Skip to main content
PMC home page
Arquivos Brasileiros de Cardiologia logoLink to Arquivos Brasileiros de Cardiologia
. 2024 Nov 27;121(12):e20240430. [Article in Portuguese] doi: 10.36660/abc.20240430
View full-text in English

Impacto da Impressão em 3D nas Cirurgias de Cardiopatias Congênitas: Revisão Sistemática e Metanálise

Davi Shunji Yahiro 1, Mariana de Paula Cruz 1, Brenda Ficheira Coelho Ribeiro 1, Luiza Meireles Teixeira 1, Maria Fernanda Ribeiro Mendes de Oliveira 1, Aurea Lúcia Alves de Azevedo Grippa de Souza 1, Ana Flávia Malheiros Torbey 1, Juliana Serafim da Silveira 2, Claudio Tinoco Mesquita 1,2
PMCID: PMC11634304

Keywords: Impressão Tridimensional, Cardiopatias Congênitas, Cuidados Pré-Operatórios, Medicina de Precisão

Resumo

Fundamento

As cardiopatias congênitas (CCs) impõem um desafio importante ao tratamento cirúrgico devido à complexidade da anatomia cardíaca. A impressão em 3D surgiu como uma ferramenta promissora no planejamento perioperatório, no direcionamento intraoperatório, e na educação médica em cirurgia de CC.

Objetivo

Avaliar sistematicamente a literatura sobre o uso e os benefícios da tecnologia de impressão em 3D nas intervenções cirúrgicas de CCs.

Métodos

Realizou-se uma busca sistemática nas bases de dados PubMed e EMBASE por estudos publicados até fevereiro de 2024. Incluímos estudos controlados e não controlados investigando o papel da impressão em 3D em cirurgias em pacientes com CCs. Conduzimos uma metanálise de braço único estimando a proporção de mudança no planejamento do tratamento devido ao uso de modelos impressos em 3D. Além disso, estudos que compararam o uso de impressão em 3D com tratamento convencional foram incluídos na metanálise. Um valor de p<0,05 foi considerado estatisticamente significativo.

Resultados

Um total de 21 estudos preencheram os critérios de inclusão, incluindo 444 pacientes submetidos a cirurgias de CCs com auxílio da impressão em 3D. O planejamento pré-operatório com ajuda de modelos 3D levou a mudança de decisões cirúrgicas em 35 dos 75 casos (51,8%; IC95% 26,6-77,0%, I2=80,68%, p=0,001) e redução no tempo total da cirurgia em 22,25 minutos a favor da impressão e 3D (IC95% - 49,95; 5,80 min; I2=0%; p=0,817), mas sem significância estatística. Embora em uma amostra menor, outros desfechos (ventilação mecânica e tempo na unidade de terapia intensiva) demonstraram algum benefício da tecnologia mas sem significância estatística.

Conclusões

Ao fornecer modelos anatômicos personalizados, a impressão em 3D pode facilitar o planejamento e a execução da cirurgia. Mais estudos são necessários para investigar os efeitos da impressão em 3D na redução nos tempos da intervenção, de internação e de ventilação mecânica.

Introdução

As anomalias cardíacas são as malformações congênitas mais comuns em nascidos vivos no mundo. No Brasil, estima-se que aproximadamente 25 757 novos casos ocorram por ano, e a região sudeste apresenta a maior prevalência, com 10 novos casos/1000 nascidos vivos. No entanto, este número pode ser ainda maior devido à subnotificação dos casos de doença cardíaca congênita.1,2

Em muitas cardiopatias congênitas (CCs), é necessária uma análise abrangente para o diagnóstico e o tratamento corretos, uma vez que elas podem combinar defeitos, aumentando a complexidade de cada caso. Tal fato requer um tratamento individualizado e multidisciplinar, dependendo da sua complexidade. Para planejar uma intervenção, é necessário examinar meticulosamente a anatomia das estruturas. Uma metanálise demonstrou que o modelo tridimensional (3D) de uma CC apresentou um desvio padrão de 0,04 mm, IC (-0,16; 0,23) em comparação a imagens médicas digitais.3 Portanto, a modelagem e a impressão de modelos 3D de imagens médicas podem fornecer uma visualização auxiliar da anomalia específica.

Modelos 3D de qualquer condição médica são possíveis por exames de imagens. A tomografia computadorizada (TC) e a ressonância magnética (RM) são as técnicas mais confiáveis para obtenção de dados para a construção de modelos anatômicos. Antes da impressão, as imagens precisam ser transformadas em um modelo digital e divididas em camadas finas para serem reconstruídas em uma impressora 3D, formando a peça final. Nos últimos anos, a impressão 3D surgiu como uma tecnologia proeminente no campo da medicina, oferecendo aplicações versáteis. Sua utilização varia desde o planejamento cirúrgico, fins educacionais, até estratégias de comunicação efetiva. A natureza multifacetada da impressão 3D promoveu um avanço significativo nas práticas clínicas, permitindo maior precisão e eficiência, e melhores desfechos.4

Apesar do potencial promissor da tecnologia da impressão 3D em melhorar o planejamento e a execução de cirurgias cardíacas, particularmente em pacientes com CCs, existe uma clara ausência de dados robustos nessa área. Essa falta de dados abrangentes e de alta qualidade limita nosso entendimento da real aplicabilidade e do verdadeiro impacto da impressão 3D nesse contexto. Enquanto estudos preliminares e supostas evidências sugerem que modelos cardíacos construídos por impressão 3D poderiam fornecer melhores insights no pré-operatório e possivelmente melhorar os desfechos cirúrgicos, a necessidade de uma pesquisa sistemática, em grande escala, é evidente. Esses estudos ajudariam a quantificar os benefícios, otimizar o uso dessa tecnologia, e validar sua eficácia e custo-efetividade no âmbito clínico. Até lá, o potencial máximo da impressão 3D no planejamento de cirurgias cardíacas continua pouco explorado e subutilizado. Dada a emergência no ambiente médico, algumas pesquisas sistemáticas avaliaram o impacto da impressão 3D nas condições cardiovasculares.3-6 No entanto, nenhuma delas teve como foco a CC ou a intervenção cirúrgica. Nesse sentido, este estudo tem como objetivo avaliar e analisar as aplicações atuais da impressão 3D nas intervenções cirúrgicas nas CCs.

Métodos

Fonte de dados e estratégia de busca

Uma busca sistemática da literatura foi conduzida nos bancos de dados eletrônicos incluindo PubMed e Embase. A estratégia de busca usou uma combinação de palavras e termos relacionados à impressão 3D, CCs, cirurgia e intervenções. Operadores booleanos e filtros de busca foram aplicados para assegurar uma cobertura abrangente da literatura relevante. A busca bibliográfica foi conduzida em fevereiro de 2024, contendo todas as palavras publicadas até aquela data. A estratégia completa da pesquisa bibliográfica encontra-se no Apêndice 1. Além disso, realizou-se uma busca manual de listas de referências para identificar outros estudos que possam não ter sido identificados nas buscas eletrônicas.

Critérios de elegibilidade e processo de seleção

Dois revisores independentes (DY e MC) rastrearam títulos e resumos das citações obtidas para identificar estudos elegíveis. Artigos completos foram então avaliados quanto à elegibilidade com base nos critérios de inclusão e exclusão pré-definidos. Os estudos foram incluídos se tivessem avaliado a utilidade da impressão 3D no planejamento, desempenho ou prognóstico de CCs. Estudos de revisão, metanálises, carta, estudos experimentais e séries de casos com menos de cinco participantes foram excluídos da análise. Qualquer discrepância entre revisores foi resolvida por discussão ou consulta om um terceiro revisor.

