في عالم الطب الحديث، أصبحت التجارب السريرية المعتمدة على المحاكاة (In-silico trials) تتطلب تقنيات متقدمة لإنشاء مجاميع افتراضية تمثل التركيبات التشريحية. تمثل هذه المجاميع أهمية خاصة في مجالات مثل علم الأوعية الدموية، حيث يتم عادةً تصوير التشريح الافتراضي كشبكة ثلاثية الأبعاد مع زمن (3D+t mesh) يتم توليدها عبر نموذج توليدي (Generative Model).

ومع ذلك، فإن العديد من أدوات إنشاء الشبكات الحالية تركز معظمها على التركيبات التشريحية الثابتة، مما يجعلها غير مجدية في النماذج الديناميكية. هنا يأتي دور الابتكار الجديد الذي تم اقتراحه، وهو النموذج التفاضلي المشروط 4D F-MeshLDM. يتكون هذا الإطار الابتكاري من شبكات تحويليه (Convolutional Mesh Variational Autoencoder) لتشفير الشبكات، بالإضافة إلى فضاء latent هيكلي يحدد الحركة باستخدام سلسلة فورييه المقطوعة (Truncated Fourier Series).

يسمح هذا النموذج بالتوليد المتحكم فيه، حيث يتم تعديل عملية التوليد وفقًا لعوامل سريرية معينة من خلال التعديل الأفيني (Affine Modulation). ويؤدي أخذ العينات من الرموز وأداء صياغة فورييه العكسية إلى مسارات latent متناسقة دورياً، مما يمكّن الباحثين من تحويلها إلى تسلسلات شبكية ثلاثية الأبعاد مع زمن لإظهار حركة القلب.

تم إجراء تجارب على 5000 موضوع من قاعدة بيانات UK Biobank، مما أظهر أن النموذج 4D F-MeshLDM يتفوق بشكل ملحوظ على التقنيات الرائدة الأخرى، مع الحفاظ على دقة تشريحية عالية وكونه يصل قريبًا من خطأ دوران مغلق (Cycle Closure Error) يساوي الصفر.

بالإضافة إلى ذلك، تُظهر المجاميع التي تم توليدها دقة عالية في الحفاظ على المؤشرات الوظيفية السريرية، مما يسلط الضوء على إمكانيات هذا النموذج في تمكين تجارب قلبية موثوقة مبنية على المحاكاة. إن استخدام مثل هذه التقنيات الحديثة يمكن أن يعيد تشكيل كيفية إجراء التجارب الطبية وتحسين نتائجها.