Simulation numérique de l’hypertension pulmonaire thrombo-embolique chronique : vers un diagnostic non invasif ?

Cette étude explore l'utilisation de la mécanique des fluides numérique (MFN) dans l’exploration de l'hypertension pulmonaire. Elle démontre qu'une modélisation patient-spécifique permet d'extraire des biomarqueurs précis, validés par les mesures cliniques de référence.

L'hypertension pulmonaire (HTP) est une pathologie grave et évolutive caractérisée par une élévation de la pression artérielle pulmonaire moyenne (PAPm) au-delà de 20 mmHg au repos, pouvant à terme conduire à une insuffisance cardiaque droite. L’hypertension pulmonaire thromboembolique chronique (HTEPTEC) est une cause HTP résultant d'obstructions mécaniques persistantes (caillots fibreux) dans les artères pulmonaires. Actuellement, le cathétérisme cardiaque droit (CCD) demeure l'examen de référence pour le diagnostic et le suivi des patients atteints d’HTP. Cependant, le CCD est une procédure invasive, coûteuse et comportant des risques inhérents. Bien que l'imagerie conventionnelle, par scanner ou échocardiographie, intervient dans le dépistage mais elle ne peut ni affirmer le diagnostic ni explorer la microvascularisation. La mécanique des fluides numérique (MFN), d’abord développée pour les secteurs aéronautique et automobile, s’impose aujourd’hui comme une innovation majeure en médecine cardiovasculaire. Elle permet de décrire mathématiquement l’écoulement sanguin dans les géométries complexes tel que le réseau vasculaire. Dans ce contexte, cette technique nous a paru constituer une alternative non invasive pertinente pour l’évaluation de l’HTPTEC. L'un des piliers de ce travail a été la mise en place d'une chaîne logicielle complète et robuste, basée exclusivement sur des solutions libres de droit et dotées d'interfaces graphiques. Cette approche vise à rendre la simulation numérique accessible à la communauté médicale sans nécessiter de compétences avancées en programmation. Le processus débute par la segmentation de l'arbre vasculaire à partir d'images d’angioscanners pulmonaires, une étape partiellement automatisée par intelligence artificielle pour gagner en efficacité. Une fois la géométrie 3D de chaque patient reconstruite et le maillage optimisé pour réduire les temps de calcul, le modèle résout les équations de Navier-Stokes pour simuler l'écoulement sanguin. Les conditions limites sont personnalisées pour chaque patient en intégrant des données physiologiques comme le débit cardiaque et les résistances vasculaires pulmonaires issues du CCD. L'étude a été conduite sur une cohorte conséquente de 45 patients et 10 témoins, validant le modèle numérique par rapport aux mesures invasives du CCD. Les résultats montrent une excellente corrélation (r = 0,913, p
Image1 Sara Benchara.png

Figure : Flux de travail
Pour chaque patient : segmentation de l’architecture artérielle pulmonaire à partir de son angioscanner pulmonaire. Maillage de la géométrie et application des conditions limites personnalisées, à l’entrée issue du débit cardiaque et aux sorties issues des résistances vasculaires pulmonaires. Les simulations sont ensuite réalisées afin d’obtenir les différents biomarqueurs.
WSS : wall shear stress ; OSI = Oscillary shear index ; RRT = Relative residence time

Image2 Sara Benchara.png

Figure 2 : Résumé des résultats
La première colonne correspond aux données d’un sujet témoin. Les deuxième et troisième colonnes correspondent aux données d’un patient avant et après traitement, respectivement. L’évolution des différents biomarqueurs est illustrée sous chaque figure.

WSS : contrainte de cisaillement pariétale ; OSI : indice de cisaillement oscillatoire ; RRT : temps de résidence relatif.