Science Robotics / Research Article

Soft robotic artificial left ventricle simulator capable of reproducing myocardial biomechanics

作者：James Davies, Mai Thanh Thai, Bibhu Sharma, Trung Thien Hoang, Chi Cong Nguyen, Phuoc Thien Phan, Thao Nhu Anne Marie Vuong, Adrienne Ji, Kefan Zhu, Emanuele Nicotra, Yi-Chin Toh, Michael Stevens, Christopher Hayward, Hoang-Phuong Phan, Nigel Hamilton Lovell, Thanh Nho Do · 单位：Graduate School of Biomedical Engineering, Faculty of Engineering, UNSW Sydney, Sydney, NSW 2052, Australia, School of Mechanical, Medical, and Process Engineering, Queensland University of Technology, Brisbane, Queensland 4000, Australia, Tyree Institute of Health Engineering (IHealthE), UNSW Sydney, Sydney, NSW 2052, Australia, Department of Cardiology, St Vincent’s Hospital, Sydney, NSW 2010, Australia, St Vincent’s Clinical School, Faculty of Medicine, UNSW Sydney, Sydney, NSW 2052, Australia, School of Mechanical and Manufacturing Engineering, Faculty of Engineering, UNSW Sydney, Sydney, NSW 2052, Australia · 来源：Science Robotics · 发布日期：2024-09-25 · DOI：10.1126/scirobotics.ado4553

软体机器人医疗机器人仿生机器人机器人

精读笔记

Problem Setting

论文标题：Soft robotic artificial left ventricle simulator capable of reproducing myocardial biomechanics（Science Robotics / 2024）。

这篇论文不是在做一个“能跳动的软体心脏模型”，而是在解决 cardiac simulator 中一个长期被低维 hemodynamics 掩盖的问题：很多平台能产生近似生理的压力、流量、EF 或 PV loop，但它们生成这些输出的 mechanical pathway 并不像真实心肌。对于需要研究 ventricular mechanics、瓣膜-心室耦合、机械循环支持器械、手术训练的场景，错误的壁运动可能给出正确的全局数字但错误的局部相互作用。

真正困难点在于左室不是一个径向收缩囊。它的输出来自跨壁连续变化的 fiber orientation、分层收缩相位差、纵向-径向-扭转耦合，以及 IVC/射血/IVR/充盈各阶段运动方向的变化。已有方法卡在两个极端：一类是 MCL/膜/泵系统，hemodynamics 好但 biomechanics 假；另一类是 soft robotic sleeve 或 McKibben 肌肉结构，能做一部分缩短或扭转，但自由度耦合错误，难以同时复现 radial volume change、longitudinal shortening 和 torsion。关键矛盾是“功能输出可被很多非生理机制拟合”，但研究者真正需要的是一个机制上接近心肌的可控物理模型。

Motivation

作者对已有路线的不满很明确：不是说它们没有用，而是它们的 actuation architecture 没有尊重当前更被接受的 myocardial continuum model。Park/Roche 系列工作证明 soft robotic cardiac simulators 有价值，但 McKibben/PAM 的尺度、形态和布置方式限制了其 fiber-level biomimicry；基于 HVMB 或非生理重排的结构，即使能调出扭转，也可能牺牲纵向运动或层间时序。Rosalia 等 patient-specific hydrodynamic 模型更偏 hemodynamics/几何，而非真实 myocardium actuation。

作者的核心观察是：如果把心肌结构抽象成三层不同方向的主动纤维，并给每层输入相应的 strain time course，那么很多复杂左室运动可以作为结构-输入耦合的结果自然出现，而不是由外部泵或控制器硬编码出来。缺口因此不是“更强驱动器”，而是“能以足够高长径比、足够细粒度、沿心肌纤维方向布置的人工肌肉”。这也是他们选择 HFAM 的根本原因。

Core Idea

核心思想可以概括为：用物理结构本身承载心肌运动先验。作者将跨壁连续 fiber orientation 简化为三层：Epi 约 +60°、Trans 约 0°、Endo 约 -60°，并用 HFAM 替代对应心肌纤维；再用仿生分层 strain waveform 分别驱动。这样左室的缩短、缩窄、扭转、早期反向扭转等行为来自纤维方向和层间时序，而不是来自一个黑箱控制器对腔体体积的直接控制。