Extração dos dados

Os dados foram extraídos de maneira independente por dois revisores (DY e MC), usando um formulário padronizado. Os dados extraídos incluíram delineamento do estudo, tamanho amostral, modelo da impressora 3D, custo, método de imagem, software de segmentação, material de impressão, propósito do estudo, condição no tratamento, achados principais, como mudança no plano cirúrgico ou tempo de cirurgia, e desfechos secundários: tempo de bypass, ventilação mecânica, e tempo de internação. Além disso, coletamos informações sobre mudança na decisão ou no tempo cirúrgicos quando disponíveis. Discordâncias entre os revisores foram resolvidas por consenso ou consulta com um terceiro revisor.

Avaliação do risco de viés

A qualidade dos artigos incluídos foi avaliada por dois autores (MC e LT) usando duas ferramentas diferentes de avaliação de risco de viés – o JBI Critical Appraisal Checklist for Case Series para estudos retrospectivos sem um grupo para comparação e a ferramenta ROBINS-I para estudos prospectivos não randomizados, com um grupo comparativo.5,6 Foram realizadas análises de sensibilidade para avaliar a robustez dos achados, e uma metarregressão foi conduzida para explorar fontes potenciais de heterogeneidade.

Análise estatística

Análise das diferenças médias agrupadas do tempo de cirurgia, tempo de bypass, suporte respiratório, e tempo de internação foi realizada usando o Open Meta.5-9 Nessa análise, nós incluímos todos os estudos que forneceram dados sobre tempo médio de intervenção e seu desvio padrão em um grupo com impressão em 3D em comparação a um grupo controle sem impressão em 3D. A análise agrupada utilizou a diferença média e a diferença média padrão pelo modelo de efeitos aleatórios DerSimonian-Laird. Para estudos que apresentaram mediana e intervalo do tempo de intervenção, nós estimamos a média e a variância conforme o proposto por Hozo et al.7 Para a proporção agrupada de mudanças na decisão cirúrgica, realizamos uma metanálise com braço único para o tamanho do efeito combinado usando o modelo de efeitos aleatórios de DerSimonian-Laird. Consideramos um intervalo de confiança de 95%, e um nível de significância estatística de 5%. A heterogeneidade foi estimada usando o Q-statistics (teste “Q de Cochran”). I2 e T2 foram fornecidos para quantificar inconsistências dos resultados entre os estudos como uma estimativa do desvio padrão da distribuição dos resultados. O viés de publicação não foi avaliado devido ao número limitado dos estudos incluídos. A sensibilidade da estimativa agrupada dos estudos individuais foi examinada usando a metanálise leave-one-out.

Registro e protocolo

A revisão sistemática foi realizada seguindo-se o Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) (Apêndice 2).8 Além disso, o protocolo do estudo foi registrado no PROSPERO sob o número CRD42024543412.

Resultados

Seleção dos estudos

A busca na literatura gerou um total de 1156 resultados e 1069 estudos foram excluídos após rastreio por título e resumo, e remoção das duplicatas. Os 81 artigos restantes foram avaliados pelo texto completo, resultando em 20 artigos.9-28 Cinco artigos foram excluídos da metanálise por não haverem descrito o desfecho, e seis não eram estudo controlados. Assim, nove estudos foram selecionados para a metanálise (Figura 1).

Figura 1. – Fluxograma PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) mostrando o fluxo das publicações pelo processo de revisão.

Figura 1

Open in a new tab

Características dos estudos

Cinco estudos compararam desfechos entre os grupos em que houve uso de impressão 3D no tratamento versus grupos submetidos a tratamentos convencionais, resultando em 219 pacientes. Sessenta e quatro casos foram operados com o auxílio de modelos impressos em 3D, e 153 pacientes foram submetidos à cirurgia sem auxílio da impressão em 3D. Quatro estudos incluíram dados para metanálise de braço único para avaliar a mudança no planejamento cirúrgico após a aplicação da impressão 3D, resultando em 75 pacientes.

A Tabela 1 resume as características dos estudos incluídos. A maioria dos estudos utilizou o software Mimics (Materialise) para reconstruir os modelos 3D a partir de imagens da TC e RM. A maioria das impressoras 3D usadas nos estudos eram de tecnologia de resina fotossensível.

Tabela 1. – Características basais dos estudos incluídos.

Autores Ano Delineamento do estudo N Condição Método de imagem Software de segmentação Modelo de impressora 3D Materiais de impressão Custos Objetivo do estudo
Bhatla et al.9 2016 Série de casos 6 DSV, DVSVD RM ou TC Materialise Mimics - - - Planejamento perioperatório
Garekar et al.10 2016 Série de casos 5 DVSVD RM ou TC - 3D Systems Projet 660 pro full color Filamento PLA - Planejamento perioperatório e educação
Han et al.11 2019 Estudo controlado 12 (6/6) Interrupção do arco aórtico, DSV, DVSVD, hipoplasia do arco aórtico, atresia da aorta, coarctação da aorta TC - Formlabs Resina de fotopolímero - Desempenho
He et al.12 2019 Série de casos 5 CIA com defeito no seio venoso inferior TC Materialise Mimics ZRapid SLA450 RAPID Resina de fotopolímero - Planejamento perioperatório
Hoashi et al.13 2018 Série de casos 20 DVSVD, TGA, Interrupção do arco aórtico, TF TC - SOUP2 600GS e SCS-8100 Resina de fotopolímero Modelo/ 2000–3000 USD Planejamento perioperatório
Kappanayil et al.14 2017 Série de casos 5 DVSVD complexa, dois pacientes com conexão atrioventricular entrecruzado (crisscross), TGVCC RM ou TC Materialise Mimics - Resina de fotopolímerou PLA - Planejamento perioperatório
Matsubara et al.15 2019 Estudo controlado 11 (4/7) DAP TC Ziostation2 e OsiriX UP Plus2 3D Filamento de ABE Modelo/ 90 USD Planejamento e desempenho
Nam et al.16 2021 Estudo controlado 6 TF; estenose pulmonar complexa TC Materialise Mimics Stratasys Object500 Connex Resina fotossensível Modelo/ 100 USD Desempenho
Olivieri et al.17 2016 Série de casos 10 CCs múltiplas RM ou TC Materialise Mimics Stratasys Object500 Connex Resina fotossensível Modelo/ 200 USD Educação e conhecimento
Ryan et al.18 2018 Estudo controlado 146 (33/113) Atresia pulmonar, TF, DVSVD, tronco arterioso, anéis vasculares, ventrículo único RM ou TC Geomagic e 3-matic zPrinter 650 Resina fotossensível - Planejamento perioperatório, desempenho e aceitação
Shi et al.19 2021 Estudo controlado 23 (10/13) Grupo com ventrículo equilibrado, grupo sem ventrículo equilibrado TC Materialise Mimics BQ Witbox Filamento PLA - Planejamento e desempenho
Sun et al.20 2017 Série de casos 5 Divertículo de Kommerell TC Medraw Pangu V4.1 Filamento PLA - Planejamento perioperatório
Tiwari et al.21 2021 Estudo crossover 10 DVSVD com DSV e outras CCs de discordância ventriculoarterial TC Materialise Mimics - PLA ou filamento PLA Modelo/ 350 USD Planejamento perioperatório
Valverde et al.22 2017 Estudo crossover 40 Múltiplas CCs, predominantemente DVSVD DSV RM ou TC ITK-SNAP Software BQ Witbox Filamento de TPU Modelo/ 300-500 USD Planejamento perioperatório
Wang et al.23 2016 Série de casos 6 CIA com defeito de bordas TC Materialise Mimics ZRapid SLA450 RAPID Resina fotossensível - Planejamento perioperatório
Xu et al.24 2019 Série de casos 15 Múltiplas CCs TC Materialise Mimics ISLA650 Resina fotossensível - Planejamento perioperatório
Xu et al.25 2019 Série de casos 17 Drenagem anômala total de veias pulmonares TC Materialise Mimics ISLA650 Resina fotossensível - Planejamento perioperatório
Yan et al.26 2018 Série de casos 35 CIA com deficiência do óstio TC - Objet350 Connex3 Resina fotossensível 1200–1300 USD/model Treinamento e desempenho
Yan et al.27 2018 Série de casos 7 CIA com ausência de óstio da veia pulmonar direita TC Materialise Mimics Objet350 Connex3 Resina fotossensível - Planejamento perioperatório
Zhao et al.28 2018 Estudo controlado 25 (8/17) DVSVD TC Materialise Mimics ZPrinter 650 Resina fotossensível - Planejamento e desempenho
Open in a new tab

