JP2024518562A - 経カテーテル弁展開のリスクをモデル化するためのシステム及び方法 - Google Patents

Abstract

組織破裂リスクの分類のための予測モデルは、バルーン拡張型経カテーテル心臓弁をシミュレートするのに好適なコンピュータ支援設計ＣＡＤモデルを提供することと、拡張型経カテーテル心臓弁の拡張に応じて、組織における応力、ひずみ、及び／又は変位を計算することとを行うことによって生成される。組織における計算された応力、ひずみ、及び／又は変位は、患者内への拡張型経カテーテル心臓弁の展開時の拡張に応じて、低、中、又は高の組織破裂リスクの決定を可能にする。

Description

本出願は、２０２１年５月１１日に出願された米国仮特許出願第６３／１８７，０４６号の優先権を主張し、その全体が参照によって本明細書に組み込まれる。

大動脈基部破裂は、稀ではあるが、ＴＡＶＲ後の致死性の合併症である。大動脈基部破裂の可能性は、石灰化容積が高くなるとともに高まることが示されており、バルーン拡張型経カテーテル心臓弁（ＴＨＶ：ｔｒａｎｓｃａｔｈｅｔｅｒ ｈｅａｒｔ ｖａｌｖｅ）においてのみ発生することが知られている。破裂を防止する方略としては、製造業者の推奨よりも小さいサイズのＴＨＶを選定すること、バルーンの充填容積を低下させることによってＴＨＶを不足拡張させること、又は自己拡張型ＴＨＶを使用することが挙げられる。しかしながら、これらの方略は、弁傍漏出のリスクを高め、耐久性の問題を生み出す可能性がある。これらのリスクの各々を考慮可能な予測アルゴリズムは、基部破裂並びに他の合併症の回避のために、バルーン拡張型ＴＨＶ展開をより良好に最適化するのに役立ち得る。

通常の医用イメージングから基部破裂を予測することは、患者の解剖学構造の複雑性及び変動性、並びにＴＡＶＲ処置の動的性質により極めて困難である。Ｗａｎｇらは、大動脈基部破裂を起こした１人の患者において、バルーン拡張型ＴＨＶ展開後の天然組織における応力を測定するレトロスペクティブ計算解析を実行した。展開のロケーションも、大動脈基部の応力を変更するために確認された。しかしながら、通常のイメージングから測定できない患者血管の硬さ及び厚さにおける高い変動性により、応力の測定にはいくつかの制限がある。したがって、これらの変数及び未知の患者固有の特性に依存しない他のパラメータを測定する意義がある。また、これにより、これらの定量的測定結果の各々に基づいてより定性的なリスク・メトリックが可能となる。さらに、計算モデル化により、様々なバルーン充填容積におけるこれらのパラメータを捕捉することができ、このことは、大動脈基部破裂のリスク・パラメータに基づいて処置を最適化するのに役立ち得る。

患者固有の仮想弁植え込みの従来技術の方法は、有限要素のシミュレーションのみを実現し、各患者に対して固有に適合された弁インプラントに最適なサイズを正確に予測することができていない。したがって、従来技術は、処置の合併症を軽減できておらず、さらに、大動脈の周辺組織及び構造の影響を組み入れることができていない。

経カテーテル大動脈弁置換術（ＴＡＶＲ：ｔｒａｎｓｃａｔｈｅｔｅｒ ａｏｒｔｉｃ ｖａｌｖｅ ｒｅｐｌａｃｅｍｅｎｔ）後の大動脈基部破裂の予測のための例示的なシステム及び方法が開示される。例示的なシステム及び方法は、バルーン拡張型ＴＡＶＲにおけるバルーン拡張容積の最適化を通して大動脈基部破裂のリスクを軽減するために適用されてもよい。例示的なシステム及び方法は、ＴＡＶＲ後の大動脈基部における応力、ひずみ、及び偏向を使用して大動脈基部破裂リスクを測定するために採用されてもよい。例示的なシステム及び方法は、さらなる処置最適化のために展開の深さの変更、角度の変更、及び偏心を伴ってこれらのメトリックを測定してもよい。

例示的なシステム及び方法は、処置の最適化のための患者前臨床計画のために使用されてもよい。例示的なシステム及び方法によって得られる増大した知識から、より好適な処置アプローチが利用され得る。

いくつかの態様では、例示的なシステム及び方法は、より臨床的に重要な大動脈基部破裂リスクを定量化する方法に基づいて大動脈基部破裂リスクのレベルを詳述することができる分類システムを採用する。例示的なシステム及び方法は、石灰化結節形状の機械的変更と、大動脈基部破裂リスクが緩和されたか否かのチェックをシミュレートするために使用されてもよい。例示的なシステム及び方法は、幾何学的予測子を特定する目的のために大動脈基部破裂ケースのトレーニング・データベースを開発するために使用されてもよい。例示的なシステム及び方法は、疑いのある結節の迅速な特定、並びに現在及び将来の弁設計に応じた幾何学的及び動的変更の予測を開発するために、機械学習、深層学習パッケージ、又はこれらのシミュレーションに対してトレーニングされ得る他の縮約モデルを使用してもよい。例示的なシステム及び方法は、さらなる実験的検証のためにトレーニング・データベースからの３Ｄプリント用に使用されてもよい。

例示的なシステム及び方法は、ＴＡＶＲ後の大動脈基部破裂のリスクを術前評価するとともに、（１）計算シミュレーション、（２）新規リスク・パラメータ、（３）リスク分類、及び（４）計算シミュレーションを通した展開最適化に基づいて臨床結果を最適化するために使用され得る。

別の態様では、ステント・フラクチャからの拡張あり及びなしの場合、天然心臓弁又は外科用心臓弁（ＳＨＶ：ｓｕｒｇｉｃａｌ ｈｅａｒｔ ｖａｌｖｅ）の弁尖組織に対する改変あり及びなしの場合のＳＨＶにおけるＴＨＶの植え込みの成功を術前評価し、計算シミュレーション結果に基づいて処置の結果を最適化するために使用可能な例示的なシステム及び方法が開示される。

別の態様では、拡張型経カテーテル心臓弁をシミュレートするのに好適なコンピュータ支援設計（ＣＡＤ：ｃｏｍｐｕｔｅｒ ａｉｄｅｄ ｄｅｓｉｇｎ）モデルを提供することと、拡張型経カテーテル心臓弁の拡張に応じて、組織における応力、ひずみ、及び／又は変位を計算することとを行うことによって組織破裂リスクの分類のための予測モデルが生成される。組織における計算された応力、ひずみ、及び／又は変位は、患者内への拡張型経カテーテル心臓弁展開時における拡張に応じて、低、中、又は高の組織破裂リスクの決定を可能にする。

別の態様では、組織破裂リスクの分類のための予測モデルを生成する方法は、拡張型経カテーテル心臓弁をシミュレートするのに好適なコンピュータ支援設計（ＣＡＤ）モデルを提供することと、拡張型経カテーテル心臓弁の拡張に応じて、組織における応力、ひずみ、及び／又は変位を計算することとを含む。組織における計算された応力、ひずみ、及び／又は変位は、患者内への拡張型経カテーテル心臓弁の展開時の拡張に応じて、低、中、又は高の組織破裂リスクの決定を可能にする。

別の態様では、患者ＣＴスキャンを取得することと、解剖学的モデルを生成することと、患者解剖学モデルにおいて、ＴＨＶの複数の深さ及び角度におけるＴＨＶ展開、ＢＡＳＩＬＩＣＡ／ＬＡＭＰＯＯＮのための切開の位置又は深さ、バルーン充填容積及び圧力、組織改変をシミュレートして変数ごとに最適な術用の値を決定することとを行うことによって患者固有の術前モデルが生成される。

別の態様では、患者における経カテーテル心臓弁置換処置の成功を術前評価する方法は、患者ＣＴスキャンを取得することと、患者解剖学モデルを生成することと、患者解剖学モデルにおいて、ＴＨＶ展開の深さ、ＴＨＶの角度、ＢＡＳＩＬＩＣＡ／ＬＡＭＰＯＯＮのための切開の位置又は深さ、バルーン容積及び圧力、組織改変をシミュレートして変数ごとに最適な術用の値を決定することとを含む。

別の態様では、縮約モデル化を使用する経カテーテル心臓弁の変形の予測モデル化のための方法は、有限要素シミュレーションを介して経カテーテル心臓弁モデルの選択的ノードに適用される第１の力境界条件のセットを用いて選択的ノードの解のライブラリを取得することを含む。本方法はまた、縮約モデルを介して選択的ノードに対する第２の力境界条件のセット下で経カテーテル心臓弁の変形を予測することを含む。第２の力境界条件のセットは、第１の力境界条件のセットとは異なる。

本発明の新規な特徴は、特許請求の範囲において具体的に記載されている。本発明の特徴及び利点のより深い理解は、本発明の原理が使用される例示的な態様を説明する以下の詳細な説明、及び以下の添付の図面の参照によって得られる。

