Predecir el daño sanguíneo es clave al diseñar catéteres, válvulas cardíacas y otros dispositivos en contacto con la sangre, pero las simulaciones detalladas son costosas desde el punto de vista computacional y lentas para explorar múltiples geometrías. La solución: modelos subrogados en COMSOL Multiphysics^®.

Veryst Engineering, usando COMSOL Multiphysics^®, entrenó redes neuronales profundas (DNN) como modelos subrogados a partir de miles de simulaciones sobre la tobera de referencia de la U.S. Food and Drug Administration (FDA), variando caudal, longitud de convergencia, diámetro del cuello y longitud de divergencia, como se muestra en la Figura 1 [1].

Figura 1. Diagrama que muestra la configuración de la tobera y las entradas del modelo DNN.

Resultado: predicciones de hemólisis con ~10% de precisión frente al CFD completo, pero en milisegundos en lugar de horas — habilitando exploración de diseño en tiempo real. La Figura 2 muestra la velocidad axial correspondiente a un número de Reynolds de 6500, que replica la geometría de la FDA, mostrando la recirculación después de la expansión.

Figura 2. Velocidad axial correspondiente a un número de Reynolds de 6500.

El estudio también subraya algo esencial: en contextos regulatorios, no basta con que un modelo de IA sea preciso; hay que cuantificar su incertidumbre para garantizar decisiones de ingeniería confiables ("decision reliability").

Un caso sólido de cómo multifísica + IA pueden acelerar el diseño sin perder base física.

Referencias

[1] B. Beaudry, “Predicting Blood Damage with Surrogate Modeling”, COMSOL Blog 2026. https://www.comsol.com/blogs/predicting-blood-damage-with-surrogate-modeling