CCs: cardiopatias congênitas; CIA: comunicação interatrial; TF: Tetralogia de Fallot; DVSVD: dupla via de saída do ventrículo direito; DSV: defeito do septo ventricular; PLA: ácido poliláctico; TGVCC: transposição dos grandes vasos congenitamente corrigida: ABE: acrilonitrila butadieno estireno; DAP: ducto arterioso patente; TPU: poliuretano termoplástico.

A avaliação do risco de viés nos estudos incluídos gerou algumas preocupações (Figura 2). Todos os estudos foram considerados com um risco moderado de viés no domínio “seleção dos participantes”. Conduzimos a metanálise apesar desse risco aumentado de viés, uma vez que não foi relatado se a seleção dos pacientes para o tratamento em que se utilizou impressão em 3D ocorreu antes ou após os exames de imagem. Ainda, nenhuma das séries de casos incluiu pacientes consecutivos, aumentando o risco de viés em nossos resultados.

Figura 2. – Avaliação do risco de viés dos estudos incluído.

Figura 2

Open in a new tab

Mudança no plano cirúrgico

Quatro estudos incluíram dados sobre mudança nas decisões cirúrgicas. A Figura 3 resume a análise agrupada indicando uma taxa de 51,8% (IC95% 26,6-77,0%) de mudança no procedimento cirúrgico após o uso da impressão em 3D. Esses resultados indicam que modelos em 3D podem ser úteis no planejamento pré-operatório de casos complexos de CCs.

Figura 3. – Análise agrupada da mudança na decisão cirúrgica após interação com modelos impressos em 3D; IC: intervalo de confiança.

Figura 3

Open in a new tab

Tempo total de cirurgia

A maioria dos estudos controlados apresentavam dados sobre tempo médio de cirurgia. O grupo submetido a tratamento com modelos impressos em 3D apresentou uma média de tempo mais curta em comparação ao grupo submetido a tratamento convencional, com uma diferença média de 22,25 minutos, mas sem significância estatística; IC95% = 49,951–5,797 minutos (Figura 4).

Figura 4. – Análise agrupada do tempo total de cirurgia no grupo submetido a tratamento com uso de impressão em 3D em comparação ao grupo submetido a tratamento convencional. IC: intervalo de confiança.

Figura 4

Open in a new tab

Desfechos secundários

Em comparação à terapia padrão sem impressão em 3D, a cirurgia guiada pela impressão em 3D em pacientes com CC apresentou uma redução significativa no tempo de bypass, com uma diferença média de 41,975 minutos; IC95% = 71,754 a -12,197 minutos (Figura 5). A heterogeneidade foi baixa (I2 = 8.64%), sem significância estatística, o que implica ausência de inconsistência dos resultados entre os estudos. Dois estudos foram incluídos no tempo de ventilação mecânica. E no tempo na unidade de terapia intensiva (Apêndices 4-7).

Figura 5. – Análise agrupada do tempo médio de bypass no grupo submetido a tratamento com uso de impressão em 3D em comparação ao grupo submetido a tratamento convencional. IC: intervalo de confiança.

Figura 5

Open in a new tab

A Figura Central resume os principais achados deste artigo.

Figura Central. : Impacto da Impressão em 3D nas Cirurgias de Cardiopatias Congênitas: Revisão Sistemática e Metanálise.

Figura Central

Open in a new tab

Discussão

Nossa revisão demonstra alguns efeitos positivos da impressão em 3D personalizada sobre desfechos da cirurgia para CCs. Na literatura, a impressão em 3D foi predominantemente utilizada em defeitos cardíacos conotruncais e do septo atrial. As anomalias conotruncais estão geralmente associadas com uma geometria complexa, e os exames de imagem são uma ferramenta diagnóstica na avaliação no pré-operatório e no pós-operatório.29

A metanálise demonstra o impacto positivo potencial da tecnologia da impressão em 3D no tratamento cirúrgico da CC. Nas cirurgias com modelos de impressão em 3D, observou-se uma redução significativa no tempo do bypass e no tempo de intervenção em comparação à terapia padrão. A redução na duração cirúrgica não só aumenta a precisão e a eficiência dos procedimentos cirúrgicos como também minimiza os riscos associados com um tempo prolongado do bypass. Consequentemente, os pacientes podem se beneficiar de cirurgias com uma duração mais curta e recuperação potencialmente mais rápidas.

Revisões sistemáticas prévias relataram que modelos impressos em 3D fornecem aos cirurgiões uma representação precisa de anatomias cardíacas complexas, potencialmente levando a maior precisão cirúrgica e melhores desfechos dos pacientes.30-32 Uma metanálise de várias cirurgias cardíacas demonstrou uma redução no tempo total de cirurgia com uma diferença média padronizada 0,54 (IC95%: 0,13-0m95; p = 0,001), mas esse resultado apresentou alta heterogeneidade e incluiu outras cirurgias além de CCs.31 Além disso, os resultados agrupados demonstraram que modelos impressos em 3D apresentam um impacto sobre o planejamento no pré-operatório.11,15,22 Borracci et al.33demonstraram evidência similar em adultos com doença cardíaca não congênita, e seis dos 14 modelos redefiniram a abordagem cirúrgica.33

Modelos 3D podem ainda servir como ferramentas efetivas para explicar procedimentos cirúrgicos complexos a pacientes e seus familiares. Isso pode melhorar o entendimento da condição e da intervenção planejada, levando a um melhor consentimento informado e potencialmente reduzir a ansiedade. Um ensaio randomizado controlado demonstrou a utilidade de modelos impressos em 3D para o consentimento cirúrgico em defeitos perimembranosos.34

Além disso, a impressão em 3D ocupa um lugar mais bem estabelecido no treinamento e na educação. Modelos impressos em 3D podem ser valiosos para residentes em cirurgia e estudantes de medicina, uma vez que eles promovem uma experiência realista, prática, com CCs complexas, e melhores resultados educacionais e habilidades cirúrgicas.15 O uso da impressão em 3D nas cirurgias de CCs exemplifica as implicações positivas de integrar tecnologias inovadoras nas práticas médicas, levando a melhores desfechos dos pacientes, e estabelecendo novos padrões no tratamento cirúrgico.

