W kierunku cyfrowych bliźniaków elektrofizjologii serca z wydajnym otwartoźródłowym skalowalnym solverem na klastrach GPU

Dlaczego budowanie wirtualnych serc ma znaczenie

Gdy lekarze leczą zaburzenia rytmu serca, często działają częściowo w niepewności: mogą mierzyć sygnały elektryczne na powierzchni ciała, lecz trudno im bezpośrednio zobaczyć, jak te sygnały rozchodzą się głęboko w sercu. W tym badaniu opisano potężne nowe narzędzia komputerowe, które potrafią symulować bicie serca konkretnej osoby w szczegółach, na tyle szybko, by badać wiele scenariuszy „co jeśli”. Łącząc realistyczną anatomię serca z nowoczesnymi procesorami graficznymi, autorzy przybliżają nas do bezpiecznych, niskokosztowych eksperymentów wirtualnych na cyfrowych kopiach serc indywidualnych pacjentów.

Od prostych modeli do cyfrowych bliźniaków

Nowoczesne symulacje serca potrafią odwzorować aktywność od poziomu pojedynczych komórek aż po cały narząd, jednak wierne odtworzenie przepływu prądu elektrycznego przez serce jest zarówno matematycznie złożone, jak i kosztowne obliczeniowo. Kluczowym celem dla medycyny jest „cyfrowy bliźniak serca”: spersonalizowany model komputerowy naśladujący serce konkretnego pacjenta, który można wykorzystać do testowania leków, urządzeń lub strategii stymulacji przed ich zastosowaniem w klinice. Aby to było wykonalne, oprogramowanie uruchamiające te symulacje musi być szybkie i dokładne, musi obejmować istotne struktury anatomiczne i być dostępne otwarcie, by naukowcy na całym świecie mogli je sprawdzać, ulepszać i ponownie wykorzystywać.

Uchwycenie ukrytego okablowania serca

Praca koncentruje się na otwartoźródłowym symulatorze o nazwie monoalg3d, który modeluje, jak sygnały elektryczne rozchodzą się przez mięsień sercowy i jego wyspecjalizowaną sieć przewodzącą. Ta sieć, znana jako system Purkinjego, szybko dostarcza impuls wyzwalający skurcz z górnych dróg przewodzenia do wielu drobnych punktów połączeniowych rozmieszczonych po wewnętrznej powierzchni komór. Przy każdym z tych złączeń cienkie włókno Purkinjego musi pobudzić znacznie większą masę mięśnia sercowego, co wprowadza naturalne opóźnienie i, w pewnych warunkach, ryzyko zablokowania lub nieprawidłowego przewodzenia. Autorzy rozbudowują monoalg3d tak, by bardziej realistycznie odwzorowywał to okablowanie i jego połączenia, w tym asymetrię między sygnałami płynącymi z Purkinjego do mięśnia a sygnałami wracającymi z mięśnia do sieci.

Przekształcanie superkomputerów i GPU w laboratoria serca

Aby szybko uruchamiać takie szczegółowe modele, zespół przeprojektowuje sposób wykorzystania sprzętu przez symulator. Przebudowali trzon numeryczny tak, by zarówno lokalna dynamika komórek, jak i rozprzestrzenianie się napięcia po sercu były rozwiązywane bezpośrednio na procesorach graficznych (GPU) — urządzeniach pierwotnie stworzonych do renderowania obrazów, a dziś szeroko używanych w obliczeniach naukowych. Poprzez staranne organizowanie danych dla bibliotek GPU i unikanie częstych transferów między CPU a GPU, wykazali, że w pełni oparta na GPU konfiguracja może przyspieszyć standardowy benchmark niemal jedenastokrotnie w porównaniu z tradycyjną wersją działającą wyłącznie na CPU. Wprowadzili także nowy, kompaktowy format wyjściowy, aby drastycznie zmniejszyć potrzeby magazynowania, oraz funkcję przesyłania wiadomości, która może uruchomić setki symulacji równolegle na superkomputerze, z każdą badającą inny zestaw parametrów fizjologicznych.