ＴＡＶＲ後の大動脈基部破裂の発生ありのレトロスペクティブ解析された患者の大動脈弁セグメンテーション（左）及びＴＡＶＲ後の大動脈基部破裂の発生なしのプロスペクティブ解析された患者の大動脈弁セグメンテーション（右）示す図である。 ＴＡＶＲ後の大動脈基部破裂の発生ありのレトロスペクティブ解析された患者における、バルーン充填容積（％）にわたってプロットされた天然組織内への石灰化突出の領域におけるひずみ、変位（ｍｍ）、及び応力（ＭＰａ）を示す図である。患者は、パラメータが黄色の点線を超えると中リスク、パラメータが点線を超えると高リスクであると見なされ得る。 ＴＡＶＲ後の大動脈基部破裂の発生なしのプロスペクティブ解析された患者における、バルーン充填容積（％）にわたってプロットされた天然組織内への石灰化突出の領域におけるひずみ、変位（ｍｍ）、及び応力（ＭＰａ）を示す図である。患者は、パラメータが黄色の点線を超えると中リスク、パラメータが点線を超えると高リスクであると見なされ得る。 シミュレートされたバルーン拡張型ＴＨＶ後の局所表面曲率における変化を概説する、基部破裂の発生ありの患者の表面曲率コンターを示す図である。 ＴＨＶステントと弁輪との間の展開角度による応力の変動を示す図である。応力は、ステント展開が弁輪に対して回転されるのに伴い、局所的エリアにおいて増減が見られる。 １５個のノードによって表される自己拡張型ステントの変位を示す縮約モデル化の実例を示す図である。 ＳＨＶフラクチャ及び／又は組織改変ありの患者固有のＣＴスキャンからのＳＨＶジオメトリにおける仮想ＴＨＶ植え込みをシミュレートする方法のフロー・チャートである。 処置前ＣＴイメージングからの生体大動脈弁に欠陥のある患者の大動脈弁セグメンテーション（左）及びプロスペクティブ解析された患者の経カテーテル心臓弁の植え込みのシミュレーション（右）を示す図である。 生体大動脈弁に欠陥のある患者におけるＳＨＶのセグメンテーション（左）及びＢＡＳＩＬＩＣＡを用いたＴＨＶ植え込みのシミュレーションのためのＳＨＶ弁尖ジオメトリに対する改変（右）を示す図である。 処置前ＣＴイメージングからの生体大動脈弁に欠陥のある患者の大動脈弁セグメンテーション（左）を示す図である。 プロスペクティブ解析され、シミュレーションの結果に基づいてＢＡＳＩＬＩＣＡを用いたＴＡＶＲを成功裏に受けた患者における、ＢＡＳＩＬＩＣＡなしのＴＨＶ植え込みのシミュレーションを示す図である。 プロスペクティブ解析され、シミュレーションの結果に基づいてＢＡＳＩＬＩＣＡを用いたＴＡＶＲを成功裏に受けた患者における、ＢＡＳＩＬＩＣＡ技法ありのＴＨＶ植え込みのシミュレーションを示す図である。 ＢＡＳＩＬＩＣＡ切開なしの理想化されたＴＡＶＲ展開後の冠動脈内への流れのＣＦＤシミュレーション結果を示す図である。 ＢＡＳＩＬＩＣＡ切開ありの理想化されたＴＡＶＲ展開後の冠動脈内への流れのＣＦＤシミュレーション結果を示す図である。 処置前ＣＴイメージングからの欠陥のある生体大動脈弁のセグメンテーションを示す図である。 ＳＨＶフラクチャなしの欠陥のあるＳＨＶ内部のＴＨＶ植え込みの仮想シミュレーションを示す図である。 ＴＨＶが植え込まれたＳＨＶのフラクチャをシミュレートするための高圧力バルーン拡張を示す図である。 破断したＳＨＶにおけるＴＨＶ植え込みの仮想予測シミュレーションと、フラクチャありの１９ｍｍのＳＨＶにおける２０ｍｍのＴＨＶ及び２１ｍｍのＳＨＶにおける２３ｍｍのＴＨＶのイン・ビトロ実験との間における流出、ウエスト、及びＴＨＶの流入ロケーションで測定されたＴＨＶステント径における差を示す図である。 僧帽弁前尖及び後尖、左心室、左心房、ＬＶＯＴ及び石灰化結節を含む患者セグメンテーションを示す図である。 図１４Ａの基底部における前尖及び大きい石灰化結節を示す図である。 前尖に沿って石灰化結節まで切り込まれるＬＡＭＰＯＯＮ処置のシミュレーションを示す図である。 ＬＡＭＰＯＯＮなしのＳＡＰＩＥＮ ２６ｍｍのシミュレーション結果を示す図である。 ＬＡＭＰＯＯＮありのＳＡＰＩＥＮ ２６ｍｍのシミュレーション結果を示す図である。 ＬＡＭＰＯＯＮなしのＳＡＰＩＥＮ ２９ｍｍのシミュレーション結果を示す図である。 ＬＡＭＰＯＯＮありのＳＡＰＩＥＮ ２９ｍｍのシミュレーション結果を示す図である。 ネオＬＶＯＴの面積評定を示す図である。心室及び心房が紫で、前尖がオレンジで、石灰化物が青で、ステントがピンクで詳細に示されている、シミュレーション法のＳＡＰＩＥＮ ３ ２９ｍｍの結果が重ねられた処置前ＣＴスキャンの断面図であり、簡易法のステント植え込みもティール・ブルーで重ねられている。 前尖及びＬＶＯＴ閉塞の重大性を詳細に示す３次元レンダリングの図である。 シミュレーション展開法と簡易展開法との間のネオＬＶＯＴの面積比較を示す図であり、シミュレーション法が、はるかに小さい面積となった（２８２ｍｍ^２と比較して７３ｍｍ^２）。 ネオＬＶＯＴを通した速度コンターを詳細に示すＣＦＤ結果の図である。ＬＡＭＰＯＯＮ処置なしの場合は高いピーク速度（６．１ｍ／ｓ）となった。 ネオＬＶＯＴを通した速度コンターを詳細に示すＣＦＤ結果の図である。ＬＡＭＰＯＯＮ処置ありの場合はより低いピーク速度（５．０ｍ／ｓ）となった。 縮約モデル化（ＲＯＭ：Ｒｅｄｕｃｅｄ Ｏｒｄｅｒ Ｍｏｄｅｌｉｎｇ）フレームワークの要約を示す図であり、これは、オフライン・フェーズに分割され得、そこで、計算コストの高いシミュレーションがオフロードされ、次いで、オンライン・フェーズにおいて、設定されたトレーニング済みセットを新規パラメータのセットに対して即座にリサイクルする。 Ｅｖｏｌｕｔ Ｒステント・フレームの理想化されたモデルを示す図であり、そこから、３つの平面Ｐ１、Ｐ２及びＰ３が画定され、これら３つの平面に沿ってすべての力対境界条件が適用されている。 Ｅｖｏｌｕｔ Ｒステント・フレームの理想化されたモデルを示す図である。ステントの２つのノード間のサンプルの力対境界条件が適用されている。 ＰＯＤ植え込み後のステント変形の固有値減衰を示す図である。 捕捉されたＮ個の縮約基底ごとに計算された保持エネルギーを示す図である。 ステント圧着をシミュレートした後のＲＯＭシミュレーション（図２１Ａ）からのステント変形とＦＯＭ有限要素シミュレーション（図２１Ｂ）からのステント変形との間の比較を示す図である。 ステント圧着をシミュレートした後のＲＯＭシミュレーション（図２１Ａ）からのステント変形とＦＯＭ有限要素シミュレーション（図２１Ｂ）からのステント変形との間の比較を示す図である。 ステント拡張のためのＲＯＭシミュレーションからのステント変形とＦＯＭ有限要素シミュレーションとの間の比較を示す図である。 ステント拡張のためのＲＯＭシミュレーションからのステント変形とＦＯＭ有限要素シミュレーションとの間の比較を示す図である。 本明細書で説明される例示的な方法の出力を使用することができるソフトウェア・コンポーネントを実行可能なコンピュータ・システム２００の例示的なコンピュータ・アーキテクチャを示す図である。

例示の方法
組織破裂予測の実現性を実証するために、２人の患者の術前コンピュータ断層撮影スキャンを撮った。１人をレトロスペクティブに解析し、もう１人をＴＡＶＲ処置前に解析した。レトロスペクティブ解析患者では、ＴＡＶＲ後の基部破裂が発生したが、もう１人では、発生しなかった。両大動脈弁を、弁尖及び石灰化物を含めてセグメント化し、バルーン拡張型ＴＨＶを両解剖学構造に展開した（図１）。石灰化物が天然組織内に変位することによって引き起こされた大動脈基部破裂を有する患者では、大きな突出物が見られる（図１）。これらの突出物は、通常のイメージングにおける目視のみから予測することは極めて困難である。例えば、臨床研究により、大動脈基部破裂のリスクを増大させる石灰化容積について観察が行われているが、このケースでは、石灰化容積は、基部破裂がなかった患者において有意に高かった（それぞれ１１６４ｍｍ^３の石灰化容積（基部破裂あり）及び１７０１ｍｍ^３の石灰化容積（基部破裂なし））。

これらの領域における突出のレベルは、応力、ひずみ、及び変位を含む複数のパラメータを使用してさらに定量化され得る。これらのパラメータは、基部破裂ありの患者（図２）及び基部破裂なしの患者（図３）についてのバルーン充填容積に対してプロットされる。

基部破裂ありの患者は、局所化された突出領域における応力及びひずみに基づいてより高い破裂リスクを有すると見なされる。これらの値はまた、大動脈基部破裂の低、中、及び高リスクのリスク・カットオフ・ポイントを実装することによって特徴付けされ得る。例示のカットオフ値を表１に示す。

表１は、バルーン拡張型ＴＨＶシミュレーション展開後の石灰化突出の局所化された領域における、応力（ＭＰａ）、ひずみ、及び変位（ｍｍ）の計算測定値に基づく低、中、及び高リスクの大動脈基部破裂リスク分類を示す。

この大動脈基部破裂のリスクは、バルーン充填容積とともに変化することが確認されている。この解析が処置前に行われる場合、臨床医に、処置中に使用できる最適化された充填容積を与えることによって、臨床計画を支援することができる。このことは、２人の患者によって実証され、プロスペクティブ解析の患者はより低いバルーン充填容積のＴＡＶＲを受け、基部破裂を経験しなかった。さらに、このタイプのリスク評定は、基部破裂がなかった患者が、有意に小さい石灰化容積を有していたが、はるかに高い応力及びひずみを有していた場合の、石灰化容積のみを使用する通常の大動脈基部破裂リスク評定との違いから分かるように、ＣＴスキャンを目視するだけでは知ることができない大量の追加情報を提供する。展開深さ、角度、及び位置の変更などのさらなる解析は、さらなる最適化のために容易に実施することができる。この解析はまた、他の弁置換及びステント展開療法のために容易に実行され得る。また、局所表面曲率変化などの追加のメトリックを測定し、大動脈基部破裂リスクと相関させることもできる（図４）。

図４は、シミュレートされたバルーン拡張型ＴＨＶ後の局所表面曲率における変化を概説する基部破裂の発生ありの患者の表面曲率コンターを示す。

展開深さ、角度、及び位置の変更などのさらなる解析は、さらなる最適化のために容易に実施することができる（図５）。図５は、ステントと弁輪との間の様々な展開角度による応力変動を示す。

いくつかの態様では、大動脈基部破裂あり及びなしの患者のトレーニング・データベースが実装されてもよい。データベースは、高リスク患者をより適切に特定するために、患者の解剖学的パラメータを取り、それらを、大動脈基部破裂の発生と相関させることができる。さらに、機械学習アルゴリズム及び縮約モデルを実装して、疑いのある石灰化結節を迅速に特定し、あらゆる将来の弁設計に関する解剖学構造の幾何学的及び動的変化を迅速に予測することができる。縮約モデル化の概念実証を図６に示す。

さらに、トレーニング・データベースを開発することにより、高い破裂リスクを有するバルーン圧力のための閾値の開発が可能となる。バルーン圧力は、取り付けられた圧力計を使用して処置中に測定され得る。術者が、高リスク閾値を誤って超えてしまうことを防ぐために、バルーン圧力が最大閾値を超えると、バルーン充填を自動的に停止するロック機構が、実装され得る。これは、展開の深さ、位置、及びバルーン容積に関して最適なデバイス配置を計算的に求めた後、プログラム可能で、展開装置の完全な制御を有する、精密なロボットによる方法を使用して患者にこの展開を厳密に行うことに拡張可能である。

最後に、トレーニング・データベースからの３Ｄプリントが、さらなる実験的検証のために使用されてもよい。

ジオメトリ改変を伴うステント付き組織弁又は天然心臓弁内部のステント展開をシミュレートする方法
大動脈弁狭窄は、心臓弁置換の最も一般的な原因である。大動脈弁疾患のための治療法は、機械弁又は生体弁が、機能不全の天然大動脈弁に置換するために使用される、外科的弁置換術である。併存疾患により外科的弁置換術では死亡リスクを伴う患者の場合、病変弁を置換するための最小侵襲の代替手法である経カテーテル大動脈弁置換術（ＴＡＶＲ）を用いて治療を行うことができる。ＴＡＶＲは、天然大動脈弁の置換だけでなく、再手術を行うと高い死亡リスクを伴う患者における欠陥のある生体大動脈弁にも有効であることが示されている。

