Abstract The lack of mechanically effective contraction of the left atrium (LA) during atrial fibrillation (AF) disturbs blood flow, increasing the risk of thrombosis and ischemic stroke. Thrombosis is most likely in the left atrial appendage (LAA), a small narrow sac where blood is prone to stagnate. Slow flow promotes the formation of erythrocyte aggregates in the LAA, also known as rouleaux, causing viscosity gradients that are usually disregarded in patient-specific simulations. To evaluate these non-Newtonian effects, we built atrial models derived from 4D computed tomography scans of patients and carried out computational fluid dynamics simulations using the Carreau-Yasuda constitutive relation. We examined six patients, three of whom had AF and LAA thrombosis or a history of transient ischemic attacks (TIAs). We modeled the effects of hematocrit and rouleaux formation kinetics by varying the parameterization of the Carreau-Yasuda relation and modulating non-Newtonian viscosity changes based on residence time. Comparing non-Newtonian and Newtonian simulations indicates that slow flow in the LAA increases blood viscosity, altering secondary swirling flows and intensifying blood stasis. While some of these effects can be subtle when examined using instantaneous metrics like shear rate or kinetic energy, they are manifested in the blood residence time, which accumulates over multiple heartbeats. Our data also reveal that LAA blood stasis worsens when hematocrit increases, offering a potential new mechanism for the clinically reported correlation between hematocrit and stroke incidence. In summary, we submit that hematocrit-dependent non-Newtonian blood rheology should be considered in calculating patient-specific blood stasis indices by computational fluid dynamics.

Abstract Atrial fibrillation (AF) alters left atrial (LA) hemodynamics, which can lead to thrombosis in the left atrial appendage (LAA), systemic embolism and stroke. A personalized risk-stratification of AF patients for stroke would permit improved balancing of preventive anticoagulation therapies against bleeding risk. We investigated how LA anatomy and function impact LA and LAA hemodynamics, and explored whether patient-specific analysis by computational fluid dynamics (CFD) can predict the risk of LAA thrombosis. We analyzed 4D-CT acquisitions of LA wall motion with an in-house immersed-boundary CFD solver. We considered six patients with diverse atrial function, three without a LAA thrombus (LAAT/TIA-neg), and three with either a LAA thrombus (removed digitally before running the simulations) or a history of transient ischemic attacks (LAAT/TIA-pos). We found that blood inside the left atrial appendage of LAAT/TIA-pos patients had marked alterations in residence time and kinetic energy when compared with LAAT/TIA-neg patients. In addition, we showed how the LA conduit, reservoir and booster functions distinctly affect LA and LAA hemodynamics. While the flow dynamics of fixed-wall and moving-wall simulations differ significantly, fixed-wall simulations risk-stratified our small cohort for LAA thrombosis only slightly worse than moving-wall simulations.

Stroke is a leading cause of death and disability worldwide. Atrial myopathy, including fibrosis, is associated with an increased risk of ischemic stroke, but the mechanisms underlying this association are poorly understood. Fibrosis modifies myocardial structure, impairing electrical propagation and tissue biomechanics, and creating stagnant flow regions where clots could form. Fibrosis can be mapped non-invasively using late gadolinium enhancement magnetic resonance imaging (LGE-MRI). However, fibrosis maps are not currently incorporated into stroke risk calculations or computational electro-mechano-fluidic models. We present multi-physics simulations of left atrial (LA) myocardial motion and hemodynamics using patient-specific anatomies and fibrotic maps from LGE-MRI. We modify tissue stiffness and active tension generation in fibrotic regions and investigate how these changes affect LA flow for different fibrotic burdens. We find that fibrotic regions and, to a lesser extent, non-fibrotic regions experience reduced myocardial strain, resulting in decreased LA emptying fraction consistent with clinical observations. Both fibrotic tissue stiffening and hypocontractility independently reduce LA function, but together, these two alterations cause more pronounced effects than either one alone. Fibrosis significantly alters flow patterns throughout the atrial chamber, and particularly, the filling and emptying jets of the left atrial appendage (LAA). The effects of fibrosis in LA flow are largely captured by the concomitant changes in LA emptying fraction except inside the LAA, where a multi-factorial behavior is observed. This work illustrates how high-fidelity, multi-physics models can be used to study thrombogenesis mechanisms in a patient-specific manner, shedding light onto the link between atrial fibrosis and ischemic stroke.

Clot formation is a crucial process that prevents bleeding, but can lead to severe disorders when imbalanced. This process is regulated by the coagulation cascade, a biochemical network that controls the enzyme thrombin, which converts soluble fibrinogen into the fibrin fibers that constitute clots. Coagulation cascade models are typically complex and involve dozens of partial differential equations (PDEs) representing various chemical species' transport, reaction kinetics, and diffusion. Solving these PDE systems computationally is challenging, due to their large size and multi-scale nature. We propose a multi-fidelity strategy to increase the efficiency of coagulation cascade simulations. Leveraging the slower dynamics of molecular diffusion, we transform the governing PDEs into ordinary differential equations (ODEs) representing the evolution of species concentrations versus blood residence time. We then Taylor-expand the ODE solution around the zero-diffusivity limit to obtain spatiotemporal maps of species concentrations in terms of the statistical moments of residence time, , and provide the governing PDEs for . This strategy replaces a high-fidelity system of N PDEs representing the coagulation cascade of N chemical species by N ODEs and p PDEs governing the residence time statistical moments. The multi-fidelity order( p ) allows balancing accuracy and computational cost, providing a speedup of over N/p compared to high-fidelity models. Using a simplified coagulation network and an idealized aneurysm geometry with a pulsatile flow as a benchmark, we demonstrate favorable accuracy for low-order models of p = 1 and p = 2. These models depart from the high-fidelity solution by under 16% ( p = 1) and 5% ( p = 2) after 20 cardiac cycles. The favorable accuracy and low computational cost of multi-fidelity models could enable unprecedented coagulation analyses in complex flow scenarios and extensive reaction networks. Furthermore, it can be generalized to advance our understanding of other systems biology networks affected by blood flow.

