This article examines the main modeling techniques used in cardiovascular surgery: 3D-printing of personalized anatomical models, computer-aided hemodynamic modeling, and augmented and virtual reality technologies. These techniques are widely used in percutaneous coronary interventions (PCI), aortic surgery, and congenital heart surgery. Modeling is used to select a surgical plan, which reduces surgical duration, the incidence of complications and reoperations, and the length of hospital stay. However, these methods have limitations, including the need for model validation, difficulties in implementing them into routine clinical practice, and high cost. Despite impressive progress, scientific research is still needed for the widespread use of these techniques. Ultimately, modeling may become an important tool in personalized surgery, improving the safety and effectiveness of interventions.
Keywords: 3D-printing, preoperative planning, computer modeling, 3D-model.
Введение
Сердечно-сосудистые заболевания являются одними из ведущих причин заболеваемости и смертности во всем мире, и разработка эффективных и надежных методов их лечения остается важнейшей задачей [1, 2]. Для достижения наилучших результатов открытых и эндоваскулярных вмешательств в сердечно-сосудистой хирургии необходимо применять принципы индивидуального подхода к планированию операции. При этом традиционное предоперационное планирование, основанное преимущественно на двухмерных данных визуализации, не в полной мере отражает сложную трёхмерную анатомию сердца и сосудов пациента [3].
Настоящий обзор посвящён анализу применения моделирования в сердечно-сосудистой хирургии. Рассматриваются наиболее часто используемые методы: 3D-печать, компьютерное моделирование гемодинамики, а также технологии дополненной реальности. Оценивается их клиническая значимость, ограничения применения и перспективы развития.
Для подготовки обзора использовались публикации, представленные в международных базах данных PubMed, Web of Science, Google Scholar. В анализ были включены публикации за последние 5 лет (2021–2026 гг.).
Обсуждение
Создание физических моделей с использованием 3D-печати становится важным инструментом в современной сердечно-сосудистой хирургии [4]. Персонализированные 3D-модели позволяют хирургам детально изучить анатомию органов и сосудов, выбрать оптимальную тактику вмешательства. Например, эта методика применяется в хирургии врождённых пороков сердца, где сложность анатомических структур делает традиционное планирование затруднительным, что отражено в обзоре и мета-анализе Francesco Bertelli et all. (2026) [5].
Систематический обзор и метаанализ Godana Arero et all. (2026), включающий 32 статьи с участием 1842 пациентов, показал, что использование 3D-печатных моделей сердца приводит к внесению изменений в план операции, сокращает продолжительность операции (в среднем на 18,4 минуты), снижает частоту послеоперационных осложнений, уменьшает частоту повторных вмешательств, а также сокращает срок госпитализации (в среднем на 1,8 день) [6].
В 16 исследованиях в обзоре Jasneel S. Kahlam et all. (2025) сообщалось об использовании 3D-печати для оценки размеров окклюдера, устанавливающегося в левое предсердие. Эти исследования показали, что модели, созданные с помощью 3D-печати, могут улучшить качество анатомических измерений и обеспечить более точный подбор устройств по сравнению со стандартным планированием процедуры. В двух статьях, включенных в этот обзор, было указано на значительное снижение количества используемых устройств на процедуру (с 1,7 до 1,1 и с 1,20 до 1,05 соответственно), а также сокращение времени проведения процедуры в группах, где использовались 3D-печатные модели [7].
В систематическом обзоре, посвящённом применению 3D-печатных моделей в сосудистой хирургии Alexandra Catasta et all. (2024), проанализировано 22 исследования. По мнению авторов планирование и тренировка с использованием 3D-печатных моделей улучшает подготовку к операциям при аневризмах (15 из 22 исследований) и стено-окклюзионном поражении аорты (4 исследования). Для получения изображений, служащих основой для создания 3D-печатных моделей в программах 3D Slicer и Mimics использовалась МСКТ-ангиография. Технологии 3D-печати включали: моделирование методом наплавления (Fused Deposition Modeling — FDM) и стереолитографию (Stereolithography Apparatus — SLA) [8,3]. В обзоре продемонстрировано, что обучение врачей с использованием 3D-моделей, созданных специально перед эндоваскулярной реконструкцией аорты, уменьшало время процедуры и объем используемого контрастного вещества [9].