冠動脈閉塞（ＣＯ：Ｃｏｒｏｎａｒｙ ｏｃｃｌｕｓｉｏｎ又はＣｏｒｏｎａｒｙ ｏｂｓｔｒｕｃｔｉｏｎ）は、ＴＡＶＲ中の稀な処置合併症である。これは、酸素を含んだ血液を心臓の筋肉に供給する、大動脈から始まる冠動脈の血液の流れの部分的又は完全な閉塞である。開心手術による大動脈弁置換術とは異なり、既存の大動脈弁尖は、ＴＡＶＲ中に除去されず、その結果、ＴＡＶデバイスの展開により一方又は両方の冠動脈が閉塞される可能性が高くなる。ＴＡＶＲを受ける欠陥のある生体大動脈弁を持つ患者は、生体弁の弁尖が、ＴＨＶの植え込み後に閉じた円筒を形成し、これが、冠動脈灌流を停止させ得るため、冠動脈閉塞のリスクが高くなる。医原性冠動脈閉塞を防止するための生体又は天然大動脈弁帆の意図的切開（ＢＡＳＩＬＩＣＡ：Ｂｉｏｐｒｏｓｔｈｅｔｉｃ ｏｒ ｎａｔｉｖｅ ａｏｒｔｉｃ ｓｃａｌｌｏｐ ｉｎｔｅｎｔｉｏｎａｌ ｌａｃｅｒａｔｉｏｎ ｔｏ ｐｒｅｖｅｎｔ ｉａｔｒｏｇｅｎｉｃ ｃｏｒｏｎａｒｙ ａｒｔｅｒｙ ｏｂｓｔｒｕｃｔｉｏｎ）は、ＴＡＶＲを受ける患者における冠動脈閉塞のリスクを軽減するために開発された新規な技法である。ただし、ＢＡＳＩＬＩＣＡ後及び従来の臨床的イメージング技法からのＴＨＶの植え込み後にＳＨＶの弁尖がどのような形に落ち着くのかを視覚化するのは困難である。弁尖に対する切開の角度、切開の深さ、植え込み角度、深さ、及びＴＨＶのサイズはすべて、ＳＨＶ弁尖によって取られる最終的な位置に影響を及ぼし、閉塞のリスクが排除されたかどうかを決定し得る。欠陥のあるＳＨＶにおけるＴＨＶ植え込みの患者固有の計算モデル化は、命を脅かすような合併症を防止しながら、技法を最適化し、ＴＡＶＲの結果を改善するのに役立ち得る。

生体弁フラクチャ（ＢＶＦ：Ｂｉｏｐｒｏｓｔｈｅｔｉｃ ｖａｌｖｅ ｆｒａｃｔｕｒｅ）は、欠陥のある外科用弁の内部寸法を増大させることで、圧較差を低下させて、オリフィス有効面積（ＥＯＡ：ｅｆｆｅｃｔｉｖｅ ｏｒｉｆｉｃｅ ａｒｅａ）を向上させつつ、欠陥のある外科用弁内部におけるＴＨＶの最適な拡張を可能にすることが実証されている。しかし、ＢＶＦは、冠動脈閉塞や基部破裂などの合併症のリスクを高める可能性がある。ジオメトリやＳＨＶとＴＨＶとの相互作用に複雑さが伴うため、心エコー検査やコンピュータ断層撮影（ＣＴ）などの臨床的イメージング法からＢＶＦの成功を予測することは困難である。ＢＶＦの患者固有の計算モデル化は、ＢＶＦで意図される血液動態上の成功の達成可能性を評定するだけでなく、冠動脈閉塞又は基部破裂などの有害な結果のリスクを特定することができる。

外科用弁置換術に対して高いリスクがあると考えられる、僧帽弁部位に欠陥のある天然又は生体心臓弁を有する患者は、経カテーテル僧帽弁置換術（ＴＭＶＲ：ｔｒａｎｓｃａｔｈｅｔｅｒ ｍｉｔｒａｌ ｖａｌｖｅ ｒｅｐｌａｃｅｍｅｎｔ）を受ける。左室流出路（ＬＶＯＴ：Ｌｅｆｔ ｖｅｎｔｒｉｃｕｌａｒ ｏｕｔｆｌｏｗ ｔｒａｃｔ）閉塞は、ＬＶＯＴにおける天然僧帽弁前尖の突出によって引き起こされるＴＭＶＲ後の潜在的に致死性の合併症である。ＬＶＯＴ閉塞は、流出速度の上昇及び圧較差の増大によって特徴付けられ得る。ＬＶＯＴの閉塞のリスクが高い患者は、閉塞のリスクを軽減するために僧帽弁前尖切開（ＬＡＭＰＯＯＮ技法）を受けることにより、ＬＶＯＴへの追加の血液の流入を可能にする。ＬＶＯＴ閉塞のリスクの正確なモデル化は、ＴＭＶＲを安全に受けることができる患者を適切に選択するために重要である。現在、ＬＶＯＴ閉塞を推定する唯一の方法は、ＴＨＶ植え込み後の僧帽弁前尖及び石灰化物の変位を考慮に入れないＣＴイメージングを使用するものである。ＬＡＭＰＯＯＮあり及びなしの場合のＴＭＶＲ植え込みの計算モデル化及びそれに続く血液動態の調査を使用して、技法を最適化し、優れた臨床結果を達成することができる。

例示的な方法及びシステムを使用して、ステント・フラクチャからの拡張あり及びなしの場合のＳＨＶにおけるＴＨＶの植え込みの成功を術前評価し、計算シミュレーションに基づいて臨床結果を最適化することができる。図７は、患者固有のＣＴスキャンからのＳＨＶジオメトリにおける仮想ＴＨＶ植え込みをシミュレートするための例示の方法を示す。

本明細書で説明される例示的な方法は、計算モデル化技法を採用して、一般に臨床医がＣＴスキャンからは入手することができない大量の追加情報を提供する。ＳＨＶにおけるＴＨＶ又は天然組織におけるＴＨＶの植え込み中に使用される上述の技法は、患者固有のモデル化を使用して患者における成功の可能性を決定するために、冠動脈流速などのメトリックを使用して仮想的にシミュレートされ、評定され得る。ＴＨＶの展開の深さ、角度、ＢＡＳＩＬＩＣＡ／ＬＡＭＰＯＯＮのための切開の位置、深さ、バルーン容積及び圧力の変更などのさらなる解析は、さらなる最適化のために容易に実施することができる。

本明細書で説明される例示的な方法を使用して、ジオメトリ改変あり及びなしの場合の植え込み後のＴＨＶ前後の圧較差を取得するための予測モデルを開発することができる。ＴＨＶステント・ジオメトリへのＴＨＶ弁尖の追加によるＴＨＶ展開のシミュレーションを使用し、ＳＨＶ又は天然心臓弁への組織改変を伴う、ＳＨＶフラクチャあり及びなしの場合のＳＨＶにおけるＴＨＶ、並びに／又は天然心臓弁におけるＴＨＶの植え込み後の経カテーテル心臓弁の幾何学的オリフィス面積を取得することができる。術前の心エコー検査イメージング・データを使用したさらなる解析により、コストの高いＣＦＤシミュレーションを必要とすることなく、ＦＥＡを使用して患者固有の解剖学構造におけるＴＨＶの仮想展開のみから、弁置換処置の成功を左右する、心臓弁前後の圧較差の予測を得ることができる。

例示的な方法はまた、ＢＶＦ、ＢＡＳＩＬＩＣＡ、又はＬＡＭＰＯＯＮの技法によるＳＨＶの植え込みにおけるＴＨＶの成功した植え込みあり及びなしの場合の患者のトレーニング・データベースを実装することもできる。さらに、人工知能及び／又は機械学習アルゴリズム並びに縮約モデルを実装して、ＳＨＶにおけるＴＨＶの結果の迅速な特定、並びに現在及び将来の弁設計に応じた幾何学的及び動的変化の予測のために、組織及びジオメトリ改変を伴うＴＨＶ展開の仮想シミュレーションのトレーニング・データベースを開発することができる。最後に、トレーニング・データベースからの３Ｄプリントが、さらなる実験的検証のために使用されることになる。

ＢＡＳＩＬＩＣＡを用いた欠陥のあるＳＨＶにおけるＴＨＶ植え込みのモデル化の実現性を実証するために、バルブ・イン・バルブＴＡＶＲを検討していた、欠陥のある２１ｍｍの生体大動脈弁を有していた７４歳の女性の患者の処置前ＣＴ画像をプロスペクティブに取得した。大動脈基部、生体弁ステント及び弁尖の患者固有の仮想モデルをＣＴ画像から再構成し、３Ｄ四面体要素を用いて離散化した（図８）。

図８は、生体大動脈弁に欠陥のある患者の大動脈弁セグメンテーションを示す。

基部、弁尖、及びステントの材料モデルは、文献から得た。ＢＡＳＩＬＩＣＡ技法をエミュレートするために、弁尖モデルのジオメトリにおいて、ＳＨＶの左右の冠動脈弁尖における弁尖の先端から弁尖の基底部まで切り込みが作成された患者ジオメトリの別のモデルを使用した（図９）。

図９は、生体大動脈弁に欠陥のある患者の大動脈弁セグメンテーション、及び組織改変ありの場合のＴＨＶ植え込みのシミュレーションのためのジオメトリに対する改変を示す。

有限要素法を使用することによって両モデルにおける仮想ＴＨＶ植え込みをシミュレートした。ＤＬＣ／ｄは、リスク因子であり、冠動脈口からの弁尖の距離と冠動脈口の直径との比である。リスク因子ＤＬＣ／ｄを使用してＳＨＶにおけるＴＨＶ植え込み後の冠動脈閉塞のリスクの評定を行った結果、左右の冠動脈に対してＤＬＣ／ｄが、０．３２及び０．２７であることが示され、冠動脈閉塞のリスクが非常に高いことが示唆された。しかし、シミュレートされたＢＡＳＩＬＩＣＡ技法ありのケースでは、両冠動脈における閉塞が完全に除去され、いずれの冠動脈の前にもＳＨＶの弁尖材料は見つからなかった（図１０Ａ～図１０Ｃ）。

患者は、モデル化の結果に基づき、左右両側のＢＡＳＩＬＩＣＡを用いて成功裏にＴＡＶＲを受け、ＳＨＶにおけるＴＨＶだけでなく、そのような処置における有害な結果を防止するために使用される組織改変技法の成功の予測においてモデル化の能力が示された。