Os resultados demonstram a utilidade da impressão em 3D em várias áreas. Suas implicações incluem o planejamento cirúrgico e a redução no tempo cirúrgico e na taxa de complicação. Acredita-se que uma das áreas mais promissoras da impressão em 3D é o treinamento cirúrgico, em que os cirurgiões conseguem realizar procedimentos complexos em uma zona sem riscos.35 Outra expectativa é a redução dos custos de produção e a maior acessibilidade ao equipamento. Existe, ainda, expectativa acerca da pesquisa sobre o uso de materiais impressos em 3D que mimetizam tecidos biológicos.20 Contudo, a eficiência da impressão em 3D depende do desenvolvimento das técnicas de segmentação e impressão, de maneira que elas possam ser incorporadas à prática médica posteriormente.36 Uma alternativa é a modelagem em 3D sem a impressão em 3D, que tem um custo mais baixo e pode ser usada em realidade virtualmente aumentada.

Limitações

Nossa análise agrupada indicou que a impressão em 3D causa mudanças em 51,8% (IC95% 26,6-77,0% I2 = 80,7%) das decisões cirúrgicas em casos complexos de CCs. Deve-se considerar que a alta heterogeneidade em nossos resultados pode ser explicada por diferentes condições de CCs. Ainda, o possível viés de seleção e de relato pode haver superestimado esse resultado, uma vez que os estudos não incluíram pacientes consecutivos. Portanto, essa conclusão deve ser considerada com cuidado e representar melhor casos complexos das CC.

Os estudos incluídos variaram significativamente em termos das populações de paciente, tipos de CCs, tecnologias de impressão em 3D, e intervenções realizadas. Essa heterogeneidade pode dificultar a realização da metanálise ou de se tirar conclusões generalizadas. Porém, tal limitação somente influenciou os resultados agrupados de proporção, e a heterogeneidade nos demais resultados não foi significativa.37

Não foi avaliado viés de publicação devido ao número limitado de estudos em cada metanálise. Esta revisão pode ser afetada pelo viés de publicação, já que estudos com resultados negativos ou inconclusivos podem não ter sido publicados. Além disso, alguns estudos podem não haver fornecido informações completas sobre sua metodologia, resultados ou potenciais conflitos de interesse. Esse relato incompleto pode prejudicar a capacidade de se avaliar o risco de viés e a validade dos achados do estudo. Além disso, a interpretação dos modelos 3D e seu impacto sobre o planejamento cirúrgico pode influenciar os desfechos do estudo. Hussein et al.38 relataram que alguns cirurgiões jovens consideraram a tecnologia mais útil que cirurgiões experientes.

Conclusão

Esta revisão sistemática destaca a evidência atual sobre o uso da impressão em 3D para as intervenções cirúrgicas de CCs. Esses modelos podem servir como uma ferramenta de planejamento pré-operatório e pode reduzir o tempo de cirurgia. Tais resultados devem ser confirmados em estudos com um número grande de casos e randomizados quanto à aplicação da tecnologia.

Agradecimentos

Agradecimento à bolsa da PIBIC Ebserh CNPq, FAPERJ, FEC e PDPA prefeitura de Niterói pelo apoio financeiro.

Vinculação acadêmica: Não há vinculação deste estudo a programas de pós-graduação.

Aprovação ética e consentimento informado: Este artigo não contém estudos com humanos ou animais realizados por nenhum dos autores.

*Material suplementar: Para informação adicional, por favor, clique aqui.

Fontes de financiamento: O presente estudo não teve fontes de financiamento externas.

