Simulare il cuore umano grazie all’HPC

Negli ultimi anni, la simulazione computazionale è diventata uno strumento sempre più centrale per comprendere sistemi complessi come il cuore umano. Con il progetto MICROCARD – “Numerical modeling of cardiac electrophysiology at the cellular scale”, si è compiuto un passo decisivo verso la possibilità di simulare l’intero cuore a livello subcellulare, aprendo nuove prospettive per la ricerca biomedica e la pratica clinica.
Il progetto è stato realizzato con il sostegno dell’Unione Europea, del Ministero delle Imprese e del Made in Italy e di Regione Lombardia. A livello europeo, MICROCARD è stato finanziato nell’ambito dell’iniziativa EuroHPC, con un budget complessivo di 5,8 milioni di euro e il coinvolgimento di 11 partner tra università, centri di ricerca e aziende. In Italia, il progetto ha visto la partecipazione di Orobix e dell’Università degli Studi di Pavia, con un finanziamento complessivo di  288.627,49 euro.

Le malattie cardiovascolari rappresentano la principale causa di morte a livello globale e circa la metà dei decessi è legata ad aritmie, ovvero disfunzioni nella sincronizzazione elettrica del cuore. Comprendere questi fenomeni è estremamente complesso: il cuore è composto da circa 2 miliardi di cellule, ciascuna con un comportamento elettrico e biofisico specifico.
I modelli matematici oggi disponibili sono già molto avanzati e utilizzati in diversi contesti clinici e di ricerca, ma non sono ancora in grado di rappresentare il cuore nella sua interezza a livello cellulare. Simulare ogni singola cellula comporta un aumento della complessità computazionale fino a 10.000 volte rispetto agli approcci attuali, rendendo necessario l’uso di nuove architetture HPC e algoritmi altamente scalabili.

Il progetto MICROCARD è nato con l’obiettivo di sviluppare una piattaforma HPC per la simulazione dell’elettrofisiologia cardiaca a risoluzione micrometrica, integrando la scala cellulare con quella tissutale.
Per raggiungere questo obiettivo, sono stati sviluppati nuovi algoritmi e software ottimizzati per i futuri supercomputer exascale, capaci di gestire miliardi di cellule cardiache in modo efficiente, sostenibile e scalabile. L’attenzione è stata posta non solo sulle prestazioni, ma anche sull’efficienza energetica e sulla capacità di operare su architetture altamente parallele.

MICROCARD ha rappresentato un esempio concreto di collaborazione tra discipline diverse: informatica, matematica, bioingegneria e medicina. La piattaforma sviluppata integra solutori numerici avanzati, tecnologie HPC e metodologie di deep learning per simulazioni multi-scala.
Il sistema è stato progettato per funzionare su architetture ibride CPU-GPU, tipiche dei supercomputer di nuova generazione, ottimizzando prestazioni, resilienza e consumi. Questo approccio consente non solo simulazioni più accurate, ma anche tempi di calcolo significativamente ridotti.

All’interno del progetto, Orobix ha contribuito allo sviluppo di metodologie avanzate per la simulazione dell’elettrofisiologia cardiaca, integrando competenze in HPC, geometria computazionale e intelligenza artificiale. In collaborazione con l’Università di Pavia, il contributo italiano si è concentrato sia sulla modellazione geometrica del tessuto cardiaco sia sullo sviluppo di strumenti basati su deep learning per l’analisi e la simulazione.

In particolare, sono state sviluppate tecniche per la generazione di mesh multiscala di geometrie cardiache, dalle singole cellule fino ad aggregati complessi, utilizzando approcci basati su caratterizzazione morfologica e modelli geometrici differenziali. Le attività hanno portato alla costruzione di mesh sempre più realistiche, fino a superare i 100 miociti, evidenziando un incremento del costo computazionale fino al 30% rispetto a geometrie idealizzate e quindi il trade-off tra accuratezza e complessità.

Parallelamente, Orobix ha sviluppato pipeline scalabili di segmentazione 3D del tessuto cardiaco per ambienti HPC, esplorando diverse tecniche di deep learning. Il lavoro si è concretizzato in una soluzione basata su Attention UNet 3D, capace di ricostruire automaticamente le singole cellule con elevata accuratezza (DICE score > 90%) a partire da immagini di imaging cardiaco.

Infine, sono stati sviluppati modelli di Deep Learning e Operator Learning per la simulazione della dinamica ionica cardiaca, confrontando diverse architetture come DeepONet e Fourier Neural Operator (FNO), risultate più performanti. Estesi a modelli fisiologicamente realistici, questi approcci hanno raggiunto errori inferiori al 5% rispetto ai metodi numerici tradizionali, riducendo significativamente i tempi di calcolo in fase di utilizzo.

I risultati di MICROCARD aprono la strada a una nuova generazione di modelli cardiaci, in grado di supportare diagnosi e trattamenti sempre più personalizzati. La possibilità di simulazioni “patient-specific” rappresenta un passo importante verso la medicina di precisione.
Oltre all’ambito clinico, le tecnologie sviluppate trovano applicazione anche in contesti industriali molto diversi, come il controllo qualità, la manutenzione predittiva e la progettazione basata su digital twin. L’integrazione tra HPC e intelligenza artificiale dimostra così una forte capacità di trasferimento tecnologico, trasformando soluzioni nate per la biomedicina in strumenti riutilizzabili in altri settori ad alta complessità.

MICROCARD ha mostrato come la combinazione di supercalcolo, modellazione matematica e intelligenza artificiale possa generare innovazioni ad alto impatto. Con l’arrivo dei supercomputer exascale, sarà possibile affrontare simulazioni ancora più dettagliate e realistiche, con benefici per ricerca, industria e società.

Per approfondire il progetto e i suoi risultati è possibile consultare il sito ufficiale e le pubblicazioni scientifiche collegate all’iniziativa.