図１１Ａ～図１１Ｂは、ＢＡＳＩＬＩＣＡあり及びなしの場合の計算上のＴＨＶ植え込みにおける冠動脈内への流速のシミュレーション結果を示す。

弁フラクチャのモデル化及びそれに続く経カテーテル大動脈弁の仮想植え込みのモデル化の実現性を実証するために、ＢＶＦと互換性のある生体大動脈弁に欠陥のある患者の術前コンピュータ断層撮影スキャンを取得した。大動脈基部、生体弁の患者固有のジオメトリ・モデルを、セグメンテーション技法を使用したＣＴ画像から構成し、３次元四面体要素を用いて離散化した。ＴＨＶのジオメトリを生成し、六面体要素を用いて離散化した。大動脈基部、生体弁及びＴＨＶのために使用される材料モデルは、文献から得た。ＴＨＶのジオメトリを生成し、六面体要素を用いて離散化した。欠陥のあるＳＨＶにおけるＴＨＶの仮想植え込みを、有限要素技法を使用してシミュレートした（図１２Ｂ）。ＴＨＶの植え込み後に、ＳＨＶのフラクチャをシミュレートし、ＳＨＶ内部のＴＨＶのために利用可能な面積を拡張するために高圧力バルーンを使用した（図１２Ｃ）。

流出、ウエスト、及び流入領域において測定されたＴＨＶ植え込みの仮想シミュレーション後のＴＨＶの直径の比較は、同処置のイン・ビトロ・シミュレーションからの測定結果と大きな一致を示した（図１３）。

ここで使用される方法は、ＳＨＶにおけるＴＨＶの仮想シミュレーションにおいてＢＶＦを正確に予測することができ、最良の処置結果のためのＢＶＦの最適化においてメトリックのさらなる評定を使用できることを実証した。

僧帽弁部位においてＴＨＶ植え込みを検討していた重篤な僧帽弁輪部石灰化（ＭＡＣ：ｍｉｔｒａｌ ａｎｎｕｌａｒ ｃａｌｃｉｆｉｃａｔｉｏｎ）を有していた６０歳の女性について検討した。ＩＲＢ承認プロトコル下の解析のために処置前心臓コンピュータ断層撮影（ＣＴ）を実行及び取得した。僧帽弁、左心室、左心房、大動脈基部、及び石灰化物をセグメント化した（図１４Ａ～図１４Ｂ）。ＴＨＶのジオメトリを生成し、六面体要素を用いて離散化した。材料モデルは、文献から使用した。中央の自由端から弁尖の腹部に沿って基底部にある大きい石灰化結節まで要素の線を除去することによってＬＡＭＰＯＯＮ処置をシミュレートした（図１４Ｃ）。

両ステントをＬＡＭＰＯＯＮあり及びなしで展開し、４つすべてのケースでネオＬＶＯＴ面積を観察した（図１５Ａ～図１５Ｄ）。

図１６Ａ～図１６Ｃに示すように、ネオＬＶＯＴを通してスプラインを作成し、最小面積を測定することによってネオＬＶＯＴ面積を推定した。これを、僧帽弁部位に円柱を重ねることから成るネオＬＶＯＴ閉塞予測の簡易法と比較した。２０ｍｍのＴＨＶの場合、複雑な有限要素シミュレーションと簡易ステント展開との間にネオＬＶＯＴの面積における大きな差（２８２ｍｍ^２と比較して７３ｍｍ^２）が観察され、面積はＬＡＭＰＯＯＮ後に１０４ｍｍ^２まで増大したが、簡易展開法よりも依然として約２．７倍小さい。これは、簡易展開が、前尖の構造的変形、ＬＡＭＰＯＯＮ後の弁尖の不完全な広がり、及び重篤な弁輪及び弁尖の石灰化によって引き起こされる不規則なＴＨＶ拡張を考慮しないことに起因する可能性が高い。ＬＡＭＰＯＯＮの影響について、従来研究において詳述されている方法に続けて、シミュレーション後の結果に対する数値流体力学（ＣＦＤ：ｃｏｍｐｕｔａｔｉｏｎ ｆｌｕｉｄ ｄｙｎａｍｉｃｓ）の使用を通してさらに調査した。ＬＡＭＰＯＯＮあり及びなしの場合の２９ｍｍのＴＨＶ植え込みを解析した。図１７Ａ～図１７Ｂに示すように、ＬＡＭＰＯＯＮなしの場合では、ネオＬＶＯＴを通した速度がより高かった。

ＬＡＭＰＯＯＮなしの場合及びＬＡＭＰＯＯＮありの場合の左心室と洞上行大動脈移行部との間の圧較差は、それぞれ１５６ｍｍＨｇ及び８６ｍｍＨｇであった。これらの高い圧較差は、ネオＬＶＯＴ面積が１００ｍｍ^２未満の患者において報告された臨床的測定結果と一致する。このケースでは、ＬＡＭＰＯＯＮは、ＬＶＯＴ閉塞を防止するのに十分でなく（圧較差が１０ｍｍＨｇ超）、シミュレートされたモデルと簡易モデルとの間のネオＬＶＯＴ面積に大幅な食い違いがあり、シミュレートされたモデルはＬＶＯＴ閉塞の高いリスクを予測し、簡易モデルはＬＶＯＴ閉塞の低いリスクを予測した。

このようにして高い精度のモデル化を使用して、ネオＬＶＯＴ面積をより適切に予測し、臨床処置前に患者血液動態を解析することができる。術後ＣＴ及び心エコー検査を受けるより多くの患者において、本方法をその使用を通して検証することは、極めて意義深いこととなる。ＣＦＤは、心臓サイクルにわたる流れ及び天然又は生体大動脈弁のジオメトリを実装して、ＬＶＯＴ閉塞が大動脈弁前後の圧較差にどのような影響を及ぼすかに関する時間的情報をもたらし得る。これは、経カテーテル治療選択肢のみを有する外科的リスクの高い患者においてどの程度のＬＶＯＴ閉塞が許容可能であり得るかに関する情報をもたらす。

反復技法を通して、合併症のリスクを最適化することができる。これは、デバイス位置、バルーン容積、ＢＡＳＩＬＩＣＡ／ＬＡＭＰＯＯＮの切開のロケーション及び長さ等における変更を行うことによって実行され得る。その後、最適な展開を実行することができる。

本技法はまた、将来のデバイス設計を試験することにおいても使用することができる。ジオメトリ改変技法の有効性は、展開されるすべてのデバイスの間で一致するわけではない可能性がある。さらに、天然ジオメトリ改変あり及びなしの場合で新たなデバイスの展開シミュレーションを実行し、現在の標準的なデバイスと比較することができる。

本明細書で説明される例示的な方法を使用し、様々な臨床シナリオをシミュレートして、デバイス設計パラメータに対する合併症のリスクを評定することによって、組織破裂、冠動脈閉塞、ＬＶＯＴ閉塞、患者－プロテーゼ不適合などの合併症を防止するための将来のＴＨＶの最適なデバイス設計を特定することができる。提示される計算技法は、実現性の試験及び最適化のために患者固有のジオメトリにおいてデバイスを仮想的に試験することによって、ＢＡＳＩＬＩＣＡ／ＬＡＭＰＯＯＮなどの処置を改善するための切開の深さ及び角度の制御を可能にする新たなデバイスの開発をガイドするために使用することもできる。

トレーニング・データベースは、仮想臨床試行を実行することなど、新たなデバイス設計を試験するために使用することもできる。トレーニング・データベースにおいて、新たな設計のシミュレーションを実行することができ、所望の合併症リスク評定に関するその性能を、現在標準的に使用されているデバイスと比較することができる。次いで、トレーニングは、新たなデバイス設計のためのトレーニング・データベース外の患者において合併症についてのリスクを評定するために使用され得る。

縮約モデル化を介した経カテーテル心臓弁の変形のリアルタイムの予測モデル化
経カテーテル大動脈弁置換術（ＴＡＶＲ）は、重篤な大動脈狭窄（ＡＳ：ａｏｒｔｉｃ ｓｔｅｎｏｓｉｓ）を有する患者、特に従来の外科的弁置換処置を受けることができない外科的リスクの高い患者を治療するための、ますます実行可能な代替手段となっている。ＴＡＶＲ処置前計画パイプライン内において、弁傍漏出、大動脈基部破裂、及び冠動脈閉塞など、ＴＡＶＲ処置後に発生する可能性がある合併症の正確な評定が必要とされている。計算モデル化は、特に大動脈基部破裂に関連して、ＴＡＶＲ処置のための展開挙動を視覚化及び予測するための重要なツールとなり得る。

計算モデルは、一般に、問題の基本的力学を支配する偏微分方程式（ＰＤＥ：ｐａｒｔｉａｌ ｄｉｆｆｅｒｅｎｔｉａｌ ｅｑｕａｔｉｏｎ）を解くための従来の数値計算的技法を使用して作成される。これらの数値計算的技法は、近似として、すなわち、有限数の係数に関与する関数の線形結合として真の解を表すことを含む。有限要素（ＦＥ：Ｆｉｎｉｔｅ Ｅｌｅｍｅｎｔ）法は、ＴＡＶＲ展開の予測モデル化のための最も一般的に使用される技法であり、これらの関数は、典型的には、Ａｂａｑｕｓ ＦＥＡなどの従来の市販のＦＥソルバにおいて、関心のあるメッシュ要素にわたって定義された区分的多項式である。具体的には、ＴＡＶＲ解析において、このプロセスは、天然大動脈弁尖、大動脈基部、及び石灰化堆積物、並びに経カテーテル心臓弁（ＴＨＶ）ステント・フレーム及び弁尖をモデル化することを伴う。ただし、これらの構成要素を正確にモデル化するために必要とされる本質的な幾何学的及び機械的複雑さに起因して、関数の線形結合を解くために非常に多くの係数を必要とするため、プロセスは極めて計算コストが高くなる。さらに、構造的問題と血流との相互作用が組み合わさることで、モデルの複雑さが増すだけであり、これにより、プロセスの計算コストがさらに高くなる。

ＴＡＶＲ展開処置全体のリアルタイム予測に向けた最初のステップとしての役目を果たす、ＴＨＶの構造的変形を迅速に予測するための縮約モデル化（ＲＯＭ）フレームワークを利用する例示的な方法及びシステムが開示される。この例示的な方法及びシステムにより、予め定められた荷重に応答したＴＨＶ変形の迅速な計算が可能になり、これは、任意の隔離された数値計算的方法、最適化手順、又はより一般的には、各ステップが、複数回異なる条件下での問題解決を必要とする反復スキームにおいて重要である。

例示的なシステム及び方法は、オフライン・フェーズとオンライン・フェーズとの２フェーズ式アプローチを必要とし、計算コストの高いシミュレーションは、オフ・ロードされてオフライン段階において実行され、その後、迅速な縮約解のためにオンライン段階において即座にリサイクルされる。オフライン・フェーズでは、各ポイントにパラメータ化された荷重が課された、ＴＨＶモデルからの１５個のプローブ・ポイントを使用して、複数のＦＥシミュレーションを実行し、解のスナップショット・ライブラリを作成する。具体的には、これらの１５個のノードは、ノード間の等しい対向する力が規定される、力対条件の形式で予め定められ、これにより、ステント・ジオメトリの径方向外側又は内側を向く合力がもたらされる。これらの力対の異なる組合せが、シミュレーションごとに課され、スナップショット・ライブラリの各エントリを包含する一意の変形場が得られる。スナップショット・ライブラリは、続いて、固有直交分解（ＰＯＤ：Ｐｒｏｐｅｒ Ｏｒｔｈｏｇｏｎａｌ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ）ガラーキン・アプローチを介して同じ１５個のポイントに対する新規の印加された荷重のセットに対してオンライン・フェーズにおいてリサイクルされる。全体として、このフレームワークを使用して、定義された荷重のセットに応答して所与のＴＨＶの構造的変形をシミュレートするための計算コストを大幅に削減することができる。