Однако в клинической практике применение 3D-печати не распространенно из-за ряда ограничений: процесс изготовления моделей является дорогостоящим, трудоёмким и занимает много времени. Так же физические модели представляют собой отражение статических состояний и не могут продемонстрировать динамических изменений, связанных с сокращениями миокарда [3].
Всё более широкое применение в планировании сердечно-сосудистых вмешательств находят методы вычислительной гидродинамики (Computational Fluid Dynamics — CFD), конечно-элементного анализа (Finite Element Analysis — FEA) и моделирования взаимодействия крови и стенок сосудов (Fluid-Structure Interaction — FSI) [3].
В статье Ioannis Skalidis et all. (2026) сообщается, что моделирование коронарной перфузии может применяться для планирования ЧКВ. С целью прогнозирования результатов выбранного метода реваскуляризации используется набор инструментов Virtual PCI [10]. Аналогичные инструменты, такие как HeartFlow FFRCT, строят трёхмерную модель коронарных артерий пациента на основе данных компьютерной томографии. Данные инструменты позволяют оценить фракционный резерв кровотока, используя данные о скорости кровотока в артериях и давлении в их просвете [11].
В исследовании Borisov V.G et all. (2024) описана методика построения моделей бифуркации сонной артерии и компьютерного моделирования кровотока после проведения 10 виртуальных операций с боковой пластикой внутренней сонной артерии. Целью исследования было выявление зон потенциального рестеноза и анализ факторов риска при использовании заплат, различающихся по размерам и форме. Математическое моделирование позволяет прогнозировать риски рестеноза после эндартерэктомии и обосновать выбор пластического материала [12].
Применение в клинической практике технологий дополненной (Augmented Reality — AR), виртуальной (Virtual Reality — VR) и смешанной реальности (Mixed Reality — MR) для предоперационного планирования позволяет создавать цветные трёхмерные модели сердца, что помогает оценить анатомию клапанов и внутрисердечную гемодинамику до операции.
Новейшим направлением являются голографические дисплеи, не требующие гарнитур виртуальной реальности. В статье авторов Shuo Wang et all. (2025) описывается процесс создания 4D-голограмм (трехмерного изображения сердца, меняющегося в соответствии с фазами сердечного цикла) на основе предоперационных данных 4D-компьютерной томографической ангиографии сердца (4D-CCTA) и использование этих данных для планирования аортокоронарного шунтирования. Методология способа заключается в 4D-визуализации сердца, эпикардиальной жировой ткани и коронарных артерий с оценкой их кальциноза и перикардиальных спаек. Данные визуализируются на платформе Looking Glass, позволяющей групповой просмотр без очков. Результатом применения данного метода стало детальное моделирование сердца, особенно в отношении глубины залегания коронарных артерий и перикардиальных спаек. Голограммы обеспечивают восприятие глубины пространства, улучшая понимание анатомии конкретного пациента. Однако сложность создания голограмм ограничивает их широкое использование [13].
Внедрение технологий моделирования в клиническую практику сопряжено с рядом препятствий. Эти барьеры носят как технический, так и организационный, правовой и экономический характер. Клиническая валидация (сравнение исходов при моделировании с фактическими исходами у пациентов) представляет собой одну из основных проблем. Под валидацией понимается процесс объективного подтверждения того, что вычислительная модель адекватно отражает реальное поведение биологической системы и даёт точные прогнозы в реальных клинических условиях. Валидация включает несколько уровней: верификацию (проверку корректности математических расчётов и алгоритмов), сравнение математической модели с экспериментальными данными и, наконец, клиническую валидацию. Без проведения последней модели не могут быть приняты в качестве инструмента для принятия клинчиских решений, что сдерживает их внедрение в практику.
Качество используемых данных, является ещё одним ограничением. Для построения точных моделей необходимы данные высокого разрешения, включающие не только трёхмерную геометрию сердца и сосудов, но и механические свойства тканей (жёсткость, эластичность), гемодинамические параметры (скорости потока крови, давление, сдвиговые напряжения). Однако на практике сбор таких данных сопряжён с техническими трудностями поскольку изображения, полученные в рутинной клинической практике могут иметь недостаточное разрешение, что снижает точность сегментации и последующего построения моделей [11].
