Компьютерное моделирование заплат различной формы при классической каротидной эндартерэктомии

Цель исследования: описание метода построения геометрических моделей бифуркации сонной артерии с помощью компьютерного моделирования операций каротидной эндартерэктомии (КЭА) с заплатами различной конфигурации.

Материлы и методы. Метод использует реконструированные модели здорового сосуда, полученные с помощью предоперационного компьютерного томографического исследования пораженного сосуда конкретного пациента. Течение в сосуде моделируется методом вычислительной гидродинамики с использованием данных ультразвуковой доплеровской велосиметрии пациента. Факторы риска оцениваются по гемодинамическим показателям на стенке сосуда, связанным с WSS.

Результаты. В работе с помощью предложенного метода исследованы гемодинамические результаты 10 виртуальных операций КЭА с заплатами различной формы на примере реконструированной здоровой артерии конкретного пациента. Смысл имплантации заплаты состоит в том, чтобы в результате операции просвет сосуда не был сужен, поскольку закрытие разреза без заплаты может уменьшить длину окружности просвета сосуда на 4–5 мм, что неблагоприятно сказывается на кровотоке. С другой стороны, слишком широкая заплата создает аневризмоморфную деформацию устья внутренней сонной артерии (ВСА), что не является оптимальным ввиду формирования большой зоны рециркуляции. В рассматриваемом случае установлено, что ширина имплантированной заплаты, приблизительно равная 3 мм, обеспечивает оптимальный гемодинамический результат. Отклонения от этого медианного значения как в большую, так и в меньшую сторону ухудшают гемодинамику, а отсутствие заплаты дает наихудший из рассмотренных результатов.

Заключение. Предложенная методика компьютерного моделирования способна обеспечить персонифицированный подбор заплаты для классической КЭА с низким риском развития рестеноза в отдаленном периоде наблюдения.

1. Казанцев АН, Тарасов РС, Бурков НН, Шабаев АР, Лидер РЮ, Миронов АВ. Каротидная эндартерэктомия: трехлетние результаты наблюдения в рамках одноцентрового регистра. Ангиология и сосудистая хирургия. 2018; 24 (3): 101–108.

2. Казанцев АН, Тарасов РС, Бурков НН, Волков АН, Грачев КИ, Яхнис ЕЯ и др. Госпитальные результаты чрескожного коронарного вмешательства и каротидной эндартерэктомии в гибридном и поэтапном режимах. Ангиология и сосудистая хирургия. 2019; 25 (1): 101–107.

3. Zhong L, Zhang JM, Su B et al. Application of Patient- Specific Computational Fluid Dynamics in Coronary and Intra-Cardiac Flow Simulations: Challenges and Opportunities. Front Physiol. 2018; 9: 742. doi: 10.3389/fphys.2018.00742.

4. Gijsen F, Katagiri Y, Barlis P et al. Expert recommendations on the assessment of wall shear stress in human coronary arteries: existing methodologies, technical considerations, and clinical applications. Eur Heart J. 2019; 40 (41): 3421–3433. doi: 10.1093/eurheartj/ehz551.

5. Borisov VG, Zakharov YN, Shokin YI et al. Numerical Method for Predicting Hemodynamic Effects in Vascular Prostheses. Numer Analys. 2019; 12: 326–337. doi: 10.1134/S1995423919040025.

6. Harrison GJ, How TV, Poole RJ, Brennan JA, Naik JB, Vallabhaneni SR, Fisher RK. Closure technique after carotid endarterectomy influences local hemodynamics. J Vasc Surg. 2014; 60 (2): 418–427. doi: 10.1016/j.jvs.2014.01.069.

7. Geers AJ, Morales HG, Larrabide I, Butakoff C, Bijlenga P, Frangi AF. Wall shear stress at the initiation site of cerebral aneurysms. Biomech Model Mechanobiol. 2017; 16 (1): 97–115. doi: 10.1007/s10237-016-0804-3.

8. Steinman DA. Image-based computational fluid dynamics modeling in realistic arterial geometries. Ann Biomed Eng. 2002; 30 (4): 483–497. doi: 10.1114/1.1467679.

9. Hoskins PR, Hardman D. Three-dimensional imaging and computational modelling for estimation of wall stresses in arteries. Br J Radiol. 2009 Jan; 82 Spec No 1: S3–17. doi: 10.1259/bjr/96847348.

10. Avrahami I, Raz D, Bash O. Biomechanical Aspects of Closing Approaches in Postcarotid Endarterectomy. Comput Math Methods Med. 2018; 2018: 4517652. doi: 10.1155/2018/4517652.

11. Казанцев АН, Бурков НН, Захаров ЮН, Борисов ВГ, Лидер РЮ, Баяндин МС, Ануфриев АИ. Персонифицированная реваскуляризация головного мозга: метод компьютерного моделирования зоны реконструкции для проведения каротидной эндартерэктомии. Хирургия. Журнал им. Н.И. Пирогова. 2020; (6): 71–75.

12. Казанцев АН, Бурков НН, Борисов ВГ, Захаров ЮН, Сергеева ТЮ, Шабаев АР и др. Компьютерное моделирование гемодинамических показателей в бифуркации сонных артерий после каротидной эндартерэктомии. Ангиология и сосудистая хирургия. 2019; 25 (3): 107–112.

13. Казанцев АН, Виноградов РА, Захаров ЮН, Борисов ВГ, Чернявский МА, Кравчук ВН и др. Прогнозирование рестеноза после каротидной эндартерэктомии методом компьютерного моделирования. Неотложная медицинская помощь. Журнал им. Н.В. Склифосовского. 2021; 10 (2): 401–407.