主に、オフライン・フェーズとオンライン・フェーズとで構成される、例示的な方法について説明するフローチャートを図１８に示す。簡潔に説明すると、オフライン・フェーズは、ＴＨＶステント・フレームに沿った１５個のプローブ・ポイントにおけるパラメータ化された力境界条件を用いて設定された数のＦＥシミュレーションから開始する。これに続いて、ＰＯＤガラーキン・アプローチを介してスナップショット・ライブラリの次元の縮約が行われ、パラメータの空間における均一な選択が操作され、続いて、第２段階におけるスナップショット・ライブラリの可能性のある冗長性のフィルタリングが行われる。オンライン・フェーズでは、フィルタリングされたスナップショット・ライブラリを使用して縮約基底関数が集計され、それらから、ＲＯＭ解が算出される。

以下では、オフライン・フェーズ、ＴＨＶの理想化されたモデル、及び印加された荷重を示す。最初に、関心のあるＴＨＶの３Ｄジオメトリが、例示的なフレームワークにおいて利用するために必要となる。３Ｄ弁ジオメトリは、弁のマイクロ・コンピュータ断層撮影（ＣＴ）スキャンをリバース・エンジニアリングすることから再構成され得る。このプロセスは、ＳｏｌｉｄＷｏｒｋｓなどのコンピュータ支援設計ソフトウェア（ＣＡＤ）において行われてもよい。以下の実例では、２９ｍｍのＭｅｄｔｒｏｎｉｃ Ｅｖｏｌｕｔ Ｒ弁ステント・フレームを再構成して利用した。フレームワークは、任意のＴＨＶを利用することができ、必要となるのは関心のある弁の３Ｄ ＣＡＤジオメトリだけであることに留意されたい。この例示的なフレームワークで使用される理想化されたモデルは、心膜ベースの弁尖及びスカートを含まない。モデルにおけるこの簡易化により、例示的なフレームワークが、ＴＡＶＲ展開の完全な捕捉に向けた最初のステップとして、ＴＨＶステント・フレーム変形のみに焦点を当てることが可能となった。ＦＥシミュレーションを実行するために、オープンソース・プラットフォームであるＮｅｔｇｅｎ及びＭｍｇｔｏｏｌｓを使用して、Ｅｖｏｌｕｔ弁の適切なメッシュを作成した。以下の実例では、最終的なメッシュ・サイズは、およそ２６万個の四面体要素であった。図１８Ａは、Ｅｖｏｌｕｔ Ｒ弁ステント・フレームの理想化されたモデルを示す。

ＦＥシミュレーションを実行するために、支配力学を定義する必要がある。このフレームワークでは、最初に線形弾性構成則を仮定し、それにより、シミュレーションごとの支配問題は、次のようになり得る。すなわち、以下のようにｕ（ｘ）を求める。
∇・σ＝Ｆ，ｘεΩ （１）

ここで、σ＝λ（∇・ｕ）Ｉ＋２μεは、コーシー応力テンソルであり、ε＝１／２（∇ｕ＋∇ｕ^Ｔ）は、ひずみテンソルである。Ｉは、単位テンソルを示し、Ｆは、外部体積力であり、λ及びμは、ラメ定数である。ＴＨＶの支配力学をより正確に説明するために、このフレームワークに、超極弾性（ｈｙｐｅｒｅｌａｓｔｉｃ）（一般化されたネオ・フッキアン・モデル）又は超弾性（ｓｕｐｅｒｅｌａｓｔｉｃ）構成則などのより関連度の高い非線形構成則を実装してもよい。支配方程式を使用して、１５個のプローブ・ポイントにおける適切な境界条件が、特に「力対」を介して課される。１５個のポイントの各々において、垂直応力が与えられたと仮定した。すなわち、ｉ＝１，２，…，１５に対してσ・ｎ（Ｐ_ｉ）＝ｄ_ｉとなり、ここでｎは、外向き法線単位ベクトルである。より詳細には、１５個のポイント間のすべての可能な対を選択し、各対の２つの端点を接続する線に沿って配向されたベクトルとしてｄ_ｉを定義した。これらの「力対」の境界条件は、大動脈壁及び大動脈基部からＴＨＶステント・フレームに印加される荷重を理想化するとともに、展開処置中のステント・フレームの圧着及び拡張を模倣する。さらに、ステント・フレームへの任意の一般化された荷重を、力対の和によって正確に表すことができることが示され得る。１５個のノードにおけるこれらの力対条件を利用することにより、ステント・ジオメトリを構成する数十万のノードの各々において境界条件を課す必要性を回避し、したがって、シミュレーションの複雑さが低減される。この簡易化は、今度は、ＲＯＭフレームワークを使用することから予想される計算コストにおける節約を強化するだけである。Ｅｖｏｌｕｔステント・フレームの２つのノード間のサンプルの力対が図１９Ｂに示され、図１９Ａに示すように、ステント・フレームに沿って３つの平面Ｐ１、Ｐ２、及びＰ３に沿ってこれらの力対の各々を定義した。

これらの１５個の力対境界条件を使用して、１０５個のＦＥシミュレーションを実行して、スナップショット・ライブラリを形成し、このスナップショット・ライブラリは、本質的には、オンライン・フェーズにおいてさらに利用可能となるトレーニング・データベースとして機能する。

以下に、スナップショットの特異値分解を示す。生成されたスナップショットは、異なる境界条件下の支配問題の解の表現である。各スナップショットは、異なる解を表すが、支配問題について各々が搬送する情報のレベルは、冗長である場合がある。この例示的なフレームワークの最終的な目標が、オンライン・フェーズにおける迅速な計算のために使用する関数のセットを構成することであるため、効率的なプロセスを作成するためにこの冗長性の効果的なフィルタリングが必要とされる。特異値分解（ＳＶＤ：Ｓｉｎｇｕｌａｒ Ｖａｌｕｅ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ）として知られる線形代数の基本的ツールは、この冗長性をフィルタ除去するために採用される。ＳＶＤは、一般的なｍ×ｎの行列Ａが与えられた場合、以下のように３つの行列に因数分解できると述べている。
Ａ＝ＵΣＶ^Ｔ （２）

ここで、Ｕは、その列がＡの左特異ベクトルとして知られるｍ×ｎの直交行列であり（Ｕ^ＴＵ＝Ｉ）、Ｖは、その列がＡの右特異ベクトルであるｎ×ｎの直交行列であり、Σは、そのエントリが特異値を含むｍ×ｎの対角行列である。行列Σからのこれらの特異値は、降順で並べられており、特異値における急速な減衰は、スナップショット・データセットの主要な特徴が、最大特異値に関連付けられたそれらの左固有ベクトルの線形結合によって捕捉され得るようにフィルタリング可能である、データセットにおける高い冗長性を示す。

生成されたスナップショット・ライブラリのＳＶＤ後の初期結果を図２０Ａ及び図２０Ｂに示す。特異値における急激で急速な減少が、およそ１３個の縮約基底後に見られ、このことは、高次元数値モデル（ＦＯＭ：ｆｕｌｌ ｏｒｄｅｒ ｍｏｄｅｌ）全体、すなわち、ＦＥ問題が、スナップショット・ライブラリの最初の１３個の主成分に関連付けられた左固有ベクトルによって適切に近似され得ることを示唆している。さらに、図２０Ｂは、利用された縮約基底ごとに算出された保持エネルギーを示している。プロットは、図２０Ａから示される同じ数の主成分と一致する１３個の縮約基底においてプラトーに達しており、これは、スナップショット・ライブラリから捕捉されるエネルギーの９９．９９％に相当する。このことは、全体として、縮約基底関数を構成し、縮約解を算出するには、最初の１３個の主成分のみを使用すれば十分であることを示唆している。

以下に、固有直交分解ガラーキン・アプローチを示す。ＦＥ法を介した支配問題の離散化の後で、式１からのＦＯＭが、以下の形式における線形系の解を導く。
Ａｕ＝ｂ （３）

ここで、ｕは、関心のある解（得られる変位）であり、Ａは、剛性行列であり、ｂは、強制項及び適用された境界条件（力対条件）の影響を収集するベクトルである。ＰＯＤガラーキン・アプローチでは、式１の近似解を作成し、この形式を式３に代入することで、以下の縮約系が作成される。
Ｗ^ＴＡＷｃ＝Ｗ^Ｔｂ （４）

式４において、Ｗは、ＳＶＤ解析からのフィルタリングされた左固有ベクトルを使用して形成された行列である。オンライン段階において、関心のある新規境界条件を組み込んだベクトルｂを用いる式４を使用して、「小さい」ベクトルｃを解くことができ、そこから、最終的な縮約解を求める。計算コストの節約は、式３におけるＡのサイズと式４における縮約行列Ｗ^ＴＡＷとを比較すれば明らかになり、行列Ａは、サイズが数十万又は数百万となり得るが、Ｗ^ＴＡＷ行列は、数十又は数百行の範囲のサイズを特徴とする。したがって、式４における系を解くのに必要となる計算コストははるかに小さい。

この例示的なフレームワークを使用した結果を以下に示す。具体的には、ＲＯＭフレームワークのオンライン・フェーズにおいて、新規力境界条件を適用し、得られた縮約解を算出した。同じ力境界条件を使用して、従来のＦＥシミュレーションも実行し、生じた変位及び応力並びに計算コストをＲＯＭとＦＯＭとの間で比較した。２つの異なるタイプのシミュレーションを実行した。まず、大動脈壁からの印加荷重によるステント圧着を本質的に模倣する、平面Ｐ１、Ｐ２、及びＰ３の各々に沿って径方向内側の力が印加されるシミュレーションを行い、次に、（例えば、ＴＨＶ弁尖の開閉による）ステント拡張を本質的に模倣する、各平面に沿って径方向外側の力が印加されるシミュレーションを行った。図２１Ａ～図２１Ｂは、径方向内側の力が印加された後に生じたステント・フレームの変位を示す。確認できるように、ＲＯＭ解（図２１Ａ）とＦＯＭ解（図２１Ｂ）との間に違いはなく、このことは、例示的なフレームワークが、従来のＦＥシミュレーションと比較して正確な結果をもたらすことを示している。

さらに、図２２Ａ～図２２Ｂは、ステント拡張を模倣する、径方向外側の力が印加された後に生じた変位を示す。ここでも、ＲＯＭ解（図２２Ａ）とＦＯＭ解（図２２Ｂ）との間に違いは見られず、このフレームワークの正確性を強調する。

