Автоматическая оптимизация протеза клапана сердца – подход на основе генетического алгоритма

Введение. Разработка новых и совершенствование существующих моделей биопротезов клапанов сердца представляет собой важную задачу современного инжиниринга медицинских изделий. Улучшение геометрии ключевого компонента протеза – створчатого аппарата – способно значительно улучшить его долговечность и, следовательно, клиническую результативность вмешательств на клапанах сердца.

Цель исследования: разработка метода автоматической оптимизации створчатого аппарата протеза клапана сердца с использованием генетического алгоритма NSGA-II. Основной задачей является снижение механических напряжений, повышение гидродинамической эффективности и биомеханической устойчивости протезов, что должно способствовать увеличению их срока службы и снижению вероятности осложнений.

Материал и методы. В работе использована интеграция параметрического моделирования, численного анализа и направленной оптимизации. Генерация геометрии створок осуществлялась с использованием языка Python и средств автоматизированного проектирования (САПР). Биомеханический анализ проводился методом конечных элементов (МКЭ) в среде Abaqus/CAE. Оптимизация осуществлялась с применением алгоритма NSGA-II, позволяющего автоматически подбирать сбалансированные решения по нескольким критериям: площади открытия и закрытия створок, уровню механических напряжений и степени их деформации. Всего было сформировано 250 поколений геометрий. Оптимизированная конструкция была прототипирована методом 3D-печати с использованием полимерных материалов.

Результаты. Оптимизация позволила существенно снизить напряжение в створчатом аппарате и улучшить его функциональные характеристики. В ходе работы алгоритма было установлено, что максимальные улучшения параметров наблюдаются к 42-му и 58-му поколениям, после чего эволюции показателей не отмечалось. Итоговая модель демонстрирует умеренную площадь открытия (66% от максимальной, 2,7 см²), минимальную площадь закрытия (1%), максимальное напряжение 0,89 МПа и отсутствие значительных искажений. Однако процесс 3D-прототипирования выявил технологические сложности, связанные с наличием дефектов из-за использования поддержек при печати.

Заключение. Разработанный алгоритм автоматической оптимизации створчатого аппарата клапана сердца продемонстрировал эффективность в повышении механической устойчивости и гидродинамической эффективности конструкции. Методика позволяет значительно сократить время проектирования и уменьшить субъективность инженерных решений. Тем не менее, выявленные технологические сложности прототипирования требуют дальнейшей доработки, включая альтернативные методы производства. Будущие исследования будут направлены на улучшение биосовместимости материалов и экспериментальную валидацию оптимизированных моделей.

1. Бокерия Л.А., Милиевская Е.Б., Прянишников В.В., Юрлов И.А. Сердечно-сосудистая хирургия – 2023. Болезни и врожденные аномалии системы кровообращения. М.: ФГБУ «НМИЦ ССХ им. А.Н. Бакулева» Минздрава России; 2024:368. https://doi.org/10.17802/23061278-2015-4-6-16

2. Kudryavtseva Yu.A. Biological prosthetic heart valves. From idea to clinical application. Kompleksnye problemy serdechno-sosudistykh zabolevanii. 2015;(4):6–16. (In Russ.). https://doi.org/10.17802/23061278-2015-4-6-16

3. Халивопуло И.К., Евтушенко А.В., Шабалдин А.В., Трошкинев Н.М., Стасев А.Н., Кокорин С.Г. и др. Сравнительный анализ результатов хирургического лечения дисфункции биологических протезов митрального клапана классическим методом и методом «протез-в-протез» с использованием propensity score matching. Комплексные проблемы сердечно-сосудистых заболеваний. 2023;12(2):57–69. https://doi.org/10.17802/2306-12782023-12-2-57-69

4. Барбараш Л.С., Борисов В.В., Рутковская Н.В., Бураго А.Ю., Одаренко Ю.Н., Стасев А.Н. и др. Клинико-морфологическое исследование причин дисфункций эпоксиобработанных ксеноаортальных биопротезов в митральной позиции. Кардиология и сердечно-сосудистая хирургия. 2014;7(4):84–86. URL: https://www.mediasphera.ru/issues/kardiologiya-i-serdechno-sosudistaya-khirurgi ya/2014/4/031996-63852014413 (22.05.2025).

