Arterial aneurysms are pathological dilations of blood vessels which can be of clinical concern due to thrombosis, dissection, or rupture. Aneurysms can form throughout the arterial system, including intracranial, thoracic, abdominal, visceral, peripheral, or coronary arteries. Currently, aneurysm diameter and expansion rates are the most commonly used metrics to assess rupture risk. Surgical or endovascular interventions are clinical treatment options, but are invasive and associated with risk for the patient. For aneurysms in locations where thrombosis is the primary concern, diameter is also used to determine the level of therapeutic anticoagulation, a treatment that increases the possibility of internal bleeding. Since simple diameter is often insufficient to reliably determine rupture and thrombosis risk, computational hemodynamic simulations are being developed to help assess when an intervention is warranted. Created from subject-specific data, computational models have the potential to be used to predict growth, dissection, rupture, and thrombus-formation risk based on hemodynamic parameters, including wall shear stress, oscillatory shear index, residence time, and anomalous blood flow patterns. Generally, endothelial damage and flow stagnation within aneurysms can lead to coagulation, inflammation, and the release of proteases which alter extracellular matrix composition, increasing risk of rupture. In this review, we highlight recent work that investigates aneurysm geometry, model parameter assumptions, and other specific considerations that influence computational aneurysm simulations. By highlighting modeling validation and verification approaches, we hope to inspire future computational efforts aimed at improving our understanding of aneurysm pathology and treatment risk stratification.

Abstract Rapidly growing evidence demonstrates that flow of cerebrospinal fluid (CSF) through perivascular spaces (PVSs) – annular channels surrounding vasculature in the brain – is a critically-important component of neurophysiology. CSF inflow contributes during physiological conditions to clearance of metabolic waste and in pathological situations to edema formation. However, brain-wide imaging methods cannot resolve PVSs, and high-resolution methods cannot access deep tissue or be applied to human subjects, so theoretical models provide essential insight. We model this CSF pathway as a network of hydraulic resistances, built from published parameters. A few parameters have very wide uncertainties, so we focus on the estimated limits of their feasible ranges by analyzing different parametric scenarios. We identify low-resistance PVSs and high-resistance parenchyma (brain tissue) as the scenario that best explains experimental observations. Our results point to the most important parameters that should be measured in future experiments. Extensions of our modeling may help predict stroke severity or lead to neurological disease treatments and drug delivery methods.