Referências

  • 1.Madruga I, Moraes TD, Prado C, Baldin CES, Braga ALF. Associated Factors with Congenital Heart Disease in the Most Populated State of Brazil between 2010 and 2018. Int J Cardiovasc Sci. 2023;36:e20210283. doi: 10.36660/ijcs.20210283. [DOI] [Google Scholar]
  • 2.Pinto VC, Jr, Branco KM, Cavalcante RC, Carvalho W, Jr, Lima JR, Freitas SM, et al. Epidemiology of Congenital Heart Disease in Brazil. Rev Bras Cir Cardiovasc. 2015;30(2):219–224. doi: 10.5935/1678-9741.20150018. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 3.Lau IWW, Sun Z. Dimensional Accuracy and Clinical Value of 3D Printed Models in Congenital Heart Disease: A Systematic Review and Meta-analysis. 1483J Clin Med. 2019;8(9) doi: 10.3390/jcm8091483. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 4.Vukicevic M, Mosadegh B, Min JK, Little SH. Cardiac 3D Printing and its Future Directions. JACC Cardiovasc Imaging. 2017;10(2):171–184. doi: 10.1016/j.jcmg.2016.12.001. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 5.Sterne JA, Hernán MA, Reeves BC, Savovic J, Berkman ND, Viswanathan M, et al. ROBINS-I: A Tool for Assessing Risk of Bias in Non-randomised Studies of Interventions. BMJ. 2016;355:i4919. doi: 10.1136/bmj.i4919. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 6.Munn Z, Barker TH, Moola S, Tufanaru C, Stern C, McArthur A, et al. Methodological Quality of Case Series Studies: An Introduction to the JBI Critical Appraisal Tool. JBI Evid Synth. 2020;18(10):2127–2133. doi: 10.11124/JBISRIR-D-19-00099. [DOI] [PubMed] [Google Scholar]
  • 7.Hozo SP, Djulbegovic B, Hozo I. Estimating the Mean and Variance from the Median, Range, and the Size of a Sample. 13BMC Med Res Methodol. 2005;5 doi: 10.1186/1471-2288-5-13. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 8.Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. The PRISMA 2020 Statement: An Updated Guideline for Reporting Systematic Reviews. 105906Int J Surg. 2021;88 doi: 10.1016/j.ijsu.2021.105906. [DOI] [PubMed] [Google Scholar]
  • 9.Bhatla P, Tretter JT, Ludomirsky A, Argilla M, Latson LA, Jr, Chakravarti S, et al. Utility and Scope of Rapid Prototyping in Patients with Complex Muscular Ventricular Septal Defects or Double-outlet Right Ventricle: Does it Alter Management Decisions? Pediatr Cardiol. 2017;38(1):103–114. doi: 10.1007/s00246-016-1489-1. [DOI] [PubMed] [Google Scholar]
  • 10.Garekar S, Bharati A, Chokhandre M, Mali S, Trivedi B, Changela VP, et al. Clinical Application and Multidisciplinary Assessment of Three Dimensional Printing in Double Outlet Right Ventricle with Remote Ventricular Septal Defect. World J Pediatr Congenit Heart Surg. 2016;7(3):344–350. doi: 10.1177/2150135116645604. [DOI] [PubMed] [Google Scholar]
  • 11.Han F, Co-Vu J, Lopez-Colon D, Forder J, Bleiweis M, Reyes K, et al. Impact of 3D Printouts in Optimizing Surgical Results for Complex Congenital Heart Disease. World J Pediatr Congenit Heart Surg. 2019;10(5):533–538. doi: 10.1177/2150135119852316. [DOI] [PubMed] [Google Scholar]
  • 12.He L, Cheng GS, Du YJ, Zhang YS. Feasibility of Device Closure for Multiple Atrial Septal Defects with an Inferior Sinus Venosus Defect: Procedural Planning Using Three-dimensional Printed Models. Heart Lung Circ. 2020;29(6):914–920. doi: 10.1016/j.hlc.2019.07.004. [DOI] [PubMed] [Google Scholar]
  • 13.Hoashi T, Ichikawa H, Nakata T, Shimada M, Ozawa H, Higashida A, et al. Utility of a Super-flexible Three-dimensional Printed Heart Model in Congenital Heart Surgery. Interact Cardiovasc Thorac Surg. 2018;27(5):749–755. doi: 10.1093/icvts/ivy160. [DOI] [PubMed] [Google Scholar]
  • 14.Kappanayil M, Koneti NR, Kannan RR, Kottayil BP, Kumar K. Three-dimensional-printed Cardiac Prototypes Aid Surgical Decision-making and Preoperative Planning in Selected Cases of Complex Congenital Heart Diseases: Early Experience and Proof of Concept in a Resource-limited Environment. Ann Pediatr Cardiol. 2017;10(2):117–125. doi: 10.4103/apc.APC_149_16. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 15.Matsubara D, Kataoka K, Takahashi H, Minami T, Yamagata T. A Patient-specific Hollow Three-dimensional Model for Simulating Percutaneous Occlusion of Patent Ductus Arteriosus. Int Heart J. 2019;60(1):100–107. doi: 10.1536/ihj.17-742. [DOI] [PubMed] [Google Scholar]
  • 16.Nam JG, Lee W, Jeong B, Park EA, Lim JY, Kwak Y, et al. Three-dimensional Printing of Congenital Heart Disease Models for Cardiac Surgery Simulation: Evaluation of Surgical Skill Improvement among Inexperienced Cardiothoracic Surgeons. Korean J Radiol. 2021;22(5):706–713. doi: 10.3348/kjr.2020.0682. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 17.Olivieri LJ, Su L, Hynes CF, Krieger A, Alfares FA, Ramakrishnan K, et al. "Just-In-Time" Simulation Training Using 3-D Printed Cardiac Models after Congenital Cardiac Surgery. World J Pediatr Congenit Heart Surg. 2016;7(2):164–168. doi: 10.1177/2150135115623961. [DOI] [PubMed] [Google Scholar]
  • 18.Ryan J, Plasencia J, Richardson R, Velez D, Nigro JJ, Pophal S, et al. 3D Printing for Congenital Heart Disease: A Single Site's Initial Three-yearexperience. 103D Print Med. 2018;4(1) doi: 10.1186/s41205-018-0033-8. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 19.Shi B, Pan Y, Luo W, Luo K, Sun Q, Liu J, et al. Impact of 3D Printing on Short-term Outcomes of Biventricular Conversion from Single Ventricular Palliation for the Complex Congenital Heart Defects. 801444Front Cardiovasc Med. 2021;8 doi: 10.3389/fcvm.2021.801444. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 20.Sun X, Zhang H, Zhu K, Wang C. Patient-specific Three-dimensional Printing for Kommerell's Diverticulum. Int J Cardiol. 2018;255:184–187. doi: 10.1016/j.ijcard.2017.12.065. [DOI] [PubMed] [Google Scholar]
  • 21.Tiwari N, Ramamurthy HR, Kumar V, Kumar A, Dhanalakshmi B, Kumar G. The Role of Three-dimensional Printed Cardiac Models in the Management of Complex Congenital Heart Diseases. Med J Armed Forces India. 2021;77(3):322–330. doi: 10.1016/j.mjafi.2021.01.019. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 22.Valverde I, Gomez-Ciriza G, Hussain T, Suarez-Mejias C, Velasco-Forte MN, Byrne N, et al. Three-dimensional Printed Models for Surgical Planning of Complex Congenital Heart Defects: An International Multicentre Study. Eur J Cardiothorac Surg. 2017;52(6):1139–1148. doi: 10.1093/ejcts/ezx208. [DOI] [PubMed] [Google Scholar]
  • 23.Wang Z, Liu Y, Xu Y, Gao C, Chen Y, Luo H. Three-dimensional Printing-guided Percutaneous Transcatheter Closure of Secundum Atrial Septal Defect with Rim Deficiency: First-in-human Series. Cardiol J. 2016;23(6):599–603. doi: 10.5603/CJ.a2016.0094. [DOI] [PubMed] [Google Scholar]
  • 24.Xu J, Tian Y, Yin J, Wang J, Xu W, Shi Z, et al. Utility of Three-dimensional Printing in Preoperative Planning for Children with Anomalous Pulmonary Venous Connection: A Single Center Experience. Quant Imaging Med Surg. 2019;9(11):1804–1814. doi: 10.21037/qims.2019.08.01. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 25.Xu JJ, Luo YJ, Wang JH, Xu WZ, Shi Z, Fu JZ, et al. Patient-specific Three-dimensional Printed Heart Models Benefit Preoperative Planning for Complex Congenital Heart Disease. World J Pediatr. 2019;15(3):246–254. doi: 10.1007/s12519-019-00228-4. [DOI] [PubMed] [Google Scholar]
  • 26.Yan C, Li S, Song H, Jin J, Zheng H, Wang C, et al. Off-label Use of Duct Occluder in Transcatheter Closure of Secundum Atrial Septal Defect with no Rim to Right Pulmonary Vein. J Thorac Cardiovasc Surg. 2019;157(4):1603–1608. doi: 10.1016/j.jtcvs.2018.11.093. [DOI] [PubMed] [Google Scholar]
  • 27.Yan C, Wang C, Pan X, Li S, Song H, Liu Q, et al. Three-dimensional Printing Assisted Transcatheter Closure of Atrial Septal Defect with Deficient Posterior-inferior Rim. Catheter Cardiovasc Interv. 2018;92(7):1309–1314. doi: 10.1002/ccd.27799. [DOI] [PubMed] [Google Scholar]
  • 28.Zhao L, Zhou S, Fan T, Li B, Liang W, Dong H. Three-dimensional Printing Enhances Preparation for Repair of Double Outlet Right Ventricular Surgery. J Card Surg. 2018;33(1):24–27. doi: 10.1111/jocs.13523. [DOI] [PubMed] [Google Scholar]
  • 29.Kumar P, Bhatia M. Role of CT in the Pre- and Postoperative Assessment of Conotruncal Anomalies. Radiol Cardiothorac Imaging. 2022;4(3):e210089. doi: 10.1148/ryct.210089. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 30.Lu T, Meng Y, Yang Q, Zhu C, Wu Z, Lu Z, et al. Analysis and Evaluation of Patient-specific Three-dimensional Printing in Complex Septal Myectomy. Eur J Cardiothorac Surg. 2024;65(1):ezad335. doi: 10.1093/ejcts/ezad335. [DOI] [PubMed] [Google Scholar]
  • 31.Bernhard B, Illi J, Gloeckler M, Pilgrim T, Praz F, Windecker S, et al. Imaging-based, Patient-specific Three-dimensional Printing to Plan, Train, and Guide Cardiovascular Interventions: A Systematic Review and Meta-analysis. Heart Lung Circ. 2022;31(9):1203–1218. doi: 10.1016/j.hlc.2022.04.052. [DOI] [PubMed] [Google Scholar]
  • 32.Ma XJ, Tao L, Chen X, Li W, Peng ZY, Chen Y, et al. Clinical Application of Three-dimensional Reconstruction and Rapid Prototyping Technology of Multislice Spiral Computed Tomography Angiography for the Repair of Ventricular Septal Defect of Tetralogy of Fallot. Genet Mol Res. 2015;14(1):1301–1309. doi: 10.4238/2015.February.13.9. [DOI] [PubMed] [Google Scholar]
  • 33.Borracci RA, Ferreira LM, Gallesio JMA, Núñez OMT, David M, Eyheremendy EP. Three-dimensional Virtual and Printed Models for Planning Adult Cardiovascular Surgery. Acta Cardiol. 2021;76(5):534–543. doi: 10.1080/00015385.2020.1852754. [DOI] [PubMed] [Google Scholar]
  • 34.Deng X, He S, Huang P, Luo J, Yang G, Zhou B, et al. A Three-dimensional Printed Model in Preoperative Consent for Ventricular Septal Defect Repair. 229J Cardiothorac Surg. 2021;16(1) doi: 10.1186/s13019-021-01604-w. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 35.Hermsen JL, Roldan-Alzate A, Anagnostopoulos PV. Three-dimensional Printing in Congenital Heart Disease. J Thorac Dis. 2020;12(3):1194–1203. doi: 10.21037/jtd.2019.10.38. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 36.Cantinotti M, Valverde I, Kutty S. Three-dimensional Printed Models in Congenital Heart Disease. Int J Cardiovasc Imaging. 2017;33(1):137–144. doi: 10.1007/s10554-016-0981-2. [DOI] [PubMed] [Google Scholar]
  • 37.Minga I, Al-Ani MA, Moharem-Elgamal S, Md AVH, Md ASA, Masoomi M, et al. Use of Virtual Reality and 3D Models in Contemporary Practice of Cardiology. Curr Cardiol Rep. 2024;26(6):643–650. doi: 10.1007/s11886-024-02061-2. [DOI] [PubMed] [Google Scholar]
  • 38.Hussein N, Honjo O, Haller C, Coles JG, Hua Z, Van Arsdell G, et al. Quantitative Assessment of Technical Performance During Hands-on Surgical Training of the Arterial Switch Operation Using 3-dimensional Printed Heart Models. J Thorac Cardiovasc Surg. 2020;160(4):1035–1042. doi: 10.1016/j.jtcvs.2019.11.123. [DOI] [PubMed] [Google Scholar]
Arq Bras Cardiol. 2024 Nov 27;121(12):e20240430. [Article in English] doi: 10.36660/abc.20240430i