Значительным организационным препятствием является сложность внедрения процессов создания и применения моделей в работу клиники. Использование вычислительного моделирования и 3D-печати требует пересмотра алгоритмов предоперационной подготовки, дополнительного времени на построение, создание и анализ моделей, а также обучения персонала работе с новым программным обеспечением.
Правовые ограничения создают дополнительные барьеры. Программное обеспечение для медицинского моделирования должно проходить регистрацию в соответствующих инстанциях (например, FDA в США или Росздравнадзор в РФ). Процедура регистрации требует предоставления обширной доказательной базы, включая результаты клинических испытаний, что связано с временными и финансовыми затратами [10].
Отсутствие стандартных подходов и единых протоколов работы с методиками моделирования является еще одной проблемой. Разные исследовательские группы используют различные алгоритмы сегментации, наборы параметров для построения виртуальных моделей.
При всех сложностях внедрения в клиническую работу все эти методы безусловно имеют перспективу развития. Так будущее вычислительного моделирования в сердечно-сосудистой хирургии связано с применением искусственного интеллекта и машинного обучения. Дальнейшее улучшение алгоритмов позволит не только ускорить процессы сегментации и построения моделей, но и повысит точность прогнозирования индивидуальных результатов вмешательств [10, 14].
Значительный прогресс ожидается в области разработки вычислительных методов, обеспечивающих мгновенный расчёт гемодинамических параметров в режиме реального времени, что позволит использовать моделирование непосредственно в ходе операций, превращая его в интраоперационный инструмент поддержки принятия решений [3].
Применение моделирования при сложной анатомии или при повторных вмешательствах, где традиционное двухмерное планирование часто недостаточно для адекватной оценки рисков, также является перспективным направлением [3].
Заключение
Применение моделирования для планирования оперативных вмешательств в сердечно-сосудистой хирургии представляет собой динамично развивающуюся область современной медицины. В настоящее время уже используются как печать 3D-моделей, так и методы вычислительной гидродинамики и технологии дополненной реальности.
Накопленные данные свидетельствуют о том, что моделирование способствует улучшению предоперационного планирования, сокращению времени операции и снижению частоты осложнений. Наиболее убедительные доказательства получены в области транскатетерной имплантации аортального клапана, ЧКВ и хирургии врождённых пороков сердца.
Для широкого внедрения моделирования в клиническую практику необходимо преодолеть ряд препятствий. Это касается как разработки самих моделей, так и организационных и экономических аспектов. Необходимы дальнейшие исследования для доказательства клинической эффективности данных технологий.
Литература:
1. Abstract Thu056: Three-Dimensional Bioprinting of Cardiac Tissues: Innovations, Challenges, and Future Perspectives/ Sarath Сhandra Ponnada, Sukriti Seth, Heena Patel, Kalan Patel, Raja Hamsa Chitturi, Sai Vidyanand Gondu, Maheshkumar Baladaniya, Sasidhar Annepu// Circulation Research, Volume 137, Number Suppl. 1 https://doi.org/10.1161/res.137.suppl_1.Thu056
2. Cardiovascular disease risk communication and prevention: a meta-analysis/ Mina Bakhit, Samantha Fien, Eman Abukmail, Mark Jones, Justin Clark, Anna Mae Scott, Paul Glasziou, Magnolia Cardona/ Eur. Heart J., 45 (12) (2024), стр. 998–1013
3. Advanced Computer Simulation Based on Cardiac Imaging in Planning of Structural Heart Disease Interventions/ Alaukika Agarwal,Lauren Ranard, Torsten Vahl and Omar Khalique/ J. Clin. Med. 2025, 14(19), 6885; https://doi.org/10.3390/jcm14196885
4. Catheterization laboratories open the doors for Extended Realities—review of clinical applications in cardiology/ Maria Kundzierewicz, Katarzyna Kołodziej, Arif Khokhar, Tsai Tsung-Ying, Artur Leśniak, Pawel Zakrzewski, Hubert Borecki, Ewelina Bohn, Jan Hecko, Jaroslav Januska, Daniel Precek, Maciej Stanuch, Andrzej Skalski, Yoshinobu Onuma, Patrick Serruys, Nico Bruining, Adriana Złahoda-Huzior, Dariusz Dudek/ Eur. Heart. J. Digit. Health. 2025 Jun 23;6(5):1055–1068. doi: 10.1093/ehjdh/ztaf072
5. Advancements in 3D modeling technologies for congenital heart disease: integrating 3D printing, virtual reality, and holograms, Francesco Bertelli, Aakansha Singh, Christopher Z. Lam, Hannah Seatle, Brandon Peel, Shi-Joon Yoo, Carmel Daskalo, Israel Valverde/Pediatr. Radiol. 2026 Jan;56(1):28–39. doi: 10.1007/s00247–025–06433-w. Epub.