5. Zhuravleva I.Y., Nushtaev D.V., Timchenko T.V., Trebushat D.V., Mayorov A.P., Zheleznev S.I. et al. The concept of a device for the redo transcatheter mitral valve implantation. Sovrem. Tehnol. v Med. 2017;9(3):7. https://doi.org/10.17691/stm2017.9.3.01

6. Fazzari F., Baggiano A., Fusini L., Ghulam Ali S., Gripari P., Junod D. et al. Early biological valve failure: structural valve degeneration, thrombosis, or endocarditis? J. Clin. Med. 2023;12(17):5740. https://doi.org/10.3390/jcm12175740

7. Фадеев А.А. Конструктивные формы и функциональные свойства протезов клапанов сердца. Анналы хирургии. 2013;(3):9–18. URL: https://rusannsurg.com/catalog/detail.php?SECTION_ID=677&ID=18093 (22.05.2025).

8. Xu F., Morganti S., Zakerzadeh R., Kamensky D., Auricchio F., Reali A. et al. A framework for designing patient-specific bioprosthetic heart valves using immersogeometric fluid-structure interaction analysis. Int. J. Numer. Method. Biomed. Eng. 2018;34(4):e2938. https://doi.org/10.1002/cnm.2938

9. Li K., Sun W. Simulated transcatheter aortic valve deformation: A parametric study on the impact of leaflet geometry on valve peak stress. Int. J. Numer. Method. Biomed. Eng. 2017;33(3):e02814. https://doi.org/10.1002/cnm.2814

10. Travaglino S., Murdock K., Tran A., Martin C., Liang L., Wang Y. et al. computational optimization study of transcatheter aortic valve leaflet design using porcine and bovine leaflets. J. Biomech. Eng. 2020;142(1):011007. https://doi.org/10.1115/1.4044244

11. Deb K., Pratap A., Agarwal S., Meyarivan T. A fast and elitist multiobjective genetic algorithm: NSGA-II. IEEE Trans. Evol. Comput. 2002;6(2):182– 197. https://doi.org/10.1109/4235.996017

12. Hall J.E. Guyton and hall: Textbook of medical physiology. 12th ed., Gruliow R., ed. Philadelphia: Elsevier Saunders (2011). [Electronic resource] URL: https://archive.org/stream/guytonandhalltextbookofmedicalphysiology12thed_202004/Guyton-and-Hall-Textbook-of-Medical-Physiology-12th-Ed_djvu.txt (22.05.2025).

13. Смирнов А.А., Овсепьян А.Л., Квиндт П.А., Палеев Ф.Н., Борисова Е.В., Яковлев Е.В. Конечно-элементный анализ при моделировании структур сердца и аорты. Альманах клинической медицины. 2021;49(6):375–384.

14. Rego M.F., Pinto J.C.E.M., Cota L.P., Souza M.J.F. A mathematical formulation and an NSGA-II algorithm for minimizing the makespan and energy cost under time-of-use electricity price in an unrelated parallel machine scheduling. Peer. J. Comput. Sci. 2022;8:e844. https://doi.org/10.7717/peerj-cs.844

15. Zhang J., Yao Y., Sun W., Tang L., Li X., Lin H. Application of the Nondominated Sorting Genetic Algorithm II in Multi-objective Optimization of Orally Disintegrating Tablet Formulation. AAPS Pharm. Sci. Tech. 2022;23(6):224. https://doi.org/10.1208/s12249-022-02379-6

16. Cattelani L., Fortino V. Improved NSGA-II algorithms for multi-objective biomarker discovery. Bioinformatics. 2022;38(Supplement_2):ii20–ii26. https://doi.org/10.1093/bioinformatics/btac463

17. Joshi M., Ghadai R.K., Madhu S., Kalita K., Gao X.-Z. Comparison of NSGA-II, MOALO and MODA for Multi-Objective Optimization of Micro-Machining Processes. Materials (Basel). 2021;14(17):5109. https://doi.org/10.3390/ma14175109

18. Masheane L.R., du Preez W., Combrinck J. Evaluation of the impact of stress distribution on polyurethane trileaflet heart valve leaflets in the open configuration by employing numerical simulation. Math. Comput. Appl. 2024;29(4):64. https://doi.org/10.3390/mca29040064

19. Майоров А.П., Тарасов В.М., Гончаренко A.M., Глушкова Т.В., Бураго А.Ю. Лазерный раскрой элементов кардиоваскулярных протезов. Альманах клинической медицины. 2008;17(2):115.

20. Онищенко П.С., Глушкова Т.В., Костюнин А.Е., Резвова М.А., Акентьева Т.Н., Барбараш Л.С. Компьютерные модели биоматериалов, применяемых для изготовления створчатого аппарата протезов клапанов сердца. Материаловедение. 2023;(7):30–39. https://doi.org/10.31044/1684-579X-2023-0-7-30-39