Impact of 3D Printing on Cardiac Surgery in Congenital Heart Diseases: A Systematic Review and Meta-Analysis

Davi Shunji Yahiro 1, Mariana de Paula Cruz 1, Brenda Ficheira Coelho Ribeiro 1, Luiza Meireles Teixeira 1, Maria Fernanda Ribeiro Mendes de Oliveira 1, Aurea Lúcia Alves de Azevedo Grippa de Souza 1, Ana Flávia Malheiros Torbey 1, Juliana Serafim da Silveira 2, Claudio Tinoco Mesquita 1,2

Keywords: Three-Dimensional Printing, Congenital Heart Defects, Preoperative Care, Precision Medicine

Abstract

Background

Congenital heart disease (CHD) poses significant challenges in surgical management due to the complexity of cardiac anatomy. Three-dimensional (3D) printing has emerged as a promising tool in preoperative planning, intraoperative guidance, and medical education for CHD surgeries.

Objectives

We aimed to systematically review the literature on the utilization and benefits of 3D printing technology in CHD surgical interventions.

Methods

A systematic search was conducted across PubMed and EMBASE for studies published up to February of 2024. We included controlled and uncontrolled studies investigating the surgical role of 3D printing in CHD patients. We conducted a single-arm meta-analysis estimating the proportion of change in treatment planning due to the use of 3D printed-models. Moreover, studies that compared 3D printing to conventional care were included into the meta-analysis. A p-value < 0.05 was considered statistically significant.

Results

A total of 21 studies met the inclusion criteria, comprising 444 patients undergoing CHD surgeries with 3D printing assistance. Preoperative planning aided by 3D models led to changing surgical decisions in 35 of 75 cases (51.8%; 95% CI 26.6-77.0%, I2=80.68%, p=0.001) and reduced total operative time in 22.25 minutes in favor of the 3D printing group (95%CI 49.95; 5.80 min, I2=0%, p=0.817) but without statistical significance. Albeit in a smaller sample, other endpoints (mechanical ventilation and ICU time) demonstrated some benefit from the technology but without statistical significance.

Conclusions

By providing personalized anatomical models, 3D printing may facilitate surgical planning and execution. More studies are needed to investigate the effects of 3D printing on reducing intervention, hospitalization, and mechanical ventilation times.

Introduction

Cardiac anomalies are the most prevalent congenital malformations among live births in the world. In Brazil, it is estimated that nearly 25,757 new cases occur each year, and the southeast region presents the highest prevalence, with 10 new cases/1,000 live births. However, this number may be even higher due to the underreporting of cases of congenital heart disease.1,2

In many congenital heart diseases (CHD), a comprehensive analysis is necessary for the correct diagnosis and treatment as it can combine defects, adding complexity to each case. This requires an individualized and multidisciplinary treatment approach depending on their complexity. To plan an intervention, it is necessary to meticulously examine the anatomy of the structures. A meta-analysis demonstrated that the three-dimensional (3D) model of a CHD had a mean deviation of 0.04 mm, 95% CI (−0.16, 0.23) compared to the digital medical images.3Therefore, modeling and printing of 3D models from medical images may provide an auxiliary visualization of the specific anomaly.

3D models of any medical condition are possible by imaging exams. Computed tomography (CT) and magnetic resonance imaging (MRI) are the most reliable techniques to obtain data for constructing anatomical models. Before printing, the images need to be transformed into a digital model and divided into thin layers to be reconstructed by a 3D printer, forming the final piece. In recent years, 3D printing has emerged as a prominent technology within the field of medicine, offering versatile applications. Its use ranges from surgical planning, educational purposes, to effective communication strategies. The multifaceted nature of 3D printing has significantly advanced medical practices, enabling enhanced precision, efficiency, and outcomes.4

Despite the promising potential of 3D printing technology in improving the planning and execution of cardiac surgeries, particularly in patients with congenital heart diseases, there is a noticeable absence of robust data in this area. This lack of comprehensive and high-quality data limits our understanding of the true applicability and impact of 3D printing in this context. While preliminary studies and anecdotal evidence have suggested that 3D-printed heart models could provide surgeons with better preoperative insights and possibly improve surgical outcomes, the need for large-scale, systematic research is evident. Such studies would help quantify the benefits, optimize the use of this technology, and validate its efficacy and cost-effectiveness in the clinical setting. Until then, the full potential of 3D printing for planning cardiac surgeries remains largely unexplored and underutilized. Given the emergence in the medical environment, some systematic reviews assessed the impact of 3D printing in cardiovascular conditions.3-6However, none of them focused on CHD and the surgery intervention. In this regard, this study aims to evaluate and analyze the current applications of 3D printing in surgical interventions in CHDs.

