Cardiac perfusion modelling to support clinical practice in coronary artery disease

This PhD thesis proposes an advanced computational framework for the simulation of coronary blood flow and myocardial perfusion, with the aim of supporting the clinical management of patients affected by coronary artery disease. In a context where diagnosis and treatment planning remain complex, the integration of medical imaging and personalized mathematical modeling offers new opportunities to improve prognostic stratification and treatment optimization. The framework is based on a finite element computational model, solved in a patient-specific manner using clinical data and a three-dimensional anatomical model reconstructed from CT angiography images. The model is multiscale and integrates fluid dynamics in the large coronary vessels, described by the Navier–Stokes equations, with myocardial microcirculation, modeled using a multi-compartment porous Darcy approach. One of the main innovations lies in the development of a novel mathematical model of the microcirculation, capable of incorporating the effects of cardiac contraction and microvascular compliance. A central aspect of the thesis is the personalization of the model, achieved through boundary conditions and parameters calibrated on patient-specific data. This enables the non-invasive estimation of clinically relevant quantities such as Fractional Flow Reserve (FFR) and Myocardial Blood Flow (MBF), as well as the prediction of the functional impact of coronary stenoses and the outcomes of revascularization procedures. The framework has been validated through several clinical studies on real patients, comparing numerical results with data obtained from advanced diagnostic exams, including stress CT perfusion imaging. The results demonstrate strong predictive performance, particularly in detecting inducible ischemia and in simulating post-operative outcomes. In addition, an innovative “Virtual PCI” protocol has been developed to simulate angioplasty procedures and optimize treatment strategies. Overall, this work contributes to bridging the gap between descriptive modeling and predictive clinical application, paving the way for the use of digital twins in personalized cardiology.

Questa tesi di dottorato propone un framework computazionale avanzato per la simulazione del flusso coronarico e della perfusione miocardica, con l’obiettivo di supportare la gestione clinica dei pazienti affetti da malattia coronarica. In un contesto in cui la diagnosi e la definizione della strategia terapeutica risultano complesse, l’integrazione tra imaging medico e modellazione matematica personalizzata offre nuove opportunità per migliorare la stratificazione prognostica e l’ottimizzazione dei trattamenti. Il framework è basato su un modello computazionale agli Elementi Finiti, risolto in modo paziente-specifico utilizzando dati clinici del paziente e un modello anatomico 3D ricostruito da immagini CT angiografiche. Il modello è multiscala e integra la fluidodinamica nei grandi vasi coronarici, descritta tramite equazioni di Navier-Stokes, con la microcircolazione miocardica, modellata mediante un approccio poroso di tipo Darcy multi-compartimentale. Una delle principali innovazioni consiste nello sviluppo di un nuovo modello matematico del microcircolo, capace di includere gli effetti della contrazione cardiaca e della compliance del microcircolo. Un elemento centrale della tesi è la personalizzazione del modello, ottenuta tramite condizioni al contorno e parametri calibrati su dati specifici del paziente. Questo consente di stimare grandezze clinicamente rilevanti come il Fractional Flow Reserve (FFR) e il Myocardial Blood Flow (MBF) in modo non invasivo, oltre a prevedere l’impatto funzionale delle stenosi coronariche e gli esiti di interventi di rivascolarizzazione. Il framework è stato validato attraverso diversi studi clinici su pazienti reali, confrontando i risultati numerici con dati ottenuti da esami diagnostici avanzati, tra cui l’esame di perfusione dinamica sotto sforzo in CT (stress CT Perfusion). I risultati dimostrano buone prestazioni predittive, in particolare nella rilevazione dell’ischemia inducibile e nella simulazione degli esiti post-operatori. E’ stato inoltre sviluppato un protocollo innovativo di “Virtual PCI” che consente di simulare interventi di angioplastica e ottimizzare la strategia terapeutica. Nel complesso, questo lavoro contribuisce a colmare il divario tra modellazione descrittiva e applicazione clinica predittiva, aprendo la strada all’uso di digital twins in cardiologia personalizzata.