Zum Inhalt springen

PINN plus Sprachmodell schätzt Aortenwandspannung in Sekunden – als Prototyp

BEIJING, 4. September (LabNews Media LLC) – Das Rahmenwerk BioPINN-LM koppelt ein physikinformiertes neuronales Netz mit einem multimodalen Sprachmodell, um bei Aneurysmen der aufsteigenden Brust aorta Wandspannung schnell zu schätzen und als Gesprächstext zu deuten. Das berichtet ein Team über den Beijing Institute of Technology Press. Die Autoren nennen es ausdrücklich Simulationsprototyp, kein klinisches Entscheidungssystem.

Aneurysmen der Aorta ascendens wachsen oft still; Dissektion oder Ruptur töten häufig vor Klinikankunft. Operationsschwellen orientieren sich am Querdurchmesser (etwa 5,5 Zentimeter bei trikuspider, 5,0 bei bikuspider Klappe). Ein relevanter Teil der Typ-A-Dissektionen entsteht darunter. Finite-Elemente-Analysen liefern lokale Spannung, brauchen aber Minuten bis Stunden.

BioPINN-LM nimmt CTA-Geometrie, kodiert sie mit Kugelflächenfunktionen und speist Druck plus Koordinaten in ein PINN: Fourier-Merkmale, acht Schichten, hyperelastisches Holzapfel-Gasser-Ogden-Modell, Cauchy-Spannung per automatischer Differentiation. Trainingsdaten: 1247 synthetische Geometrien und 86 öffentliche FEA-Läufe (FEBio, Druck von Hypotonie bis schwerer Hypertonie). Das Spannungsfeld wird auf 42 MechTokens verdichtet (acht Zonen, fünf Statistiken plus Peak-zu-Festigkeit und Laplace-Verhältnis). LLaVA-Med plus Vicuna-7B erzeugt daraus Berichte zu Peak, Regionen, Leitlinie und Risiko.

Auf 267 gehaltenen Testgeometrien lag der mittlere Absolutfehler bei 8,34 Kilopascal (6,12 Prozent, R² 0,961) unter Normaldruck und 11,07 Kilopascal (5,89 Prozent, R² 0,953) unter Hypertonie. Das PINN schlug Vanilla-PINN, DeepONet, PI-DeepONet und ein 3-D-U-Net. Rechenzeit: 0,83 Sekunden statt im Mittel 38,6 Minuten FEBio; die volle Pipeline inklusive Sprachmodell unter drei Sekunden. In 200 simulierten, von Fachleuten annotierten Vignetten stimmte BioPINN-LM zu 87,4 Prozent mit der Mehrheitsempfehlung überein (gewichtetes F1 0,862, Reasoning-Score 8,3) und übertraf ESC-Regelwerk, GPT-4V ohne Spannungsdaten und LLaVA-Med ohne MechTokens. Ohne MechTokens fiel die Übereinstimmung auf 77,3 Prozent, nur Durchmesser auf 78,5 Prozent. Größter Fehler am sinotubulären Übergang.

Materialparameter sind populationsbasiert, nicht patientenspezifisch. Die Konkordanz misst Vignetten, keine Ruptur- oder OP-Verläufe. CTA ist statisch, ohne 4-D-Fluss oder Herzzyklus. Extreme Drücke und Halluzinationen des Sprachmodells bleiben Risiken. Für die Grauzone 45–55 Millimeter oder Modifier wie Marfan und bikuspide Klappe liefert das nur eine Forschungsreferenz, keine OP-Indikation.

Autoren-Avatar
LabNews Media LLC
The Editors in Chief of labnews.ai are Marita Vollborn and Vlad Georgescu. They are bestselling authors, science writers and science journalists since 1994.More details about their writing on X-Press Journalistenbüro (https://xpress-journalisten.com).More Info on Wikipedia:About Marita: https://de.wikipedia.org/wiki/Marita_Vollborn About Vlad: https://de.wikipedia.org/wiki/Vlad_Georgescu
LabNews Media LLC

LabNews Media LLC

The Editors in Chief of labnews.ai are Marita Vollborn and Vlad Georgescu. They are bestselling authors, science writers and science journalists since 1994.More details about their writing on X-Press Journalistenbüro (https://xpress-journalisten.com).More Info on Wikipedia:About Marita: https://de.wikipedia.org/wiki/Marita_Vollborn About Vlad: https://de.wikipedia.org/wiki/Vlad_Georgescu