Methods

Data source and Search Strategy

A systematic literature search was conducted across electronic databases including PubMed and Embase. The search strategy used a combination of words and terms related to 3D printing, CHDs, surgery, and interventions. Boolean operators and search filters were applied to ensure comprehensive coverage of relevant literature. The bibliography search was conducted in February of 2024, containing all works published until that date. The full search strategy is on Appendix 1. Additionally, manual searching of reference lists was employed to identify additional studies that may have been missed through electronic searches.

Eligibility criteria and selection process

Two independent reviewers (DY and MC) screened titles and abstracts of retrieved citations to identify eligible studies. Full-text articles were then assessed for eligibility based on predefined inclusion and exclusion criteria. Studies were included if they evaluated the utility of 3D printing in surgical planning, performance, or prognosis of CHDs. Reviews, meta-analysis, letter, experimental studies, and case series with less than five participants were excluded from analysis. Any discrepancies between reviewers were resolved through discussion or consultation with a third reviewer.

Data extraction

Data extraction was performed independently by two reviewers (DY, MC) using a standardized form. Extracted data included study design, sample size, 3D printer model, cost, imaging method, segmentation software, printing material, study purpose, condition in treatment, main findings such as change in surgery plan or time of surgery, and secondary outcomes: bypass time, mechanical ventilation, and length of hospitalization. We also collected information on change in surgery decision and ‘surgery time when available. Any disagreements between reviewers were resolved through consensus or consultation with a third reviewer.

Risk of bias assessment

The quality of the included articles was appraised by two authors (MC and LT) using two different risk of bias tools – a JBI Critical Appraisal Checklist for Case Series for the retrospective studies without a comparison group and the ROBINS-I tool for prospective non-randomized studies with a comparison group.5,6 Sensitivity analyses were performed to evaluate the robustness of findings, and a meta-regression was conducted to explore potential sources of heterogeneity.

Statistical analysis

Analysis of the pooled mean differences of surgical time, bypass time, respiratory support and length of hospital stay was performed using Open Meta Analyst.5-9 In this analysis, we included all studies that provided data on mean intervention time and its standard deviation in a group with 3D printing compared to a control group without 3D printing. The pooled analysis utilized the mean difference and standard mean difference by performing the DerSimonian-Laird random-effects model. For studies that provided median intervention time and its range, we estimated mean and variance according to Hozo et al.7 For the pooled proportion of changes in surgical decision, we performed a single-arm meta-analysis for the combined effect size using the DerSimonian-Laird random-effects model. We considered a 95% confidence interval, and 5% of statistical significance level. Heterogeneity was estimated by Q-statistics (“Cochran’s Q” test). I2 and T2 were provided to quantify inconsistencies of results across studies as an estimate of the standard deviation of the distribution of the results. Publication bias was not assessed because of the limited number of included studies. Sensitivity of pooled estimates of individual studies was examined using leave-one-out meta-analysis.

Registration and protocol

This systematic review was performed in accordance with the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) Appendix 2.8 The study protocol was registered in PROSPERO under the number of CRD42024543412.

Results

Study selection

The literature search yielded a total of 1,156 results, and 1069 studies were excluded after screening by title and abstract and removing duplicates. The remaining 81 articles were assessed for full text eligibility, obtaining 20 articles.9-28 Five articles were excluded from the meta-analysis because they did not report the outcome, and six were no controlled studies. Finally, nine studies were selected for the meta-analysis (Figure 1).

Figure 1. – Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) chart showing the flow of publications via the review process.

Figure 1

Open in a new tab

Study characteristics

Five studies compared 3D printing groups to conventional care for outcomes, resulting in 219 patients. Sixty-four cases were operated on with the help of 3D-printed models, and 153 patients underwent surgery without 3D printing assistance. Four studies included data evaluated in the single-arm meta-analysis about changes in surgery planning after 3D printing application, resulting in 75 patients.

Table 1 summarizes the characteristics of included studies. Most studies used Mimics software (Materialise) to reconstruct the 3D models from CT or MRI scans. The photosensitive resin was the most common 3D printing technology observed in the studies.

Table 1. – Baseline characteristics of the included studies.

Authors Year Study design N Condition Imaging method Segmentation software 3D Printer Model Printing materials Costs Study purpose
Bhatla et al.9 2016 Case series 6 VSD, DORV MRI or CT scans Materialise Mimics - - - Perioperative planning
Garekar et al.10 2016 Case series 5 DORV MRI or CT scans - 3D Systems Projet 660 pro full color PLA filament - Perioperative planning and Education
Han et al.11 2019 Control study 12 (6/6) interrupted aortic arch, VSD, DORV, hypoplasia of aortic arch, aortic atresia, aortic coarctation CT scans - Formlabs Photopolymer resin - Performance
He et al.12 2019 Case series 5 ASD With an Inferior Sinus Venosus Defect CT scans Materialise Mimics ZRapid SLA450 RAPID Photosensitive Resin - Perioperative planning
Hoashi et al.13 2018 Case series 20 DORV, TGA, interrupted aortic arch, TOF CT scans - SOUP2 600GS and SCS-8100 Photopolymer resin 2000–3000 USD/model Perioperative planning
Kappanayil et al.14 2017 Case series 5 complex DORV, two patients with criss‐cross atrioventricular connections, CCTGA MRI or CT scans Materialise Mimics - Photopolymer resin or PLA - Perioperative planning
Matsubara et al.15 2019 Control study 11 (4/7) PDA CT scans Ziostation2 and OsiriX UP Plus2 3D printer ABS filament 90 USD/model Planning and Performance
Nam et al.16 2021 Control study 6 TOF; complex pulmonary stenosis CT scans Materialise Mimics Stratasys Object500 Connex Photosensitive Resin 100 USD/model Performance
Olivieri et al.17 2016 Case series 10 Multiple CHD MRI or CT scans Materialise Mimics Stratasys Object500 Connex Photosensitive Resin 200 USD/model Education and knowledge
Ryan et al.18 2018 Control study 146 (33/113) Pulmonary atresia, TOF, DORV, truncus arteriosus, vascular rings, single ventricle MRI or CT scans Geomagic and 3-matic zPrinter 650 Photosensitive Resin - Perioperatorive planning, performance and acceptance
Shi et al.19 2021 Control study 23 (10/13) Balanced ventricular and Imbalanced ventricular group CT scans Materialise Mimics BQ Witbox PLA filament - Planning and performance
Sun et al.20 2017 Case series 5 Kommerell’s diverticulum CT scans Medraw Pangu V4.1 PLA filament - Perioperative planning
Tiwari et al.21 2021 Crossover study 10 DORV with VSD and other CHDs of ventriculoarterial discordance CT scans Materialise Mimics - PLA or PVA filament 350 USD/model Perioperative planning
Valverde et al.22 2017 Crossover study 40 Multiple CHD, predominatly DORV with VSD MRI or CT scans ITK-SNAP Software BQ Witbox TPU filament 300-500 USD/model Perioperative planning
Wang et al.23 2016 Case series 6 ASD with rim deficiency CT scans Materialise Mimics ZRapid SLA450 RAPID Photosensitive Resin - Perioperative planning
Xu et al.24 2019 Case series 15 Multiple CHD CT scans Materialise Mimics ISLA650 Photosensitive Resin - Perioperative planning
Xu et al.25 2019 Case series 17 Abnormal pulmonary venous drainage CT scans Materialise Mimics ISLA650 Photosensitive Resin - Perioperative planning
Yan et al.26 2018 Case series 35 ASD with rim deficiency CT scans - Objet350 Connex3 Photosensitive Resin 1200–1300 USD/model Training and Performance
Yan et al.27 2018 Case series 7 ASD with no right pulmonary vein rim CT scans Materialise Mimics Objet350 Connex3 Photosensitive Resin - Perioperative planning
Zhao et al.28 2018 Control study 25 (8/17) DORV CT scans Materialise Mimics ZPrinter 650 Photosensitive Resin - Planning and Performance
Open in a new tab

ASD: atrial septal defect; TOF: Tetralogy of Fallot; DORV: double outlet right ventricle; TGA: transposition of great arteries; VSD: ventricular septal defect; CCTGA: congenitally corrected transposition of great arteries; CT: computed tomography; MRI: magnetic resonance imaging; PLA: Polylactic Acid; ABS: Acrylonitrile Butadiene Styrene; PVA: Polyvinyl Alcohol; TPU: Thermoplastic Polyurethane; CHD: congenital heart disease; PDA: Patent ductus arteriosus.