理论直觉上这会有效，因为真实左室运动本来就是各向异性主动收缩网络在几何约束下的低维投影。只要结构先验足够接近、驱动 strain 的相位关系合理，整体 motion manifold 会被强约束到类似生理的区域。与 prior 的本质差异在于：以前很多工作把 heart simulator 视为“可变容积腔体”，这篇把它视为“可编程人工心肌”。这种 inductive bias 更 scalable 的地方在于它允许通过改变 fiber angle、fiber density、geometry、layer strain 来表达健康/病理/患者特异状态，而不是为每个状态重新设计一个外部压缩机制。

Method

方法的关键机制如下。

1）三层 continuum simplification：它解决的是完整心肌 fiber continuum 难以物理实现的问题。三层不是解剖上完全真实，而是选取对运动贡献最大的三个代表方向：Epi/Endo 负责相反方向的 helical shortening 与 twist，Trans 主要负责径向缩窄和容积变化。核心变化是把复杂心肌降维为可制造、可独立控制的最小主动结构。

2）HFAM 作为 fiber-like actuator：它解决的是传统 PAM 过粗、布置分辨率低、难以沿心肌纤维连续走向铺设的问题。HFAM 的高 aspect ratio 使单根长纤维可以 meander 成一层人工心肌；depressurization contraction 和可调弹性元件让最大力更容易受材料限制。这里的贡献不是“液压比气动好”这么简单，而是 actuator morphology 与 myocardial fiber abstraction 匹配。

3）分层 strain-to-volume 控制：作者从 canine transmural fiber strain 数据重构三层输入波形，并调到能匹配人类左室运动范围。它解决的是心动周期内层间异步的问题。尤其重要的是 IVC 阶段 Trans/Endo/Epi 的相对激活顺序会改变长度与扭转方向，使一些文献中观察到的 torsional notch 和 early clockwise twist 能出现。

4）MCL 与 COMSOL 的角色：MCL 用来证明该人工心肌不仅能空载动，还能在生理压力范围内泵血并响应 preload/afterload/辅助器械；COMSOL 用来探索 helix angle、geometry、strain 对运动的影响。二者是验证和设计工具，不是核心机制本身。

Key Insight / Why It Works

最重要的 insight 是：对这类物理仿生系统，正确的结构先验比复杂控制更关键。心脏的 twist、shortening、radial compression 并不是独立自由度，而是 fiber orientation、几何边界和层间相位差共同诱导的耦合结果。作者通过三层人工纤维把这种耦合写进硬件，所以只需要相对低维的 layer-level input，就能生成较复杂的 3D motion。

最可能的核心贡献是 HFAM + 三层 myocardial architecture 的组合。单独三层概念并不新，continuum fiber model 是已有知识；单独 HFAM 也是团队已有工作。真正新增的是把二者组合成一个可驱动、可调参、能在 MCL 中工作的人工左室。这是 better inductive bias，而不是 scaling、retrieval 或单纯 engineering optimization。

Trans layer 的作用值得注意。结果显示 volume displacement 主要由 Trans 层贡献，而 Epi/Endo 更主导 twist。这个分工让系统能部分解耦 PV performance 和 torsional motion，正是很多 McKibben sleeve 类方法做不到的。换句话说，这篇的关键不是“做出了扭转”，而是“能解释并控制哪些层贡献体积、哪些层贡献扭转”。

但也要直接说：biomimetic motion 的精确匹配有明显调参成分。输入从 canine 数据重构，再为了匹配 human LV motion 调整幅值/相位；因此文中“结构 + 生理输入自然得到生理输出”的因果强度没有被完全消融证明。增益来源不清：究竟三层结构本身已经足够，还是大量输入 tuning 补偿了结构简化，文中未充分说明。COMSOL 的 disease prediction 也更像设计空间 sanity check，而不是经过真实病人数据验证的泛化能力。

Relation To Prior Work

这篇最接近 Roche/Park/Singh/Rosalia 这一条 soft robotic / organosynthetic cardiac simulator 谱系，而不是传统 MCL 或纯计算心肌模型。与传统 MCL 相比，它新增的是主动心肌壁运动；与 ex vivo heart simulator 相比，它新增的是可重复、可调、非生物寿命限制的人工驱动；与 McKibben sleeve/organosynthetic heart 相比，它的核心差异是 fiber-level architecture 更接近 continuum myocardium，并且三层可独立驱动。

看似新的部分中，有不少是已有思想重组：continuum fiber model、分层心肌 strain、PV loop/MCL、disease-state tuning 都不是新概念。实质创新在于把这些东西物理集成到一个人工左室平台，并证明它同时满足 motion 和 hemodynamic 两类指标。尤其相对于基于 HVMB 或非生理肌肉重排的 prior，这篇的主张更强：不是为了得到目标运动而重新安排肌肉，而是按更合理的心肌结构安排肌肉，再让目标运动从结构中出来。