Nauczanie wirtualnych serc dopasowywania do prawdziwych pacjentów

Poza surową prędkością, autorzy testują, czy ulepszony solver może wspierać realistyczne symulacje zindywidualizowane dla pacjenta. Używając trójwymiarowej rekonstrukcji ludzkiego serca z obrazowania medycznego, dołączają syntetyczną sieć Purkinjego i dostosowują kluczowe parametry złączy: opór przy każdym połączeniu oraz ile sąsiednich obszarów mięśniowych pobudza każde ujście Purkinjego. Automatycznie przeszukują setki kombinacji tych wartości, uruchamiając symulacje rozpoczynające się od bodźca w głównym pęczku przewodzącym, i mierzą zarówno niewielkie opóźnienia przy każdym złączu, jak i otrzymane sygnały elektrokardiograficzne (EKG) na klatce piersiowej. Dla siatki serca o wysokiej rozdzielczości identyfikują zestawy parametrów dające fizjologicznie wiarygodne czasy aktywacji i przebiegi EKG dobrze korelujące z zapisem rzeczywistego pacjenta, przy czym pojedyncze symulacje mieszczą się w czasie kilku godzin nawet gdy jednocześnie wykonywanych jest 512 uruchomień.

Wiele możliwych serc, które na zewnątrz wyglądają tak samo

Interesującym wynikiem jest to, że różne konfiguracje wewnętrznego okablowania i siły połączeń mogą prowadzić do bardzo podobnych EKG na powierzchni ciała. Innymi słowy, kilka odmiennych cyfrowych serc może wyglądać równie zgodnie z tymi samymi danymi klinicznymi. Autorzy pokazują, że niektóre złącza Purkinjego są szczególnie wpływowe — ich lokalne opóźnienia znacząco różnią się między równie dobrze dopasowanymi symulacjami, podczas gdy ogólne czasy aktywacji w komorach pozostają stabilne. Ta niejednoznaczność sugeruje, że przyszłe ramy cyfrowych bliźniaków będą potrzebować dodatkowych danych lub ograniczeń — na przykład bardziej szczegółowego obrazowania lub inwazyjnych pomiarów — aby określić jedną najbardziej prawdopodobną konfigurację wewnętrzną dla danego pacjenta.

Co to oznacza dla przyszłej opieki

Podsumowując, badanie dostarcza dostępny bezpłatnie, przyspieszony na GPU symulator, który potrafi obsłużyć szczegółową anatomię serca, realistyczne okablowanie przewodzące oraz duże serie spersonalizowanych symulacji na nowoczesnych klastrach obliczeniowych. Dla osób niebędących specjalistami kluczowy wniosek jest taki, że staje się praktyczne uruchamianie szybkich, wysokiej wierności eksperymentów wirtualnych serca przypominających serca poszczególnych pacjentów, łącznie z subtelnymi opóźnieniami w złączach wewnętrznego okablowania serca. Choć potrzeba jeszcze pracy, by w pełni spersonalizować te modele i rozwiązać wewnętrzne niepewności, wprowadzone tutaj narzędzia stanowią istotny element budulcowy dla przyszłej diagnostyki, oceny ryzyka i planowania leczenia opartego na cyfrowych bliźniakach w kardiologii.

Cytowanie: Berg, L.A., Oliveira, R.S., Camps, J. et al. Toward cardiac electrophysiology digital twins with an efficient open source scalable solver on GPU clusters. Sci Rep 16, 9619 (2026). https://doi.org/10.1038/s41598-025-33709-w

Słowa kluczowe: cyfrowy bliźniak serca, symulacja elektrofizjologii serca, system przewodzenia Purkinjego, obliczenia na GPU, spersonalizowana kardiologia