李建偉， 紀盛章， 宋金玉， 鄭 珺

腦卒中是一種受環(huán)境與遺傳因素共同作用而緩慢形成的復雜疾病，20%由頸動脈粥樣斑塊性狹窄引起［1］。我國心血管疾病患者達2.3億，腦卒中患者超過700萬［2］。動脈粥樣硬化確切發(fā)生和發(fā)展機制尚未完全清楚，較多研究認為局部流體力學改變可能起到十分重要的作用［3］。本研究將醫(yī)學與流固耦合（fluid structure interaction，F(xiàn)SI）有限元分析有效結(jié)合，構(gòu)建不同狹窄程度頸內(nèi)動脈模型，利用流體力學參數(shù)闡釋頸動脈狹窄局部與動脈粥樣硬化發(fā)生和發(fā)展的關(guān)系，為臨床動脈粥樣硬化預后判斷及治療干預提供理論依據(jù)。

1 材料與方法

1.1 研究對象與頸內(nèi)動脈狹窄標準

選取1例75歲女性頸內(nèi)動脈內(nèi)膜輕度增厚患者，以頸部CTA檢查醫(yī)學數(shù)字成像和通信（DICOM）圖像數(shù)據(jù)作為建模依據(jù)。頸內(nèi)動脈狹窄程度評估根據(jù)北美癥狀性頸動脈內(nèi)膜剝脫試驗（NASCET）標準，其計算公式：狹窄率＝狹窄遠端正常直徑-狹窄段最窄直徑/狹窄遠端正常直徑×100%。

1.2 研究用軟硬件

數(shù)值分析硬件：InterCore i5-2300型計算機中央處理器（內(nèi)存：8 G；SanDisk固態(tài)硬盤：240 G；Windows 7旗艦版64位操作系統(tǒng)）。數(shù)值分析軟件：用于三維模型提取及制作的17.0醫(yī)學影像交互式控制系統(tǒng)（MIMICS）軟件，Geomagic Studio三維正逆向工程軟件，ANSYS workBench 15.0有限元分析軟件。

1.3 模型提取及制作

將DICOM圖像數(shù)據(jù)導入MIMICS軟件進行模型提取，保存為標準模板庫（STL）文件，利用Geomagic Studio軟件將模型光順，在頸內(nèi)動脈內(nèi)膜增厚區(qū)域變形，將血管制作為3級不同程度狹窄——輕度（25%）、中度（50%）、重度（75%），再進行曲面重建，完成長度均50 mm的3組模型。

1.4 FSI有限元分析方法

采用ANSYS workBench 15.0軟件對血液和血管壁模型以非結(jié)構(gòu)四面體網(wǎng)格形式劃分網(wǎng)格。參考Jozwik 等［4］和 Chen 等［5］研究報道，設(shè)血液為不可壓縮的牛頓黏性流體，血液密度為1 060 kg/m3，運算控制方程為Navier-Stoke方程，流動方式為層流。國外相關(guān)文獻顯示血管管壁組織彈性模量為0.6 mPa，管壁密度為 1 150 kg/m3，泊松比為 0.45［6］；人體血液正常黏滯系數(shù)為3.5 cP［7］；血管入口條件為隨心動周期時間變化的函數(shù)［8］，出口條件為自由流動出口，各出口相對壓力設(shè)為零［9］。設(shè)心動周期為1 s，計算步長為0.01 s。在輸出結(jié)果中分別檢測1個心動周期內(nèi)收縮期峰值（0.2 s）狹窄近端（A1）、狹窄喉部（A2）、狹窄遠端（A3）和舒張末期（0.8 s）狹窄近端（B1）、狹窄喉部（B2）、狹窄遠端（B3）壁面壓力（wall pressure，WP）、壁面剪切力（wall shear stress，WSS）和血流速度。

2 結(jié)果

FSI有限元分析結(jié)果顯示，WP在1個心動周期內(nèi)狹窄頸內(nèi)動脈整體分布自頸總動脈入口至頸內(nèi)、外動脈出口處于遞減狀態(tài)，狹窄喉部和狹窄遠端較低（圖1）；WP分布自狹窄肩部開始至狹窄遠端急劇下降，且隨狹窄程度增加其范圍變化明顯，中度狹窄的 A2、B2、B3 部位和重度狹窄的 A2、A3、B2、B3部位出現(xiàn)負壓（表1）。

