Analisi dell'incertezza nella stima del flusso in coronarie anomale tramite modelli a parametri concentrati

Le anomalie congenite dell’origine delle arterie coronarie (AAOCA) costituiscono una condizione rara ma potenzialmente pericolosa, spesso associata a ischemia miocardica e, in alcuni casi, a morte cardiaca improvvisa. Una corretta valutazione del rischio associato a queste anomalie è molto importante per guidare le decisioni cliniche e rendere i trattamenti terapeutici personalizzati. L’integrazione tra dati clinici e modellazione computazionale ha mostrato un grande potenziale nel supportare la medicina personalizzata. In questo contesto, i modelli emodinamici, tra cui i modelli a parametri concentrati, offrono strumenti utili per comprendere il meglio possibile la fisiopatologia e migliorare l’efficacia dei trattamenti. Questa tesi si concentra sull’applicazione di tecniche di incertezza su un modello 0D utilizzato per la stima del flusso coronarico in pazienti affetti da AAOCA, seguiti presso l’IRCCS Policlinico San Donato. Il lavoro esplora un primo approccio al tema dell’analisi dell’incertezza, con l’obiettivo di comprendere come la variabilità nei parametri del modello influenzi le previsioni emodinamiche e quali siano le implicazioni cliniche di questa sensibilità. Dopo una breve parte introduttiva sulla fisiologia coronarica e sulla patologia, vengono presentati il ruolo dei modelli computazionali, le principali fonti di incertezza e alcune delle tecniche utilizzate per gestirle. Il focus del lavoro risiede nell’applicazione delle metodologie di quantificazione dell’incertezza (UQ) al modello 0D, con particolare attenzione all’identificazione dei parametri più sensibili e alla successiva valutazione della robustezza delle simulazioni. L’analisi di sensibilità ha evidenziato come la resistenza del microcircolo coronarico sia il parametro che più incide sull’output del modello, ovvero sul flusso coronarico stimato. Questo risultato suggerisce che, al fine di ottimizzare l’acquisizione clinica, sia strategico concentrare le risorse sulla stima accurata di questo parametro. Parametri invece come la compliance coronarica, lo stroke volume, la frequenza cardiaca e le pressioni arteriose (sistolica e diastolica), pur influenzando l’output del modello, mostrano un impatto decisamente inferiore. Questo risultato apre la possibilità, in futuro, di fissare tali parametri su intervalli di riferimento basati su statistiche cliniche, riducendo così la dipendenza da misurazioni invasive. Questo tipo di analisi consente non solo di individuare con maggiore chiarezza quali parametri richiedano più attenzione nella fase di acquisizione clinica, ma rappresenta anche un primo passo verso modelli più flessibili e meno dipendenti da misurazioni invasive. Questi aspetti sono molto rilevanti in un contesto clinico, dove l’affidabilità delle simulazioni è un requisito fondamentale per l’integrazione dei modelli nella pratica medica.