上記のＲＯＭ及びＦＯＭシミュレーションの計算上の詳細は、表２にまとめられている。ＦＯＭシミュレーションは、２２７，５１１の自由度（ＴＨＶステント・フレーム上のノード数に対応する）を必要としたが、ＲＯＭシミュレーションは１３個の縮約基底のみを利用してオンライン解を算出した。ＦＯＭのＦＥ解をシミュレートすることには、平均で１２２．２８秒を要した。ＲＯＭのオフライン・フェーズの平均計算時間は、２６５４．３９秒であったが、ＲＯＭのオンライン・フェーズに要したのは、平均でわずか２．１４秒であり、ＦＯＭシミュレーションと比較して９８．２５％の計算時間の低減、又はおよそ６０倍速かった。

そのようなモデル縮約アプローチは、共通のオープンソース・ソフトウェア及びライブラリを使用して開発することができる。ＦＥｎｉＣＳなどのオープンソースのＰｙｔｈｏｎ－Ｃ＋＋ベースの有限要素ライブラリを使用して、有限要素シミュレーションを実行することができる。ＳＶＤ解析及びＰＯＤガラーキン・プロセスは、Ｐｙｔｈｏｎ内の共通の数値ライブラリを使用して実行可能である。さらに、オープンソースのモデル縮約ライブラリのＲＢｎｉＣＳを使用して、プロセス全体を捕捉してもよい。この場合、オフライン・フェーズからモデル縮約、並びに解析の高速化まで、問題全体が、ライブラリによって管理される。表２は、ＦＯＭ及びＲＯＭシミュレーションのための計算上の詳細の要約を示す。

ＴＨＶの構造解析は、弁と天然大動脈ジオメトリとの間の生理学的相互作用をより深く理解する上で、ますます一般的な焦点領域となっている。多くのイン・シリコ研究により、ＴＡＶＲ展開中にＥｖｏｌｕｔ Ｒなどの自己拡張型弁からの大動脈弁輪に対して印加される径方向の力の重要性、並びに、ＴＡＶＲ展開に応答した大動脈壁変形の重大性が示されている。上で見られた変形の大きさは、従来のイン・シリコ研究において発見されたものに類似しており、このフレームワークの正確性を強調する。さらに、図２１Ａ～図２１Ｂ及び図２２Ａ～図２２Ｂに見られたＥｖｏｌｕｔ弁の均一な変形は、生理学的展開中に弁が受ける変形状態を大まかに模倣している。しかし、術前ＴＡＶＲ展開をモデル化し、予測するために使用される従来のＦＥ法は、大量の自由度を必要とし、極めて大きな計算時間（最大２４～７２時間）を要する。１人の患者に対して様々な弁のタイプ及び構成の影響を予測することにも、複数のシミュレーションを必要とする可能性があるため、迅速且つ正確な予測モデルが必要とされる臨床環境では実現不可能となる。完全なＴＡＶＲ展開の設定では、これらのパラメータは、患者固有の大動脈基部内の弁の位置決め、弁の異なる材料特性、又は異なる弁のサイズ及びタイプの幾何学的パラメータ化を含んでもよい。ＲＯＭフレームワークを利用することによって、表２によって証明されるように、計算コストの大幅な削減が可能となり、このことは主に、ＦＯＭに対して縮約問題で利用される自由度の数に起因して生じる。本フレームワークは、１回のオフライン・フェーズの後で、従来のＦＥシミュレーションと比較して正確且つ計算コストの低い結果を提供する種々のパラメータを使用する機会が得られるため、これらの節約は、臨床環境においてＴＡＶＲ展開をシミュレートするのに特に実用性が高い可能性がある。

ＰＯＤガラーキン・アプローチに基づくＲＯＭフレームワークは、２９ｍｍのＭｅｄｔｒｏｎｉｃ Ｅｖｏｌｕｔ Ｒ弁の構造的変形に向けて導入及び適用される。１５個のプローブ・ポイントのみを使用して、フレームワークのオフライン・フェーズにおいて、各々に「力対」荷重を課すことにより、Ｅｖｏｌｕｔフレームの圧着及び拡張を模倣するシミュレーションのための計算時間に大幅な低下が見られた。計算コストの削減に加えて、ＲＯＭシミュレーションは、採用した従来のＦＥ法とほぼ同じ解が得られた。線形弾性材料特性の使用などの制限に対処することや、より生理学的に正確な境界条件を利用することを含む、ＴＡＶＲ展開プロセスをその全体において迅速且つ正確にシミュレートするために本フレームワークのさらなる改良が進行中である。

ＴＡＶＲ後の血液動態の計算解析はまた、臨床医にとって関心のある重要な点である。研究は、ＴＨＶ植え込み後の大動脈基部内で乱流動態が生み出されることや、患者固有の大動脈形態に起因して大動脈基部洞内で流れの停滞が生じることを示している。これらの流れの特徴を評価するために、ＣＦＤを介してＴＨＶに応答した流体動態の解析が必要となる。ＣＦＤは、天然又は経カテーテル弁前後の圧較差を推定するとともに、弁を通る血流線に関する情報を提供するために使用することができ、これらすべてが、天然弁の健康又はＴＨＶの性能に関する重要な情報を臨床医に提供する。弁尖の構造力学と組み合わされて、これは、患者固有のケースにおける正確な予測を提供するために解く必要がある流体－構造相互作用問題をもたらし、これにより、計算コストが劇的に増大する。ＲＯＭはまた、ここで流れのシミュレーションと関連付けられた計算コストを削減するのに不可欠な役割を果たし得る。ＴＡＶＲ展開の構造的シミュレーションのためのＲＯＭ及び流体－個体界面における適切な境界条件と相まって、そのように組み合わされたＲＯＭフレームワークは、個々の患者におけるＴＡＶＲ手術の成功のために、圧較差、流れの停滞の領域、並びに術前及び術後の流れの動的情報の推定を臨床医に迅速に提供する。

本発明の範囲又は趣旨から逸脱することなく本開示において様々な修正及び変形を行うことができることが当業者には明らかとなろう。本開示の他の態様は、明細書の検討及び本明細書で開示される方法の実践から当業者に明らかとなろう。本明細書及び実例は、例示のみとして見なされることを意図しており、本発明の真の範囲及び趣旨は、以下の特許請求の範囲によって示される。

上述した論理演算は、（１）コンピューティング・システム上で実行されるコンピュータ実施動作若しくはプログラム・モジュールのシーケンスとして、且つ／又は（２）コンピューティング・システム内の相互接続された機械論理回路若しくは回路モジュールとして実施され得ることを諒解されたい。この実施は、コンピューティング・システムの性能及び他の要件に依存する選定の問題である。したがって、本明細書で説明される論理演算は、状態演算、動作、又はモジュールとして様々に呼ばれる。これらの演算、動作及び／又はモジュールは、ソフトウェア、ファームウェア、専用デジタル論理、ハードウェア、及びこれらの任意の組合せにおいて実施され得る。また、図面で示され、本明細書で説明されるよりも多い又は少ない演算が実行され得ることを諒解されたい。これらの演算はまた、本明細書で説明されるのとは異なる順序で実行され得る。

図２３は、本明細書で説明される例示的な方法の出力を使用することができるソフトウェア・コンポーネントを実行可能なコンピュータ・システム２００の例示のコンピュータ・アーキテクチャを示す。図２３に示すコンピュータ・アーキテクチャは、例示のコンピュータ・システム構成を示し、コンピュータ２００は、それと通信状態にある解析システム又は任意のコンポーネント上で実行するものして説明される、本明細書で提示されるコンポーネント及び／又はモジュールの任意の態様を実行するために利用され得る。

一態様では、コンピューティング・デバイス２００は、タスクを実行するために協働する、互いに通信状態にある２つ以上のコンピュータを備えてもよい。例えば、限定はしないが、アプリケーションが、そのアプリケーションの命令の同時及び／又は並列処理を許容するような方法で分割されてもよい。代替として、アプリケーションによって処理されるデータが、２つ以上のコンピュータによって設定されたデータの異なる部分の同時及び／又は並列処理を許容するような方法で分割されてもよい。一態様では、コンピューティング・デバイス２００におけるコンピュータの数に直接縛られない、多数のサーバの機能性を提供するように、コンピューティング・デバイス２００によって仮想化ソフトウェアが採用されてもよい。例えば、仮想化ソフトウェアは、４つの物理的コンピュータ上で２０個の仮想サーバを提供してもよい。一態様では、上で開示された機能性は、クラウド・コンピューティング環境における１つのアプリケーション及び／又は複数のアプリケーションを実行することによって提供されてもよい。クラウド・コンピューティングは、動的にスケーリング可能なコンピューティング・リソースを使用してネットワーク接続部を介してコンピューティング・サービスを提供することを含んでもよい。クラウド・コンピューティングは、仮想化ソフトウェアによって少なくとも部分的にサポートされてもよい。クラウド・コンピューティング環境は、企業によって確立されてもよく、且つ／又はサードパーティ・プロバイダから必要に応じて賃借してもよい。一部のクラウド・コンピューティング環境は、企業によって所有及び運営されるクラウド・コンピューティング・リソース、並びにサードパーティ・プロバイダから賃借及び／又はリースしたクラウド・コンピューティング・リソースを含む場合がある。

その最も基本的な構成において、コンピューティング・デバイス２００は、典型的には、少なくとも１つの処理ユニット２２０及びシステム・メモリ２３０を含む。コンピューティング・デバイスの厳密な構成及びタイプに応じて、システム・メモリ２３０は、揮発性（ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ－ａｃｃｅｓｓ ｍｅｍｏｒｙ）など）、不揮発性（読み出し専用メモリ（ＲＯＭ：ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）、フラッシュ・メモリ等）、又はこれら２つの何らかの組合せであってもよい。

この最も基本的な構成は、図２３に破線２１０で示されている。処理ユニット２２０は、コンピューティング・デバイス２００の動作に必要な算術及び論理演算を実行する標準的なプログラム可能なプロセッサであってもよい。１つの処理ユニット２２０が示されているが、複数のプロセッサが存在する場合もある。本明細書で使用される場合、処理ユニット及びプロセッサは、例えば、限定しないが、マイクロプロセッサ（ＭＣＵ：ｍｉｃｒｏｐｒｏｃｅｓｓｏｒ）、マイクロコントローラ、グラフィック処理ユニット（ＧＰＵ：ｇｒａｐｈｉｃａｌ ｐｒｏｃｅｓｓｉｎｇ ｕｎｉｔ）、及び特定用途向け回路（ＡＳＩＣ：ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｃｉｒｃｕｉｔ）を含む、入力に対して機能を実行して、出力を作成するための符号化された命令を実行する物理的なハードウェア・デバイスを指す。したがって、命令は、１つのプロセッサによって実行されるものとして説明されることがあるが、命令は、同時に、逐次的に、又は別法で１つ又は複数のプロセッサによって実行されてもよい。コンピューティング・デバイス２００はまた、コンピューティング・デバイス２００の様々なコンポーネントの間で情報を通信するためのバス又は他の通信機構を含んでもよい。

