TwinHeart

L’insuffisance cardiaque reste l’une des principales causes de morbidité et de mortalité dans le monde, et les traitements tels que les dispositifs d’assistance ventriculaire (DAV) entraînent souvent des complications telles que la thrombose, l’hémolyse et les dysfonctionnements des organes terminaux. Il est essentiel de relever ces défis en améliorant les performances des dispositifs d’assistance ventriculaire et les résultats pour les patients afin de faire progresser la prise en charge de l’insuffisance cardiaque et de réduire le fardeau sociétal.

Ce projet présente une nouvelle solution de traitement reposant sur des pompes axiales rotatives intra-aortiques, optimisées grâce à un cadre numérique haute-fidélité qui intègre des simulations d’interaction fluide-structure (FSI), une modélisation avancée de la rhéologie du sang et une analyse multi-échelle pour tenir compte de l’interaction complexe entre la pompe, le tissu artériel et le flux sanguin. En prenant en compte des facteurs tels que la contrainte de cisaillement, la compliance vasculaire et les lésions sanguines, cette approche fournit une représentation très précise des conditions réelles, ce qui représente une amélioration significative par rapport aux modèles idéalisés traditionnels. L’apprentissage par renforcement profond (DRL) sera utilisé pour optimiser les paramètres de la pompe en temps réel, garantissant des ajustements personnalisés de la fonction cardiaque et minimisant les risques tels que les lésions sanguines et les dysfonctionnements des organes terminaux.

En outre, les réseaux neuronaux graphiques (GNN) formés à partir des données de la CFD permettront de prédire rapidement le comportement de l’écoulement et les performances de la pompe, en tenant compte des contraintes de calcul et en permettant une exploration plus large des configurations de conception. Le projet comprendra également une validation expérimentale à l’aide d’un modèle aortique imprimé en 3D, capturant les propriétés non newtoniennes de l’écoulement sanguin et la transition à la turbulence dans les écoulements stationnaires et pulsatiles.

Pour la première fois, cette approche combine l’apprentissage automatique de pointe, la simulation avancée et les techniques expérimentales pour développer un jumeau numérique pour une solution de dispositif d’assistance ventriculaire spécifique au patient. Ce cadre permet non seulement d’améliorer les prévisions de la dynamique du flux sanguin et des performances des dispositifs, mais aussi de réduire l’invasivité de la chirurgie et les complications à long terme. Cette recherche pourrait révolutionner le traitement de l’insuffisance cardiaque en offrant des soins hautement personnalisés et optimisés, en réduisant les coûts des soins de santé et en améliorant de manière significative la qualité de vie des patients et les résultats dans le monde entier.