An automatic computational framework for tavi planning: from patient-specific anatomy reconstruction to time-efficient and reliable finite element simulation

Transcatheter Aortic Valve Implantation (TAVI) is a widely used clinical procedure for treating severe Aortic Valve (AV) stenosis, yet its complexity demands advanced computational tools for pre-procedural planning. Current tools often require manual intervention, making them unsuitable for use in the clinical environment. Some function as black boxes, limiting the possibility to adjust simulations settings during the intermediate steps. Recent studies have aimed to improve simulation accuracy and efficiency, but no model has yet integrated the most optimal features for reliable patient-specific simulations. To address this, the current work proposes a novel, automated, and time-efficient Finite Element (FE) pipeline for patient-specific TAVI planning, leveraging ad hoc algorithms and FE simulation in Abaqus/Explicit. The workflow leveraged on pre-procedural Computed Tomography (CT) images and the FE model of the ascending aorta and includes the following steps: i) parametric patient-specific modeling of the native AV; ii) automated segmentation and modeling of the calcium deposits through adaptive thresholding; iii) fast FE simulation of the TAVI procedure; iv) automated post-processing to extract clinically relevant data (i.e., stent malposition and stent distorsion). The pipeline’s robustness is evaluated across six patient anatomies and validated against ground truth fluoroscopic data. The pre-processing workflow accurately reconstructed the anatomical valve by effectively detecting the anatomical landmarks, which guided the parametric process. The calcium deposits were accurately tied to the native structures. Simulation results revealed that the model effectively captured stent expansion and localized distortions post-implantation, with higher calcium concentrations leading to increased deformation. However, discrepancies in assessing stent migration suggested the need for integrating relevant factors during deployment, such as the stent’s initial position. Nonetheless, the model indicates a potential malposition that could occur during the procedure. Overall, this work demonstrates robust performance in simulating patient-specific TAVI procedures, providing a customizable, efficient, and user-friendly tool for clinical decision-making that is also fully automated and requires minimal user interaction.

L’impianto transcatetere della valvola aortica (TAVI) è una procedura clinica ampiamente utilizzata per il trattamento della stenosi severa della valvola aortica (AV). Tuttavia, la sua complessità richiede strumenti computazionali avanzati per la pianificazione pre-procedurale. Gli strumenti attuali spesso necessitano di una correzione manuale, rendendoli inadatti all’uso clinico. Alcuni funzionano come black boxes, limitando la possibilità di intervenire durante i passaggi intermedi. Studi recenti hanno cercato di migliorare l’accuratezza e l’efficienza delle simulazioni, ma nessun modello è ancora riuscito a integrare le caratteristiche ottimali per ottenere un processo completo e automatico, che simuli in modo efficace la procedura paziente-specifica. Per affrontare queste problematiche, il presente lavoro propone un nuovo workflow agli elementi finiti (FE), automatizzato ed efficiente, per la pianificazione pre-procedurale della TAVI, sfruttando algoritmi ad hoc e simulazioni FE in Abaqus/Explicit. Il workflow si basa su immagini pre-procedurali ottenute tramite Tomografia Computerizzata (CT) e sul modello FE dell'aorta ascendente, includendo i seguenti passaggi: i) modellazione parametrica e paziente-specifica della valvola aortica nativa; ii) segmentazione e modellazione automatica dei depositi di calcio tramite thresholding adattivo; simulazione FE rapida della procedura TAVI; iii) post-processing automatizzato per estrarre dati clinicamente rilevanti (i.e., malposizionamento e distorsione dello stent). La robustezza del workflow è stata valutata sulle anatomie di sei pazienti e validata rispetto ad immagini fluoroscopiche di riferimento. Il pre-processing ha ricostruito accuratamente l'anatomia valvolare identificando efficacemente i punti di repere anatomici che hanno guidato il processo parametrico. I depositi calcifici sono stati correttamente integrati con le strutture native. I risultati della simulazione hanno evidenziato che il modello riproduce efficacemente l’espansione dello stent e le distorsioni localizzate post-impianto, mostrando che concentrazioni più elevate di calcio portano ad una maggiore deformazione dello stent. Tuttavia, sono emerse discrepanze nella valutazione dello scivolamento dello stent, suggerendo la necessità di integrare fattori aggiuntivi durante la fase di rilascio, come la sua posizione iniziale. Ciononostante, il modello fornisce un'indicazione di un possibile malposizionamento che potrebbe verificarsi durante la procedura. Nel complesso, questo lavoro dimostra prestazioni solide e affidabili nella simulazione paziente-specifica di TAVI, offrendo uno strumento personalizzabile, efficiente e intuitivo per il processo decisionale clinico, completamente automatizzato e con un’interazione minima da parte dell’utente.