Abstract Intraventricular vector flow mapping (VFM) is a growingly adopted echocardiographic modality that derives time-resolved two-dimensional flow maps in the left ventricle (LV) from color-Doppler sequences. Current VFM models rely on kinematic constraints arising from planar flow incompressibility. However, these models are not informed by crucial information about flow physics; most notably the pressure and shear forces within the fluid and the resulting accelerations. This limitation has rendered VFM unable to combine information from different time frames in an acquisition sequence or derive fluctuating pressure maps. In this study, we leveraged recent advances in artificial intelligence (AI) to develop AI-VFM, a vector flow mapping modality that uses physics-informed neural networks (PINNs) encoding mass conservation and momentum balance inside the LV, and no-slip boundary conditions at the LV endocardium. AI-VFM recovers the flow and pressure fields in the LV from standard echocardiographic scans. It performs phase unwrapping and recovers flow data in areas without input color-Doppler data. AI-VFM also recovers complete flow maps at time points without color-Doppler input data, producing super-resolution flow maps. We show that informing the PINNs with momentum balance is essential to achieving temporal super-resolution and significantly increases the accuracy of AI-VFM compared to informing the PINNs only with mass conservation. AI-VFM is solely informed by each patient’s flow physics; it does not utilize explicit smoothness constraints or incorporate data from other patients or flow models. AI-VFM takes 15 minutes to run in off-the-shelf graphics processing units and its underlying PINN framework could be extended to map other flow-associated metrics like blood residence time or the concentration of coagulation species.

Abstract Atrial fibrillation (AF) disrupts the circulation of blood through the left atrium (LA), and may result in relative stasis in the left atrial appendage (LAA), increasing thromboembolic risk. Anticoagulant agents can lower this risk, but currently used agents target the common pathway central to the coagulation cascade, increasing bleeding risk. Anticoagulants such as factor XI/XII inhibitors target the initial phase of the intrinsic pathway, with a significantly lower associated bleeding risk. However, these agents’ efficacy in preventing thrombosis in patient-specific flow conditions is not fully understood. We hypothesized that patient-specific flow patterns in the LA and LAA not only influence the risk of thrombosis but also the effectiveness of anticoagulation agents. We simulated blood flow and the intrinsic coagulation pathway in patient-specific LA anatomies with and without factor XI/XII inhibition to test this hypothesis. We considered thirteen patients in sinus rhythm and AF, several of whom had an LAA clot or a history of transient ischemic attacks. We used computational fluid dynamics based on 4D CT imaging and a detailed 32-species coagulation system to run 247 simulations for 13 patients, systematically sweeping over a wide range of factor XI/XII inhibition levels. Implementing a novel multi-fidelity coagulation modeling approach accelerated computations by two orders of magnitude, enabling the large number of simulations performed. Our simulations provide spatiotemporally resolved maps of thrombin concentration throughout the LA, showing it peaks inside the LAA. Coagulation metrics based on peak LAA thrombin dynamics suggested patients could be classified as non-coagulating, moderately and severely coagulating cases. Severely coagulating cases had significantly slower flow and higher residence time than moderately coagulating patients inside the LAA, requiring stronger factor XI/XII inhibition to blunt thrombin growth. The methodology outlined in this study has the potential to enable personalized assessments of coagulation risk and tailor anticoagulation therapy based on medical imaging.

Abstract Disruptions to left atrial (LA) blood flow, such as those caused by atrial fibrillation (AF), can lead to thrombosis in the left atrial appendage (LAA) and an increased risk of systemic embolism. LA hemodynamics are influenced by various factors, including LA anatomy and function, and pulmonary vein (PV) inflow conditions. In particular, the PV flow split can vary significantly among and within patients depending on multiple factors. In this study, we investigated how changes in PV flow split affect LA flow transport, focusing on blood stasis in the LAA, using a high-fidelity patient-specific computational fluid dynamics (CFD) model. We analyzed LA anatomies from eight patients with varying atrial function, including three with AF and either a LAA thrombus or a history of TIAs. Using four different flow splits (60/40% and 55/45% through right and left PVs, even flow rate, and same velocity through each PV), we found that flow patterns are sensitive to PV flow split variations, particularly in planes parallel to the mitral valve. Changes in PV flow split also had a significant impact on blood stasis and could contribute to increased risk for thrombosis inside the LAA, particularly in patients with AF and previous LAA thrombus or a history of TIAs. Our study highlights the importance of considering patient-specific PV flow split variations when assessing LA hemodynamics and identifying patients at increased risk for thrombosis and stroke.