Modelagem Coronária Otimizada com Expoente Adaptativo de Bifurcação para Aplicações em Planejamento Terapêutico

• Cristiano A. Matta UFOP
• Pedro H. L. Silva UFOP
• Bernardo M. Rocha UFJF
• Rafael A. B. Queiroz UFOP

DOI: https://doi.org/10.5753/sbcas.2026.21346

Resumo

Modelos coronarianos gerados pelo algoritmo CCO utilizam tradicionalmente o expoente γ = 3 (Lei de Murray). Avaliamos o impacto de γ na fidelidade morfométrica frente a dados reais para planejamento terapêutico. Foram comparados γ = 3, γ = 2,55 e um modelo adaptativo dependente do fluxo relativo. O desempenho foi medido por RMSE logarítmico ponderado com penalização estrutural e IC95% via bootstrap. Observou-se redução do erro com γ = 2,55 e superioridade do modelo adaptativo (γ_prox = 2,85, β ≈ 2,0) ao capturar transições funcionais entre regimes proximais e distais. Estratégias adaptativas são fundamentais para gêmeos digitais coronarianos realistas, impactando a acurácia de simulações e o suporte à decisão clínica.

Referências

Alves, J. R., Berg, L. A., Gaio, E. D., Rocha, B. M., Queiroz, R. A. B., and Santos, R. W. (2023). A hybrid model for cardiac perfusion: Coupling a discrete coronary arterial tree model with a continuous porous-media flow model of the myocardium. Entropy, 25(8):1229.

Berg, L. A., Rocha, B. M., Oliveira, R. S., Sebastian, R., Rodriguez, B., Queiroz, R. A. B., Cherry, E. M., and Santos, R. W. (2023). Enhanced optimization-based method for the generation of patient-specific models of Purkinje networks. Scientific Reports, 13(1):11788.

Karch, R., Neumann, F., Neumann, M., and Schreiner, W. (1999). A tree-dimensional model for arterial tree representation, generated by constrained constructive optimization. Comput Biol Med, 29:19–38.

Meneses, L. D. M., Brito, P. F., Rocha, B. M., Santos, R. W., and Queiroz, R. A. B. (2017). Construction of arterial networks considering a power law with exponent dependent on bifurcation level. In Proc. VII Latin American Congress on Biomedical Engineering (CLAIB), pages 545–548. Springer.

Murray, C. D. (1926). The physiological principle of minimum work: I. The vascular system and the cost of blood volume. Proceedings of the National Academy of Sciences of the United States of America, 12(3):207–214.

Pollanen, S., Damrongwatanasuk, R., Bae, J. Y., Wen, J., Nanna, M. G., Al-Damluji, A., Mamas, M. A., Hanna, E. B., and Hu, J.-R. (2025). Coronary bifurcation PCI—Part I: Fundamentals. Journal of Cardiovascular Development and Disease, 12(10).

Schreiner, W. and Buxbaum, P. (1993). Computer-optimization of vascular trees. IEEE Trans Biomed Eng, 40:482–491.

Taylor, D. J., Feher, J., Halliday, I., Hose, D. R., Gosling, R., Aubiniere-Robb, L., van ’t Veer, M., Keulards, D., Tonino, P. A. L., Rochette, M., Gunn, J. P., and Morris, P. D. (2022). Refining our understanding of the flow through coronary artery branches; revisiting Murray’s law in human epicardial coronary arteries. Frontiers in Physiology, 13.

Taylor, D. J., Saxton, H., Halliday, I., Newman, T., Hose, D. R., Kassab, G. S., Gunn, J. P., and Morris, P. D. (2024). Systematic review and meta-analysis of Murray’s law in the coronary arterial circulation. American Journal of Physiology - Heart and Circulatory Physiology, 327(1):H182–H190.

Ulysses, J. N., Berg, L. A., Cherry, E. M., Liu, B. R., Santos, R. W., Barros, B. G., Rocha, B. M., and Queiroz, R. A. B. (2018). An optimization-based algorithm for the construction of cardiac Purkinje network models. IEEE Transactions on Biomedical Engineering, 65(12):2760–2768.

Zamir, M. and Chee, H. (1987). Segment analysis of human coronary arteries. Blood Vessels, 24:76–84.