各种脆弱状态下花费的时间百分比。

　　“结果与单次心跳的结果明显不同，”Tanade说。“这表明，捕获纵向血流指标提供了以前的金标准方法无法察觉的细微差别和信息。”

　　兰德尔斯补充说:“如果我们能在像冠状动脉这样的关键区域绘制出血管壁压力的时间图，我们就能预测患者发生动脉粥样硬化或这类疾病进展的风险。”“这种方法可以让我们比目前更早地发现心脏病病例。”

　　更多信息:Cyrus Tanade等人，云计算使可穿戴驱动的纵向血流动力学地图成为可能，高性能计算、网络、存储和分析国际会议论文集(2023)。DOI: 10.1145/3581784.3607101由杜克大学提供引文:使用智能手表数据测量长期心脏压力动态(2023年，11月28日)从https://medicalxpress.com/news/2023-11-long-term-heart-stress-dynamics-smartwatch.html检索2023年11月28日此文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。