Stromingsleer verbetert MRI-onderzoek aan bloedvaten

De groep van prof.dr. Saša Kenjereš (faculteit Technische Natuurwetenschappen, TNW) werkt graag aan stromingen in biomedische omgevingen zoals lucht door de longen en bloed door het hart. Onlangs publiceerden Kenjereš met zijn promovenda Romana Perinajová een onderzoek naar de complexe stromingen in een rotonde van slagaderen onder de hersenen die het brein van bloed voorzien.

“Het probleem is dat je vaak niet weet of je simulatie klopt”, vertelt Kenjereš. “Veel mensen rekenen aan vereenvoudigde systemen met stromingen door kanalen of buizen. Dat is standaardwerk. Onze uitdaging is de stroming te berekenen in een complex stelsel van bloedvaten met afsplitsingen en samenvoegingen. In samenwerking met het Amsterdam UMC konden we onze stromingsberekeningen vergelijken met MRI-opnamen.”

^{Pim van Ooij (Amsterdam UMC) bij de MRI-scanner die voor het onderzoek gebruikt is. (Foto: privéverzameling)}

Klinisch ingenieur Pim van Ooij van het Amsterdam UMC vertelt daarover: “Ik werk met 4D-flow MRI (opeenvolgende 3D-beelden – red.) Daarmee kunnen we heel mooi de bloedstromen in het brein in kaart brengen. Er is een andere techniek waarmee dat ook kan, en dat is CFD – computational fluid dynamics. CFD is een numerieke simulatie met randvoorwaarden en aannames, terwijl MRI meting is. Maar wij kunnen niet zo mooi meten als dat je met CFD kunt simuleren.”

Krachten en klachten
In de samenwerking leverde Van Ooij de geometrie van de bloedvaten (van een 25-jarige vrijwilliger) en de gemiddelde stroomsnelheden. Perinajová en Kenjereš berekenden met CFD de stroming in detail, met name vlakbij de vaatwand. Kenjereš: “Het hangt allemaal van de dikte van de grenslaag af, maar dichtbij de wand zijn de voxels (driedimensionale blokjes waar de computer mee rekent – red.) heel klein, iets van een honderdste millimeter. Dat maakt dat wij heel precies de krachten op de vaatwand berekenen.”

^{Promovenda Romana Perinajova voerde de stromingsberekeningen uit. (Foto: Privécollectie)}

Vaatspecialisten zijn daarin geïnteresseerd omdat vaatwandbelasting samenhangt met gezondheidsklachten. Op plekken waar de kracht op de vaatwand (schuifspanning) laag is, stroomt het bloed langzaam en kunnen zich gemakkelijk afzettingen vormen (artherosclerose). Plekken met hoge schuifspanning, en dus hoge stroomsnelheid langs de vaatwand, maken kans op beschadigingen en soms ook uitstulpingen (aneurysma).

Zulke plekken komen uit de stromingsanalyses duidelijk naar voren (zie video).

 

 

^{Berekende stroomsnelheden in het knooppunt van hersenslagaders (Circle of Willis). De camera zoomt eerst in op blauw gebied met lage schuifspanning (risico op plaquevorming) en dan op een rood gebied met hoge belasting vaatwand (risico op aneurysma). (Video: Romana Perinajová, Kenjeres Lab, TU Delft)} 

Door de stromingsanalyse te combineren met biochemie is het zelfs mogelijk om lokaal de zuurstofconcentratie te berekenen. Een toepassing hiervan is de aanwijzing van gedeelten van de bloedvaten die langdurig zuurstof tekortkomen. In de onderstaande video zijn die plekken met rood aangegeven. 

^{De combinatie van MRI en stromingsanalyse (CFD) levert de basis voor de berekening van zuurstoftransport en identificatie van plekken waar zuurstoftekort heerst. (Video: : Romana Perinajová, Kenjeres Lab, TU Delft)} 

Slimme scanner
Nu blijkt dat CFD relevante informatie aan MRI-opnamen toevoegt is de vraag: hoe nu verder? Want gedetailleerde 3D-stromingsberekeningen zijn berucht om de rekencapaciteit die ze vragen. Kenjereš maakt een schatting: 10 miljoen voxels met 6 variabelen, 1000 tijdstappen per hartslag en 3 tot 5 hartslagen per analyse. Dat is een paar dagen rekenen, of een paar uur op een supercomputer.

De onderzoekers richten hun hoop nu op kunstmatige intelligentie. Een geschikt neuraal netwerk dat met enkele tientallen voorbeelden getraind wordt kan volgens hen heel goed stromingssnelheden voorspellen tegen een fractie van de rekentijd. Daarmee zouden de stromingsanalyses van Kenjereš en zijn groep klinisch toepasbaar worden als een uitbreiding van de MRI-scan.

“In de toekomst hoef je helemaal geen CFD meer te doen”, zegt Kenjereš daarover. “Als we goede tijdseries maken kun je daarmee een AI-systeem trainen dat hotspots automatisch herkent en plekken identificeert met verhoogd risico op aandoeningen.”

• Lees de publicatie bij de Royal Society: On the identification of hypoxic regions in subject-specific cerebral vasculature by combined CFD/MRI