Modellazione multiscala dell'evoluzione di placca carotidea calcifica in carotidi pazienti-specifiche

Carotid atherosclerosis remains a leading cause of cerebrovascular events, making the prediction of plaque vulnerability a critical challenge for personalized medicine. This thesis addresses this need by developing, calibrating, and validating an innovative multi-scale Agent-Based Model (ABM) designed to simulate the temporal evolution of calcified plaques in response to patient-specific biomechanical stimuli. The methodological framework integrates Computational Fluid Dynamics (CFD) simulations to extract local hemodynamic indices, such as Time-Averaged Wall Shear Stress (TAWSS), Oscillatory Shear Index (OSI), and Mechanical Wall Stress (MWS). These signals serve as inputs for the ABM, where cellular agents (smooth muscle cells (SMC) and osteoblasts) interact based on probabilistic rules governing mitosis, extracellular matrix synthesis, and mineral deposition. A pivotal phase of the study involved calibrating the model's 16 parameters using a multi-objective genetic algorithm. The exploration of the Pareto Frontier led to the identification of an optimal "Knee Point" (Population 20), which accurately balances intimal thickening and calcium expansion with residual errors of 1.48% and 2.63%, respectively. Analysis of the results revealed inherent stability in tissue growth modeling, contrasted by high parametric sensitivity in the calcification process, confirming the non-linear nature of the disease. The simulator's robustness was further verified through a preliminary validation on independent arterial sections, where the model demonstrated excellent generalization capabilities, maintaining clinical target adherence above 90%. These findings confirm that integrating biomechanical signals with stochastic modeling effectively captures plaque progression. This tool establishes a foundation for future developments aimed at de-novo mineralization prediction, offering a quantitative support system for cardiovascular risk stratification and targeted clinical intervention planning.

L’aterosclerosi carotidea rappresenta una delle principali cause di eventi cerebrovascolari, rendendo la previsione della vulnerabilità della placca una sfida cruciale per la medicina personalizzata. Il presente lavoro di tesi si inserisce in questo contesto attraverso lo sviluppo, la calibrazione e la validazione di un innovativo modello computazionale Agent-Based (ABM) multiscala, progettato per simulare l’evoluzione temporale della placca calcifica in risposta a stimoli biomeccanici paziente-specifici. Il modello integra simulazioni di fluidodinamica computazionale (CFD) per estrarre gli indici emodinamici locali, quali il Time-Averaged Wall Shear Stress (TAWSS), l’Oscillatory Shear Index (OSI) e il Mechanical Wall Stress (MWS). Tali segnali agiscono come input per il modello ABM, dove agenti cellulari (cellule muscolari lisce (SMC) e osteoblasti) interagiscono seguendo regole probabilistiche che governano la mitosi, la sintesi di matrice extracellulare (ECM) e la deposizione minerale. Una fase centrale dello studio è stata dedicata alla calibrazione di 8 parametri del modello tramite un algoritmo genetico multi-obiettivo. La ricerca della soluzione ottimale lungo la Frontiera di Pareto ha permesso di identificare un "Knee Point" (Popolazione 20) capace di bilanciare accuratamente la crescita dell’intima e l’espansione del calcio, con errori residui rispettivamente del 1.48% e del 2.63%. L’analisi dei risultati ha rivelato una stabilità intrinseca nella modellazione della crescita tissutale, contrapposta a un’elevata sensibilità parametrica del processo di calcificazione, confermando la natura non lineare della patologia. La robustezza della simulazione è stata infine verificata tramite una validazione preliminare su una sezione carotidea differente, dove il modello ha dimostrato ottime capacità di generalizzazione mantenendo un’aderenza ai target clinici superiore al 90%. I risultati confermano che l'integrazione di segnali biomeccanici e modellazione stocastica permette di catturare efficacemente la progressione della placca. Questo strumento pone le basi per futuri sviluppi volti alla previsione de-novo della mineralizzazione, offrendo un supporto quantitativo per la stratificazione del rischio cardiovascolare e la pianificazione di interventi clinici mirati.