WSS整體分布隨血管形態(tài)變化而改變，在1個心動周期內(nèi)，狹窄喉部WSS最大，且隨狹窄程度增加明顯升高（圖2）。WSS值在A2、B2部位明顯高于狹窄兩端，且隨狹窄程度增加明顯升高，在A1、A3部位均較低，B1、B3部位最低（表 2）。

圖1 不同狹窄程度頸內(nèi)動脈收縮期峰值和舒張末期WP值圖

表1 各部位不同狹窄程度WP值 Pa

在1個心動周期內(nèi)，不同狹窄程度A2部位血流速度最快，且隨狹窄程度增加而提高；狹窄遠端湍流隨狹窄程度增加而越發(fā)明顯（圖3）。血流速度數(shù)值分析看出，不同狹窄程度A2部位流速值均最高，舒張末期流速值均較低（表3）。

表2 各部位不同狹窄程度WSS值 Pa

圖2 不同狹窄程度頸內(nèi)動脈收縮期峰值和舒張末期WSS值圖

圖3 不同狹窄程度頸內(nèi)動脈收縮期峰值和舒張末期血流線跡圖

表3 各部位不同狹窄程度流速 m/s

3 討論

3.1 WP

本研究結(jié)果顯示，1個心動收縮期內(nèi)，頸內(nèi)動脈狹窄局部WP發(fā)生劇烈變化，中度狹窄A2、B2、B3部位和重度狹窄 A2、A3、B2、B3 部位出現(xiàn)負壓，這與既往研究報道［10-11］一致，且重度狹窄 A3、B3部位負壓受A2、B2部位影響持續(xù)加大，血液在此處發(fā)生倒流，難以為下游腦血管內(nèi)血液提供充足動力。對比輕、中、重3種狹窄程度WP可發(fā)現(xiàn)，狹窄范圍WP變化幅度隨狹窄程度增大而增大，WP值逐漸減小。狹窄喉部和遠端WP降低，血液流經(jīng)頸內(nèi)動脈總量明顯減少，腦部組織發(fā)生供血障礙，引發(fā)缺血性腦卒中。通過WP數(shù)值分析發(fā)現(xiàn)，隨著狹窄程度增大，缺血性腦卒中發(fā)生率明顯升高。

3.2 WSS

WSS大小是衡量血液流動對血管內(nèi)壁組織影響的重要因素。WSS變化影響內(nèi)皮細胞功能，內(nèi)皮因為其特殊位置，直接感受WSS變化，并將信息傳遞給毗鄰細胞，釋放活性物質(zhì)，促進血管壁結(jié)構(gòu)發(fā)生變化，以適應(yīng)變化的力學環(huán)境。血管壁處于高WSS環(huán)境時，流經(jīng)該區(qū)域的血小板易被撕裂并釋放出血細胞聚集活性因子，使血細胞局部聚集，產(chǎn)生動脈粥樣斑塊失穩(wěn)因素，使斑塊破裂脫落，進而堵塞血管［12］。分析本研究3種狹窄程度WSS，可見A2、B2部位WSS值最大，且隨狹窄度增加而加大，這樣使斑塊破損概率大為增加。Caro等［13］認為，低WSS區(qū)域更易發(fā)生動脈粥樣硬化，因為血脂質(zhì)在該處滯留時間較長，易沉積形成局部狹窄。比較3種狹窄程度 WSS，A1、A3、B1、B3 部位均較低，且 A3、B3 部位最低，說明1個心動周期內(nèi)WSS在狹窄遠端均處于最低水平，也最易使狹窄處斑塊延續(xù)發(fā)展，形成更大面積粥樣斑塊或狹窄加劇而閉塞血管。

3.3 血流速度

本研究圖3中顯示，血管中血液流速呈不均勻分布，不同狹窄程度A2部位流速值最高，且隨著管腔狹窄程度遞增而增加。有研究表明高速血流可將血液中致動脈粥樣硬化因子，如單核細胞、脂蛋白等運送至靠近管壁區(qū)域，使得致病因子與血管壁接觸時間延長［14］。狹窄部高速血流將致動脈粥樣硬化因子運送至狹窄遠端，且不同狹窄程度舒張末期均處于較低流速，使狹窄遠端形成動脈粥樣硬化環(huán)境。A3、B3部位血流比較紊亂，湍流越來越明顯，并隨狹窄程度遞增而增加，其WSS也隨狹窄程度增加而減小。這些WSS較小低速湍流區(qū)域易增加內(nèi)膜損傷，增強血清側(cè)漏，出現(xiàn)所謂“濃度極化”現(xiàn)象［15］，導致血管壁物質(zhì)積累和內(nèi)膜增長，從而促進動脈粥樣硬化斑塊形成。