コンピューティング・デバイス２００は、追加の特徴／機能性を有してもよい。例えば、コンピューティング・デバイス２００は、限定はしないが、磁気又は光ディスク又はテープを含む、リムーバル・ストレージ２４０及びノンリムーバブル・ストレージ２５０などの追加のストレージを含んでもよい。コンピューティング・デバイス２００はまた、例えば本明細書で説明される通信経路を介して、デバイスが他のデバイスと通信することを可能にするネットワーク接続部２８０を含んでもよい。ネットワーク接続部２８０は、モデム、モデム・バンク、イーサネット（登録商標）・カード、ユニバーサル・シリアル・バス（ＵＳＢ：ｕｎｉｖｅｒｓａｌ ｓｅｒｉａｌ ｂｕｓ）インタフェース・カード、シリアル・インタフェース、トークン・リング・カード、光ファイバ分散データ・インタフェース（ＦＤＤＩ：ｆｉｂｅｒ ｄｉｓｔｒｉｂｕｔｅｄ ｄａｔａ ｉｎｔｅｒｆａｃｅ）カード、ワイヤレス・ローカル・エリア・ネットワーク（ＷＬＡＮ：ｗｉｒｅｌｅｓｓ ｌｏｃａｌ ａｒｅａ ｎｅｔｗｏｒｋ）カード、符号分割多元接続（ＣＤＭＡ：ｃｏｄｅ ｄｉｖｉｓｉｏｎ ｍｕｌｔｉｐｌｅ ａｃｃｅｓｓ）、汎欧州デジタル移動体通信システム（ＧＳＭ：ｇｌｏｂａｌ ｓｙｓｔｅｍ ｆｏｒ ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ロングターム・エボリューション（ＬＴＥ：ｌｏｎｇ－ｔｅｒｍ ｅｖｏｌｕｔｉｏｎ）、ワールドワイド・インターオペラビリティ・フォー・マイクロウェーブ・アクセス（ＷｉＭＡＸ：ｗｏｒｌｄｗｉｄｅ ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ ｍｉｃｒｏｗａｖｅ ａｃｃｅｓｓ）及び／又は他のエア・インタフェース・プロトコルの無線トランシーバ・カードなどの無線トランシーバ・カード、並びに他のよく知られているネットワーク・デバイスの形態を取り得る。コンピューティング・デバイス２００は、キーボード、キーパッド、スイッチ、ダイアル、マウス、トラック・ボール、タッチ・スクリーン、音声認識装置、カード・リーダ、ペーパー・テープ・リーダ、又は他のよく知られている入力デバイスなどの入力デバイス２７０を有してもよい。また、プリンタ、ビデオ・モニタ、液晶ディスプレイ（ＬＣＤ：ｌｉｑｕｉｄ ｃｒｙｓｔａｌ ｄｉｓｐｌａｙ）、タッチ・スクリーン・ディスプレイ、ディスプレイ、スピーカ、仮想現実インタフェース等の出力デバイス２６０が含まれてもよい。臨床医が、様々な外科的選択肢の結果を調査することを可能にし、それにより、意思決定を支援するために、入力及び出力の視覚化のリアルタイムのユーザ修正のための対話可能なインタフェースを実装することもできる。また、Ｘ線血管造影などの実際の患者イメージングをリアルタイムのシミュレーション結果と融合させることで、臨床実践のためのよりユーザ・フレンドリーな環境を実現することもできる。コンピューティング・デバイス２００のコンポーネント間のデータの通信を容易にするために、追加のデバイスをバスに接続してもよい。これらのデバイスのすべてが、当技術分野でよく知られており、ここで詳しく説明する必要はない。

処理ユニット２２０は、有形のコンピュータ可読媒体において符号化されたプログラム・コードを実行するように構成されてもよい。有形のコンピュータ可読媒体は、コンピューティング・デバイス２００（すなわち、機械）を特定の方法で動作させるデータを提供することが可能な任意の媒体を指す。様々なコンピュータ可読媒体を利用して、処理ユニット２２０に実行のための命令を提供してもよい。例示の有形のコンピュータ可読媒体は、限定しないが、コンピュータ可読命令、データ構造、プログラム・モジュール又は他のデータなどの情報の記憶のために任意の方法又は技術において実装される揮発性媒体、不揮発性媒体、リムーバブル媒体及びノンリムーバブル媒体を含んでもよい。システム・メモリ２３０、リムーバブル・ストレージ２４０、及びノンリムーバブル・ストレージ２５０は、すべて有形のコンピュータ記憶媒体の実例である。例示の有形のコンピュータ可読記録媒体は、限定はしないが、集積回路（例えば、フィールド・プログラマブル・ゲート・アレイ、又は特定用途向けＩＣ）、ハード・ディスク、光ディスク、光磁気ディスク、フロッピー（登録商標）・ディスク、磁気テープ、ホログラフィック記憶媒体、ソリッドステート・デバイス、ＲＡＭ、ＲＯＭ、電気的に消去可能なプログラム読み出し専用メモリ（ＥＥＰＲＯＭ：ｅｌｅｃｔｒｉｃａｌｌｙ ｅｒａｓａｂｌｅ ｐｒｏｇｒａｍ ｒｅａｄ－ｏｎｌｙ ｍｅｍｏｒｙ）、フラッシュ・メモリ又は他のメモリ技術、ＣＤ－ＲＯＭ、デジタル多用途ディスク（ＤＶＤ：ｄｉｇｉｔａｌ ｖｅｒｓａｔｉｌｅ ｄｉｓｋ）又は他の光ストレージ、磁気カセット、磁気テープ、磁気ディスク・ストレージ又は他の磁気記憶デバイスを含む。

上記に鑑みて、本明細書で提示されるソフトウェア・コンポーネントを記憶及び実行するために、コンピュータ・アーキテクチャ２００において、多くのタイプの物理的変換が行われることを諒解されたい。また、コンピュータ・アーキテクチャ２００は、ハンドヘルド・コンピュータ、組み込み型コンピュータ・システム、携帯情報端末、及び当業者に知られている他のタイプのコンピューティング・デバイスを含む、他のタイプのコンピューティング・デバイスも含み得ることを諒解されたい。また、コンピュータ・アーキテクチャ２００は、図２３に示すコンポーネントのすべてを含まなくてもよく、図２３に明示的に示していない他のコンポーネントを含んでもよいし、図２３に示すものとは異なるアーキテクチャを利用してもよいことが企図される。

例示の実施態様では、処理ユニット２２０は、システム・メモリ２３０に記憶されたプログラム・コードを実行してもよい。例えば、バスは、システム・メモリ２３０にデータを搬送してもよく、このシステム・メモリ２３０から、処理ユニット２２０は、命令を受信し、それを実行する。システム・メモリ２３０によって受信されるデータは、任意選択で、処理ユニット２２０の実行の前又は後に、リムーバブル・ストレージ２４０又はノンリムーバブル・ストレージ２５０上に記憶されてもよい。

本明細書で説明される様々な技法は、ハードウェア若しくはソフトウェア、又は適切な場合にはそれらの組合せとの関連で実施され得ることを理解されたい。したがって、現在開示されている主題の方法及び装置、又はそれらの特定の態様若しくは部分は、フロッピー（登録商標）・ディスケット、ＣＤ－ＲＯＭ、ハード・ドライブ、又は任意の他の機械可読記憶媒体などの有形媒体において具現化されたプログラム・コード（すなわち、命令）の形態を取ってもよく、プログラム・コードが、コンピューティング・デバイスなどの機械にロードされ、それによって実行されると、機械は、現在開示されている主題を実践するための装置となる。プログラム可能なコンピュータ上のプログラム・コードの実行の場合、コンピューティング・デバイスは、一般に、プロセッサと、プロセッサによって読み出し可能な記憶媒体（揮発性及び不揮発性のメモリ及び／又は記憶素子を含む）と、少なくとも１つの入力デバイスと、少なくとも１つの出力デバイスとを含む。１つ又は複数のプログラムは、例えば、アプリケーション・プログラミング・インタフェース（ＡＰＩ：ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｇｒａｍｍｉｎｇ ｉｎｔｅｒｆａｃｅ）、再利用可能なコントロール等を通して、現在開示されている主題に関連して説明されたプロセスを実施又は利用してもよい。そのようなプログラムは、コンピュータ・システムと通信するために、高レベルの手続き型又はオブジェクト指向プログラミング言語において実装されてもよい。ただし、プログラムは、所望の場合、アセンブリ言語又は機械語において実装され得る。いずれの場合も、言語は、コンパイル型又はインタプリタ型言語であってもよく、ハードウェア実装と組み合わされてもよい。

さらに、種々のコンポーネントは、無線及び／若しくは有線、又は他の望ましい利用可能な通信手段、システム、及びハードウェアを介して通信状態にあってもよい。

さらに、種々のコンポーネント及びモジュールは、同様の機能を提供する他のモジュール又はコンポーネントによって置き換えられてもよい。

コンピュータ・アーキテクチャ２００は、本開示で開示されたモデル化、シミュレーション及び方法の機能を可能にするために必要なソフトウェア及び／又はハードウェア・コンポーネント及びモジュールを含む。いくつかの態様では、コンピュータ・アーキテクチャ２００は、（例えば、システム・メモリ２３０、リムーバブル・ストレージ２４０、ノンリムーバブル・ストレージ２５０、及び／又はクラウド・データベースに記憶される）人工知能（Ａ．Ｉ．：ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ）モジュール若しくはアルゴリズム及び／又は機械学習（Ｍ．Ｌ．：ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ）モジュール若しくはアルゴリズムを含んでもよい。Ａ．Ｉ．及び／又はＭ．Ｌ．モジュール／アルゴリズムは、本開示で開示されるモデル、シミュレーション、及び／又は方法の予測力を高め得る。例えば、患者情報及び計算モデルへの任意の関連する入力データを含む、深層学習、Ａ．Ｉ．及び／又はＭ．Ｌ．のモデル・トレーニングを使用することによって、計算モデルの予測力が大幅に向上し得る。Ａ．Ｉ．及び／又はＭ．Ｉ．モジュール／アルゴリズムはまた、データベースが大きくなるにつれて、予測の感度及び特異性を改善するのに役立つ。いくつかの態様では、コンピュータ・アーキテクチャ２００は、出力デバイス２６０及び／又は入力デバイス２７０の一部として、仮想現実（ＶＲ：ｖｉｒｔｕａｌ ｒｅａｌｉｔｙ）、拡張現実（ＡＲ：ａｕｇｍｅｎｔｅｄ ｒｅａｌｉｔｙ）、及び／又は複合現実ディスプレイ、ヘッドセット、グラス、又は任意の他の好適なディスプレイ・デバイスを含んでもよい。いくつかの態様では、ディスプレイ・デバイスは、ユーザが、ＡＲあり若しくはなし、ＶＲあり若しくはなし、又は臨床医が対話を行い、意思決定をするのに役立つリアルタイムの臨床イメージングとの融合を含む選択肢から選択することを可能にするように対話式であってもよい。

本開示の例示の態様は、本明細書でいくつかの事例において詳細に説明されるが、他の態様も企図されることを理解されたい。したがって、本開示は、以下の詳細な説明に記載されるか又は図面において例示される構成要素の構成及び配置の詳細にその範囲が限定されることは意図されていない。本開示は、他の態様も可能であり、様々な方法で実践又は実行され得る。