它属于“bioinspired embodied model / physical simulator”路线：用硬件结构承载领域模型，而不是在控制或软件层面拟合行为。这个方向的价值在于可作为实验平台，但它的科学性取决于结构先验是否足够接近真实生物力学，以及输出是否能预测真实器械/病理交互。

Dataset / Evaluation

评估覆盖了三类 claim：运动学 fidelity、血流动力学 fidelity、器械测试潜力。运动学部分使用图像处理和超声验证外/内表面运动，并与文献中的人类/犬左室扭转、直径、EF、EDV/ESV 等范围对齐；MCL 部分展示健康、降低 inotropy、增加 preload、改变 afterload；器械部分用 IABP 展示预期的 afterload reduction。任务覆盖比一般 heart simulator 论文更完整，因为它没有只停留在空载演示或只做 PV loop。

但 evaluation 对核心 claim 的支持仍有限。第一，运动学主要是与文献范围对齐，不是与同一对象的 imaging/strain ground truth 对齐；跨物种输入加人工 tuning 使“真实复现”更像“生理范围内拟合”。第二，MCL 是简化左心循环，缺少右心、冠脉、真实瓣膜结构、复杂顺应性和高心率动态。第三，IABP 只是工作原理级验证，不能说明该平台已能预测临床器械性能。第四，病理状态主要通过减少收缩幅度和改变模型参数生成，尚未证明能复现具体 cardiomyopathy 患者的 wall motion pattern。

总体上，实验足以支持“这是一个强 proof-of-concept，能同时产生 biomimetic motion 和 physiological PV behavior”；还不足以支持“可替代动物模型用于广泛器械验证”。

Limitation

最根本的前提是：三层离散 fiber model 足以代表左室关键运动。这个前提在全局 motion 层面看起来可用，但对局部应变、壁应力、剪切、瓣环运动、乳头肌/腱索/瓣膜耦合未必成立。若应用目标是手术训练或局部器械接触，这种简化可能成为硬上限。

第二个硬限制是缺少 wall thickening。当前常厚壁意味着为了获得正确腔体容积变化，外表面必须发生比真实心脏更大的运动；真实心肌依赖近似不可压缩组织的增厚来把较小 fiber strain 转成较大腔体变化。这个问题不是小修小补，而是会影响应变场、外壁运动、Starling response 和负载敏感性。作者也承认未来需要 ECM-like incompressible matrix。

第三，速度是 deployment 鸿沟。主要实验约 1 bpm，虽然补充展示 30 bpm，但生理心率甚至运动状态下的快速驱动、液压阻力、cavitation、阀门瞬态和控制稳定性都未充分说明。对于器械测试，时间尺度往往不是可忽略变量。

第四，所谓 patient-specific / disease-specific 潜力目前主要是参数可调的可能性，不是真实泛化。要真正患者特异，需要 imaging-derived geometry、fiber angle、strain waveform，并且要能映射到制造与控制；这一 pipeline 文中没有实现。泛化能力可能主要来自可调参数空间，而不是已经验证的病理机制模型。

第五，增益归因不清。没有系统消融三层 vs 两层、HFAM vs 其他纤维驱动、真实 strain input vs 手工优化 waveform、不同 fiber density 对 motion fidelity 的影响。因此最核心结论虽可信，但定量上到底哪部分贡献最大仍未充分说明。

Takeaway

  • 1）这篇真正推动的是 cardiac simulator 从“腔体驱动”转向“人工心肌驱动”。
  • 如果未来这个方向成立，benchmark 不应只看 PV loop，还要看 wall motion、torsion、strain field、load-motion coupling。
  • 2）结构先验是软体仿生机器人里最可迁移的 insight：当目标系统的运动来自各向异性材料/纤维网络时，把 anisotropy 写进硬件，往往比用更复杂控制器拟合输出更有效。
  • 3）HFAM 这类高长径比人工肌肉的价值在于能把连续生物纤维场离散实现；这可能迁移到肠道、血管、子宫、呼吸肌等其他分层肌性器官模拟器。

一句话总结

这篇是 soft robotic cardiac simulator 从 hemodynamic mimicry 走向 myocardial biomechanics mimicry 的关键 proof-of-concept，真正贡献在于用三层纤维化人工心肌结构把左室运动先验写进硬件，而不是单纯用泵或控制器拟合压力容积曲线。