Mot digitala tvillingar för hjärtelektrofysiologi med en effektiv öppen källkodslösare för GPU-kluster

Varför det är viktigt att bygga virtuella hjärtan

När läkare behandlar hjärtrytmrubbningar arbetar de ofta delvis i blindo: de kan mäta elektriska signaler på kroppens yta men kan inte enkelt se hur dessa signaler sprids djupt inne i hjärtat. Denna studie beskriver kraftfulla nya datorverktyg som kan simulera en persons hjärtslag i detalj, tillräckligt snabbt för att utforska många "tänk om"-scenarier. Genom att kombinera realistisk hjärtanatomi med moderna grafiska processorers beräkningskraft tar författarna oss närmare säkra, kostnadseffektiva virtuella experiment på digitala kopior av enskilda patienters hjärtan.

Från enkla modeller till digitala tvillingar

Moderna hjärtsimuleringar kan representera aktivitet från nivån av enskilda celler upp till hela organet, men att troget återge hur elektricitet rör sig genom hjärtat är både matematiskt komplext och beräkningsmässigt kostsamt. Ett centralt mål för medicinen är den "cardiaca digitala tvillingen": en personlig datormodell som efterliknar en specifik patients hjärta och som kan användas för att testa läkemedel, implantat eller pacingstrategier innan de prövas i kliniken. För att göra detta genomförbart måste programvaran som kör dessa simuleringar vara både snabb och noggrann, inkludera viktiga anatomiska strukturer och vara öppet tillgänglig så att forskare världen över kan granska, förbättra och återanvända den.

Att fånga hjärtats dolda ledningsnät

Arbetet kretsar kring en öppen källkodssimulator kallad monoalg3d, som modellerar hur elektriska signaler färdas genom hjärtmuskeln och dess specialiserade ledningsnät. Det nätverket, känt som Purkinje-systemet, levererar snabbt signalen som utlöser hjärtslaget från de övre ledningsbanorna till många små anslutningspunkter utspridda över kammarnas inneryta. Vid varje sådan förbindelse måste en tunn Purkinje-fiber excitera en mycket större muskelmassa, vilket ger en naturlig fördröjning och, under vissa förhållanden, en risk för blockering eller onormal ledning. Författarna förbättrar monoalg3d så att det bättre representerar detta ledningsnät och dess junctioner, inklusive asymmetrin mellan signaler som går från Purkinje till muskel och från muskel tillbaka in i nätet.

Att förvandla superdatorer och GPU:er till hjärtlabb

För att köra sådana detaljerade modeller snabbt omarbetar teamet hur simulatorn använder hårdvara. De redesignar den numeriska kärnan så att både den lokala celldynamiken och spridningen av spänning över hjärtat löses direkt på grafiska processor-enheter (GPU:er), enheter ursprungligen skapade för bildrendering men som nu används i stor utsträckning för vetenskapliga beräkningar. Genom att noggrant organisera data för GPU-bibliotek och undvika frekventa överföringar mellan CPU och GPU visar de att en helt GPU-baserad uppsättning kan snabba upp ett standardbenchmark med nästan elva gånger jämfört med en traditionell CPU-endast-version. De introducerar också ett nytt, kompakt utdataformat för att kraftigt minska lagringsbehov och en meddelandehanteringsfunktion som kan starta hundratals simuleringar parallellt över en superdator, där varje körning utforskar en annan uppsättning fysiologiska parametrar.

Att lära virtuella hjärtan att matcha verkliga patienter

Bortom rå hastighet testar författarna om deras förbättrade lösare kan stödja realistiska patientanpassade simuleringar. Med hjälp av en tredimensionell rekonstruktion av ett mänskligt hjärta från medicinsk avbildning fäster de ett syntetiskt Purkinje-nätverk och justerar viktiga junction-parametrar: resistansen vid varje förbindelse och hur många intilliggande muskelregioner varje Purkinje-terminal exciterar. De sveper automatiskt igenom hundratals kombinationer av dessa värden, kör simuleringar som startar från en stimulans i huvudledningsbunten, och mäter både de små fördröjningarna vid varje junction och de resulterande elektrokardiogram (EKG)-signalerna på bröstet. För ett fint upplöst hjärtnät identifierar de parameterkombinationer som ger fysiologiskt rimliga aktiveringstider och EKG-vågor som korrelerar väl med en verklig patients inspelningar, samtidigt som enskilda simuleringstider hålls inom några timmar även när 512 körningar exekveras samtidigt.

Många möjliga hjärtan som ser likadana ut utifrån

Ett intressant resultat är att olika interna ledningskonfigurationer och junctionstyrkor kan ge mycket liknande EKG på kroppens yta. Med andra ord kan flera olika digitala hjärtan framstå som lika förenliga med samma kliniska data. Författarna visar att vissa Purkinje-junctioner är särskilt inflytelserika, med lokala fördröjningar som varierar avsevärt mellan lika väl passande simuleringar, medan den övergripande aktiveringstiden över kamrarna förblir stabil. Denna icke-unikhet antyder att framtida digitala tvillingramverk kommer att behöva ytterligare data eller begränsningar—såsom mer detaljerad avbildning eller invasiva mätningar—för att bestämma en enda mest sannolik intern konfiguration för en given patient.

Vad detta betyder för framtida vård

Sammanfattningsvis levererar denna studie en fritt tillgänglig, GPU-accelererad simulator som kan hantera detaljerad hjärtanatomi, realistisk ledningsstruktur och stora serier av personaliserade simuleringar på moderna beräkningskluster. För icke-specialister är kärnbudskapet att det blir praktiskt möjligt att köra snabba, högupplösta virtuella hjärtexperiment som liknar enskilda patienter, inklusive subtila fördröjningar vid hjärtats interna ledningsjunctioner. Även om mer arbete krävs för att fullt ut personalisera dessa modeller och lösa interna osäkerheter, utgör verktygen som presenteras här en viktig byggsten för framtida diagnostik, riskbedömning och behandlingsplanering baserad på digitala tvillingar inom kardiologin.

Citering: 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

Nyckelord: digital tvilling för hjärtat, simulering av hjärtats elektrofysiologi, Purkinje-ledningssystemet, GPU-beräkning, personlig kardiologi