本明細書及び添付の特許請求の範囲において使用される場合、文脈上明らかに別段の指示がない限り、「１つの（ａ）」、「１つの（ａｎ）」、及び「その（ｔｈｅ）」という単数形は、複数の指示対象を含む。範囲は、「約」若しくは「およそ」１つの特定の値から、且つ／又は「約」若しくは「およそ」別の特定の値までのように本明細書で表され得る。そのような範囲が表されるとき、他の例示的な態様は、その１つの特定の値から、且つ／又はその別の特定の値までを含む。

「備える（ｃｏｍｐｒｉｓｉｎｇ）」、「含む（ｃｏｎｔａｉｎｉｎｇ）」又は「含む（ｉｎｃｌｕｄｉｎｇ）」とは、名前を挙げられた化合物、元素、粒子、又は方法ステップが、組成物、物品、又は方法内に存在するが、他の化合物、材料、粒子、方法ステップが名前を挙げられたものと同じ機能を有する場合であっても、他のそのような化合物、材料、粒子、方法ステップの存在を排除しないことを意味する。

例示の態様を説明する際、技術用語は、明確にするために使用される。各用語は、当業者によって理解される最も広い意味を企図しており、同様の目的を達成するために同様の方法で動作するすべての技術的均等物を含むことが意図される。また、方法の１つ又は複数のステップの言及は、明示的に特定されるこれらのステップの間の追加の方法ステップ又は介在的方法ステップの存在を排除しないことを理解されたい。方法のステップは、本開示の範囲から逸脱することなく、本明細書で説明されるのとは異なる順序で実行されてもよい。

同様に、デバイス又はシステムにおける１つ又は複数のコンポーネントの言及は、明示的に特定されるこれらのコンポーネントの間の追加のコンポーネント又は介在的コンポーネントの存在を排除しないことも理解されたい。

本明細書で使用される場合、「対象」は、任意の適用可能なヒト、動物、又は他の有機体、生きているもの又は死んでいるもの、或いは他の生物学的若しくは分子的構造又は化学的環境であってもよく、対象の特定の構成要素、例えば、対象の特定の組織又は流体（例えば、生きている対象の身体の特定のエリアにおける人体組織）に関連していてもよく、これは、本明細書において、「関心のあるエリア」又は「関心のある領域」と呼ばれる対象の特定のロケーションであり得る。

本明細書で説明される場合、対象は、ヒト又は任意の動物であってもよいことを諒解されたい。動物は、限定しないが、哺乳動物、獣医用動物、家畜動物又はペット・タイプの動物等を含む、多種多様な任意の適用可能なタイプであり得ることを諒解されたい。実例として、動物は、ヒトと同様の特定の特徴を持つように具体的に選択された実験室用動物（例えば、ラット、犬、豚、サル）等であってもよい。例えば、対象は、任意の適用可能なヒト患者であってもよいことを諒解されたい。

「約」という用語は、本明細書で使用される場合、およそ、ほぼ、大まかに、又は前後を意味する。「約」という用語が、数値範囲と併せて使用されるとき、記載される数値の上下に境界を拡張することによって範囲を修飾する。一般に、「約」という用語は、本明細書では、１０％のばらつきで述べられた値の上下の数値を修飾するために使用される。一態様では、「約」という用語は、それが使用される数の数値のプラス又はマイナス１０％を意味する。したがって、約５０％とは、４５％～５５％の範囲内を意味する。端点によって本明細書に記載される数値範囲は、その範囲内に包含されるすべての数及び小数を含む（例えば、１～５は、１、１．５、２、２．７５、３、３．９０、４、４．２４、及び５を含む）。

同様に、端点によって本明細書に記載される数値範囲は、その範囲内に包含される部分範囲を含む（例えば、１～５は、１～１．５、１．５～２、２～２．７５、２．７５～３、３～３．９０、３．９０～４、４～４．２４、４．２４～５、２～５、３～５、１～４、及び２～４を含む）。また、そのすべての数及び小数は用語「約」による修飾が想定されることを理解されたい。

Claims (26)

1. 組織破裂リスクの分類のための予測モデルであって、
   拡張型経カテーテル心臓弁をシミュレートするのに好適なコンピュータ支援設計（ＣＡＤ）モデルを提供することと、
   前記拡張型経カテーテル心臓弁の拡張に応じて、組織における応力、ひずみ、及び／又は変位を計算することと
   を行うことによって生成され、
   前記組織における計算された前記応力、ひずみ、及び／又は変位が、患者内への前記拡張型経カテーテル心臓弁の展開時の前記拡張に応じて、低、中、又は高の組織破裂リスクの決定を可能にする、予測モデル。
2. 前記組織が、大動脈基部の組織を含む、請求項１に記載の予測モデル。
3. 前記ＣＡＤモデルが、前記拡張型経カテーテル心臓弁のＣＴスキャン、マイクロＣＴスキャン、ＭＲＩスキャン、及び／又はＣＡＤジオメトリ・モデルに基づいて構築される、請求項１に記載の予測モデル。
4. 組織破裂の計算されたリスクを低減するために、前記拡張型経カテーテル心臓弁の深さ、角度、又は位置を変更することによってさらに生成される、請求項１に記載の予測モデル。
5. 計算された前記応力、ひずみ、及び／又は変位が、石灰化突出、石灰化結節に起因するか、又は特定の解剖学的構造の曲率コンターによって引き起こされる、請求項１に記載の予測モデル。
6. 前記応力、ひずみ、及び／又は変位が、縮約モデル化に基づいて計算される、請求項１に記載の予測モデル。
7. 前記縮約モデル化が、機械学習フレームワーク、深層学習フレームワーク、及び／又は人工ニューラル・ネットワーク・フレームワークに基づいて開発される、請求項６に記載の予測モデル。
8. 組織破裂リスクの分類のための予測モデルを生成する方法であって、
   拡張型経カテーテル心臓弁をシミュレートするのに好適なコンピュータ支援設計（ＣＡＤ）モデルを提供することと、
   前記拡張型経カテーテル心臓弁の拡張に応じて、組織における応力、ひずみ、及び／又は変位を計算することと
   を含み、
   前記組織における計算された前記応力、ひずみ、及び／又は変位が、患者内への前記拡張型経カテーテル心臓弁の展開時の前記拡張に応じて、低、中、又は高の組織破裂リスクの決定を可能にする、方法。
9. 前記拡張型経カテーテル心臓弁のＣＴスキャン、マイクロＣＴスキャン、ＭＲＩスキャン、及び／又はＣＡＤジオメトリ・モデルに基づいて前記ＣＡＤモデルを構築することを含む、請求項８に記載の方法。
10. 経カテーテル大動脈弁置換処置の前に、前記拡張に応じて、前記組織における前記応力、ひずみ、及び／又は変位の例図を生成することと、
    前記患者に対する最適な拡張を決定し、それにより、前記患者の前記組織破裂リスクを低減することと
    をさらに含む、請求項８に記載の方法。
11. 縮約モデル化に基づく前記応力、ひずみ、及び／又は変位を計算することを含む、請求項８に記載の方法。
12. 患者ＣＴスキャンを取得することと、
    解剖学的モデルを生成することと、
    前記患者解剖学モデルにおいて、ＴＨＶの複数の深さ及び角度におけるＴＨＶ展開、ＢＡＳＩＬＩＣＡ／ＬＡＭＰＯＯＮのための切開の位置又は深さ、バルーン充填容積及び圧力、組織改変をシミュレートして変数ごとに最適な術用の値を決定することと
    を行うことによって生成される、患者固有の術前モデル。
13. 前記解剖学的モデルを生成することが、大動脈基部、天然大動脈又は僧帽弁、左心室、左心房、石灰化物、生体弁又はステント、及び弁尖のモデル化を含む、請求項１２に記載の患者固有の術前モデル。
14. 前記患者が、以前に心臓の解剖学構造の介入又は変更を受けていない、請求項１２に記載の患者固有の術前モデル。
15. 前記患者解剖学モデルが、フラクチャ及び置換の必要がある、以前に植え込まれたステント付き生体心臓弁を備える、請求項１２に記載の患者固有の術前モデル。
16. 冠動脈流速、心臓弁前後の圧較差などのメトリックの測定、並びに組織改変を伴うステント付き生体心臓弁又は天然心臓弁内部の経カテーテル心臓弁シミュレーションのさらなる処置最適化のため、前記測定がＳＨＶフラクチャ及び／又は切開の深さ、角度、ＴＨＶ弁のサイジングとともにどのように変化するのかをさらに含む、請求項１５に記載の患者固有の術前モデル。
17. 患者における経カテーテル心臓弁置換処置の成功を術前評価する方法であって、
    患者ＣＴスキャンを取得することと、
    患者解剖学モデルを生成することと、
    前記患者解剖学モデルにおいて、ＴＨＶ展開の深さ、ＴＨＶの角度、ＢＡＳＩＬＩＣＡ／ＬＡＭＰＯＯＮのための切開の位置又は深さ、バルーン容積及び圧力、組織改変をシミュレートして変数ごとに最適な術用の値を決定することと
    を含む、方法。
18. 前記患者解剖学モデルを生成することが、大動脈基部、天然大動脈又は僧帽弁、左心室、左心房、石灰化物、生体弁又はステント、及び弁尖のモデル化を含む、請求項１７に記載の方法。
19. 前記患者が、以前に心臓の解剖学構造の介入又は変更を受けていない、請求項１７に記載の方法。
20. 前記患者解剖学モデルが、フラクチャ及び置換の必要がある、以前に植え込まれたステント付き生体心臓弁を備える、請求項１７に記載の方法。
21. 前記患者解剖学モデルが、冠動脈流速、圧較差などのメトリックの測定、並びに組織改変を伴うステント付き生体心臓弁又は天然心臓弁内部の経カテーテル心臓弁シミュレーションのさらなる処置最適化のため、前記測定がＳＨＶフラクチャ及び／又は切開の深さ、角度、ＴＨＶ弁のサイジングとともにどのように変化するのかをさらに含む、請求項２０に記載の方法。
22. 縮約モデル化を使用する経カテーテル心臓弁の変形の予測モデル化のための方法であって、
    有限要素シミュレーションを介して経カテーテル心臓弁モデルの選択的ノードに適用される第１の力境界条件のセットを用いて前記選択的ノードの解のライブラリを取得することと、
    縮約モデルを介して前記選択的ノードに対する第２の力境界条件のセット下で前記経カテーテル心臓弁の変形を予測することであって、前記第２の力境界条件のセットが、前記第１の力境界条件のセットとは異なる、予測することと
    を含む、方法。
23. 前記経カテーテル心臓弁のステント・ジオメトリを構成する数十万のノードから前記選択的ノードを選定することを含む、請求項２２に記載の方法。
24. 固有直交分解（ＰＯＤ）ガラーキン・アプローチを介して前記第２の力境界条件のセット下で前記経カテーテル心臓弁の前記変形を予測することを含む、請求項２２に記載の方法。
25. 前記選択的ノードが、２０個よりも少ないノードを含む、請求項２２に記載の方法。
26. 前記経カテーテル心臓弁の前記変形が、前記経カテーテル心臓弁の患者固有のジオメトリ内への展開時である、請求項２２に記載の方法。

Images