本研究基于FSI有限元分析，獲取了頸內(nèi)動脈狹窄局部1個心動周期內(nèi)WP、WSS和血流速度值。隨著狹窄程度增加，腦部供血量逐漸降低，缺血性腦卒中概率增加；狹窄喉部斑塊易損程度增大；狹窄遠端更易形成斑塊發(fā)展環(huán)境。本研究顯示頸內(nèi)動脈狹窄處粥樣硬化形成和發(fā)展與流體力學有密切關(guān)系，有助于預測頸內(nèi)動脈狹窄局部動脈粥樣硬化發(fā)生和發(fā)展，為臨床預防及進一步干預提供依據(jù)。

［參 考 文 獻］

［1］ Linfante I，Andreone V，Akkawi N，et al.Internal carotid artery stenting in patients over 80 years of age：single-center experience and review of the literature［J］.J Neuroimaging， 2009， 19： 158-163.

［2］ Wan LH，Zhao J，Zhang XP，et al.Stroke prevention knowledge and prestroke health behaviorsamong hypertensive stroke patients in mainland China［J］.J Cardiovasc Nurs， 2014， 29：E1-E9.

［3］ Kefayati S， Poepping TL.Transitional flow analysis in the carotid artery bifurcation by properorthogonaldecomposition and particle image velocimetry［J］.Med Eng Phys， 2013， 35： 898-909.

［4］ Jozwik K，Obidowski D.Numerical simulations of the blood flow through vertebral arteries［J］.J Biomech， 2010， 43： 177-185.

［5］ Chen J， Lu XY.Numerical investigation of the non-Newtonian pulsatile blood flow in a bifurcation model with a non-planar branch［J］.J Biomech， 2006， 39： 818-832.

［6］ Valencia A， Baeza F.Numerical simulation of fluid-structure interaction in stenotic arteries considering two layer nonlinear anisotropic structural model［J］.Int Commun Heat Mass， 2009，36：137-142.

［7］ Chandran KB，Rittgers SE，Yoganathan AP.生物流體力學-人體循環(huán)系統(tǒng)［M］.北京：機械工業(yè)出版社，2014：5.

［8］ Morgan VL， Gore JC， Abou-Khalil B.Functional epileptic network in left mesial temporal lobe epilepsy detected using resting fMRI［J］.Epilepsy Res， 2010， 88： 168-178.

［9］ Tan FP， Borghi A， Mohiaddin RH， et al.Analysis of flow patterns in a patient-specific thoracic aortic aneurysm model［J］.Comput Struct， 2009， 87： 680-690.

［10］劉 瑩，章德發(fā)，殷艷飛，等.頸動脈雙向流固耦合模型非穩(wěn)態(tài)血流數(shù)值分析［J］.介入放射學雜志，2015，24：885-889.

［11］陶 鈞，李 克，劉永晟.頸動脈狹窄的血流動力學初步研究［J］.中華腦血管病雜志·電子版，2014，8：55-58.

［12］ Thim T，Hagensen MK，F(xiàn)alk E，et al.Wall shear stress and local plaque development in stenosed carotid arteries of hypercholesterolemic minipigs［J］.J Cardiovasc Dis Res， 2012， 3： 76-83.

［13］ Caro CG， Fitz-Gerald JM， Schroter RC.Atheroma and arterial wall shear.Observation，correlation and proposal of a shear dependent mass transfer mechanism for atherogenesis［J］.Proc R Soc Lond B Biol Sci， 1971， 177： 109-159.

［14］Ewa B，Anna B，Elzbieta A，et al.Pre-treatment serum levels of interleukin-10，interleukin-12 and their ratio predict response to therapy and probability of event-free and overall survival in childhood soft tissue sarcomas，Hodgkin's lymphomas and acute lymphoblastic leukemias［J］.Clin Biochem， 2009， 42： 1144-1157.

［15］劉 瑩，羅院明，殷艷飛，等.動脈內(nèi)流-固耦合作用下兩相血流動力學數(shù)值模擬［J］.介入放射學雜志，2017，26：253-257.