3D-печать позволит прогнозировать риск осложнений при имплантации аортального клапана

Многие из этих людей проходят процедуру транскатетерной имплантации аортального клапана, при которой искусственный клапан устанавливается с помощью вставленного в аорту катетера. Наиболее трудный момент этой операции – подбор точного размера имплантата, который не будет протекать.

При подготовке к процедуре медики создают трехмерную модель сердца, однако из-за особенностей метода КТ на модели хорошо видны внешние стенки аорты и твердые бляшки, но не тонкие участки тканей. В связи с этим врачи не могут точно прогнозировать, как пересаженный клапан будет взаимодействовать с окружающими тканями.

Именно для решения этой проблемы группа ученых из Института бионических технологий имени Висса в Гарвардском университете разработала способ создания кардиологических моделей с помощью 3D-печати. Новый метод позволит хирургам до проведения операции оценить эффективность искусственного клапана сердца и подобрать оптимальный размер имплантата в зависимости от особенностей анатомии пациента.

Ученые представили программу, которая создает виртуальные 3D-модели участков тканей, невидимых на КТ, на основе параметрического моделирования семи конкретных точек на снимке. Готовую дополненную модель затем напечатали на 3D-принтере из нескольких материалов.

Помимо этого, команда изготовила с помощью 3D-печати устройство, которое помещается внутрь кардиологической модели и позволяет определить оптимальный размер искусственного клапана при расширении и сокращении. Исследователи обнаружили, что напечатанные на 3D-принтере усовершенствованные модели из нескольких материалов позволяют значительно точнее имитировать взаимодействие искусственного аортального клапана с другими участками сердца.

Ученые испытали систему на основе данных 30 пациентов, прошедших транскатетерную имплантацию аортального клапана, из которых у 15 развились осложнения в связи с небольшим размером имплантата. С помощью новой программы и устройства-измерителя исследователи сумели предсказать риск осложнений с точностью 60-73%.