6. Impact of three-dimensional heart models on surgical planning and outcomes in congenital heart disease: a systematic review and meta-analysis/Godana Arero, Godana Jarsso, Abdinasir Wako, Desalegn Fekadu, Kibiru Mardasa, Honey Godana/ Open Heart 2026 May 25;13(1):e004011. doi: 10.1136/openhrt-2026–004011.
7. Three-Dimensional (3D) Printing for Left Atrial Appendage Occlusion Device Sizing: A Systematic Review and Comparative Analysis/ Jasneel S. Kahlam, Olga V. Savinova, Don D. Shamilov, John Tran, Jodie Borgmann, Trinh Tran, Nathan Jean, David F. Lo/ Cureus, 2025 Apr 10;17(4). DOI: 10.7759/cureus.8204
8. Wanhainen, A.; Van Herzeele, I.; Bastos Goncalves, F.; Bellmunt Montoya, S.; Berard, X.; Boyle, J.R.; D’Oria, M.; Prendes, C.F.;Karkos, C.D.; Kazimierczak, A.; et al. Editor’s Choice—European Society for Vascular Surgery (ESVS) 2024 Clinical Practice Guidelines on the Management of Abdominal Aorto-Iliac Artery Aneurysms. Eur. J. Vasc. Endovasc. Surg. 2024, 67, 192–331
9. Systematic Review on the Use of 3D-Printed Models for Planning, Training and Simulation in Vascular Surgery/ Alexandra Catasta, Chiara Martini, Arianna Mersanne, Ruben Foresti, Claudio Bianchini Massoni, Antonio Freyrie, Paolo Perini/ Diagnostics (Basel). 2024 Jul 31;14(15):1658. doi: 10.3390/diagnostics14151658 1–15 стр.
10. Digital twins and simulations in transcatheter coronary and structural heart interventions/ Ioannis Skalidis, Nikolaos Stalikas, Carlos Collet, Yiannis S. Chatzizisis, Saurabhi Samant, Anastasios Apostolos, Grigorios Tsigkas, Juan F. Iglesias, Diego Arroyo, Dorian Garin, Stephane Cook, Adil Salihu, David Meier, Stephane Fournier, Thomas Hovasse, Ole De Backer, Philippe Garot, Mariama Akodad/ European Heart Journal — Digital Health, Volume 7, Issue 2, March 2026, https://doi.org/10.1093/ehjdh/ztaf129
11. Computational Cardiology The Door to the Future of Interventional Cardiology/ Yashendra Sethi, Inderbir Padda, Sneha Annie Sebastian, Arsalan Moinuddin, Gurpreet Johal/ J. acc.:Advances, Vol. 2, No. 8, 2023, https://doi.org/10.1016/j.jacadv.2023.100625
12. Borisov V. G., Zakharov Yu.N., Vinogradov R.A, Derbilova V.P, Ivanova N. V. «Mathematical modeling in assessing the risk of restenosis after carotid endarterectomy». Biomedical Physics & Engineering Express, 2024; 3: 035011 doi: 10.1088/2057–1976/ad30cb
13. Innovative Integration of 4D Cardiovascular Reconstruction and Hologram: Framework Development of a New Visualization Tool for Coronary Artery Bypass Grafting Planning/ Shuo Wang, Tong Ren, Nan Cheng, Li Zhang, Rong Wang/ JMIR Medical Informatics. 2025 Sep 30;13. doi: 10.2196/72237
14. Computational Modeling for Aortic Root Replacement/ Taylor Becker, Aaron Clark, WilliamT. Brinkman, S. Christopher Malaisrie, Lakshmi P. Dasi/ Journal of the Heart Valve SocietyVolume 2, Issue 1, January 2025, Pages 68–80 / https://doi.org/10.1177/30494826241312422
