Abstract Fibrosis, the pathological excess of fibroblast activity, is a significant health issue that hinders the function of many organs in the body, in some cases fatally. However, the severity of fibrosis-derived conditions depends on both the positioning of fibrotic affliction, and the microscopic patterning of fibroblast-deposited matrix proteins within afflicted regions. Variability in an individual’s manifestation of a type of fibrosis is an important factor in explaining differences in symptoms, optimum treatment and prognosis, but a need for ex vivo procedures and a lack of experimental control over conflating factors has meant this variability remains poorly understood. In this work, we present a computational methodology for the generation of patterns of fibrosis microstructure, demonstrating the technique using histological images of four types of cardiac fibrosis. Our generator and automated tuning method prove flexible enough to capture each of these very distinct patterns, allowing for rapid generation of new realisations for high-throughput computational studies. We also demonstrate via simulation, using the generated fibrotic patterns, the importance of micro-scale variability by showing significant differences in electrophysiological impact even within a single class of fibrosis.

Human-based modelling and simulation offer an ideal testbed for novel medical therapies to guide experimental and clinical studies. Myocardial infarction (MI) is a common cause of heart failure and mortality, for which novel therapies are urgently needed. Although cell therapy offers promise, electrophysiological heterogeneity raises pro-arrhythmic safety concerns, where underlying complex spatio-temporal dynamics cannot be investigated experimentally. After demonstrating credibility of the modelling and simulation framework, we investigate cell therapy in acute versus chronic MI, and the role of cell heterogeneity, scar size and the Purkinje system. Simulations agreed with experimental and clinical recordings from ionic to ECG dynamics in acute and chronic infarction. Following cell delivery, spontaneous beats were facilitated by heterogeneity in cell populations, chronic MI due to tissue depolarisation, and slow sinus rhythm. Subsequent re-entrant arrhythmias occurred, in some instances with Purkinje involvement, and their susceptibility was enhanced by impaired Purkinje-myocardium coupling, large scars, and acute infarction. We conclude that homogeneity in injected cell populations minimises their spontaneous beating, which is enhanced by chronic MI, whereas a healthy Purkinje-myocardium coupling is key to prevent subsequent re-entrant arrhythmias, particularly for large scars.

Fibrosis, a pathological increase in extracellular matrix proteins, is a significant health issue that hinders the function of many organs in the body, in some cases fatally. In the heart, fibrosis impacts on electrical propagation in a complex and poorly predictable fashion, potentially serving as a substrate for dangerous arrhythmias. Individual risk depends on the spatial manifestation of fibrotic tissue, and learning the spatial arrangement on the fine scale in order to predict these impacts still relies upon invasive ex vivo procedures. As a result, the effects of spatial variability on the symptomatic impact of cardiac fibrosis remain poorly understood. In this work, we address the issue of availability of such imaging data via a computational methodology for generating new realisations of cardiac fibrosis microstructure. Using the Perlin noise technique from computer graphics, together with an automated calibration process that requires only a single training image, we demonstrate successful capture of collagen texturing in four types of fibrosis microstructure observed in histological sections. We then use this generator to quantitatively analyse the conductive properties of these different types of cardiac fibrosis, as well as produce three-dimensional realisations of histologically-observed patterning. Owing to the generator's flexibility and automated calibration process, we also anticipate that it might be useful in producing additional realisations of other physiological structures.

Phenomena in life sciences can be modeled using systems of reaction–diffusion partial differential equations with cross-diffusion. These equations, nonlinear in nature, exhibit complex spatial behavior. Within this framework, we propose an SIR model with cross-diffusion to depict the dynamic interaction between susceptible and infectious individuals in the presence of public policies. Achieving accurate solutions requires fine space discretization, leading to high computational costs. In addition, we propose a second-order semi-implicit method based on an Alternating Direction Implicit (ADI) scheme, called SSIADI, suitable for treating nonlinear reaction and linear diffusion problems.