Risk of bias

The risk of bias assessment in the included studies resulted in some concerns (Figure 2). All studies were considered moderate risk of bias in the domain of “selection of participants”. We conducted the meta-analysis despite this increased risk of bias because it was not reported whether patient selection for 3D printing has occurred before or after the imaging exams. Also, none of the case series included consecutive patients, increasing the risk of bias in our results.

Figure 2. – Risk of Bias Assessment of the included studies.

Figure 2

Open in a new tab

Change in surgery plan

Four studies included data on change in surgery decisions. Figure 3 summarizes the pooled analysis indicating a 51.8% (95% CI 26.6-77.0%) rate in changing the surgery procedure after the 3D printing use. These results indicate that 3D models may be helpful for preoperative planning in complex cases of CHD.

Figure 3. – Pooled analysis for change in surgery decision after 3D-printed model interaction. CI: confidence interval.

Figure 3

Open in a new tab

Total surgery time

Most controlled studies had data on mean total surgery time. The group undergoing treatment with 3D-printed models had shorter mean operating times compared with the conventional group, with a mean difference of 22.25 minutes, but without statistical significance; 95% CI = 49.951–5.797 minutes (Figure 4).

Figure 4. – Pooled analysis of total surgery time on 3D printing group compared to conventional group. CI: confidence interval.

Figure 4

Open in a new tab

Secondary outcomes

Compared to standard therapy without 3D printing, 3D printing-guided surgery in CHD patients had significant reduction on bypass time with a mean difference of 41.975 minutes; 95% CI = 71.754 to -12.197 minutes (Figure 5). Heterogenicity was low (I2 = 8.64%), with no statistical significance, which implies no inconsistencies of results across studies. Two studies were included in mechanical ventilation time, and intensive care unit time (Appendix 4-7).

Figure 5. – Pooled analysis of mean bypass time on 3D printing group compared to conventional group. CI: confidence interval.

Figure 5

Open in a new tab

The Central Illustration summarizes the main findings of this paper.

Central Illustration. : Impact of 3D Printing on Cardiac Surgery in Congenital Heart Diseases: A Systematic Review and Meta-Analysis.

Central Illustration

Open in a new tab

Discussion

Our review demonstrates some positive effects of personalized 3D printing on surgical outcomes for CHDs. In the literature, 3D printing was found to be predominantly used in conotruncal pathologies and atrial septal defect. Conotruncal anomalies are often associated with a complex geometry, and imaging exams is an essential diagnostic tool in preoperative and postoperative assessment.29

This meta-analysis demonstrates the potential positive impact of 3D printing technology in the surgical treatment CHD. In surgeries with 3D-printed models, there was a significant reduction in bypass and intervention times compared to standard therapy. Reduction of surgical duration not only enhances the precision and efficiency of surgical procedures but also minimizes the risks associated with prolonged bypass time. Consequently, patients may benefit from shorter surgeries and potentially quicker recoveries.

Previous systematic reviews reported that 3D printed models can provide surgeons with accurate representation of complex cardiac anatomies, potentially leading to improved surgical precision and better patient outcomes.30-32 A meta-analysis of various cardiac surgeries demonstrated reduction in total operation time with a standardized mean difference of 0.54 (95% CI: 0.13-0.95, p = 0.001), but this result had high heterogeneity and included other surgeries besides CHD.31 Moreover, the pooled results demonstrated that 3D printed models have an impact on preoperative planning.11,15,22 Boracci et al.33 demonstrated similar evidence in adults with non-congenital heart disease, and six of the 14 models redefined surgical approach.33

3D models can also serve as effective tools for explaining complex surgical procedures to patients and their families. This can improve their understanding of the condition and the planned intervention, leading to better-informed consent and potentially reducing anxiety. A randomized control trial demonstrated the usefulness of 3D printed models for surgical consent in perimembranous ventricular septal defects.34

Moreover, 3D printing has a more established place in training and education. 3D printed models can be valuable for surgical residents and medical students, as they provide a realistic, hands-on experience with complex CHDs, enhancing educational outcomes and surgical skills.15 The use of 3D printing in CHD surgeries exemplifies the positive implications of integrating innovative technologies into medical practices, leading to improved patient outcomes, and setting new standards in surgical treatment.

The results demonstrated the usefulness of 3D printing in several areas. Its applications include surgical planning and reduction in the surgery time and in the complication rate. It is believed that one of the most promising areas of 3D printing is the surgical training, in which surgeons can perform complex procedures in a free risk zone.35 Another expectation is the reduction of production costs and higher accessibility of equipment. There also is expectation around the research on the use of 3D-printable materials that mimic biological tissues.20 However, the efficiency of 3D printing depends on development of segmentation and printing techniques, so they can be incorporated into medical practice thereafter.36 One option is 3D modeling without 3D printing, which is less costly and can be used in virtual augmented reality.

Limitations

Our pooled analysis indicated that 3D printing changes 51.8% (95%CI 26.6-77.0% I2 = 80.68%) of the surgical decisions in complex cases of congenital heart diseases. It must be considered that the high heterogeneity in our results may be explained by different conditions of CHD. Also, the possible selection and reporting bias may have overestimated this result, as the studies did not include consecutive patients. Therefore, this conclusion must be taken with caution and be best representative for complex cases of CHDs.

The included studies varied significantly in terms of patient populations, types of CHDs, 3D printing technologies used, and interventions performed. This heterogeneity can make it difficult to perform a meta-analysis or draw generalized conclusions. However, this limitation only influenced the pooled proportion results, and heterogeneity in other results was not significant.37

Publication bias was not assessed due to the limited number of studies in each meta-analysis. This review may be affected by publication bias, since studies with negative or inconclusive results may have not been published. Moreover, some studies may have not provided complete information on their methodology, results, or potential conflicts of interest. This incomplete reporting can hinder the ability to assess the risk of bias and the validity of the study findings. Besides, the interpretation of 3D models and their impact on surgical planning can be subjective. Variations in surgeon expertise and experience with 3D printing can influence study outcomes. Hussein et al.38 reported that some young surgeons have considered the technology more helpful than experienced surgeons.

Conclusion

This systematic review underscores the current evidence on the use of 3D printing for surgical interventions for CHD. These models may serve as a preoperative planning tool and may reduce operation time. These findings should be confirmed in studies with large numbers of cases and randomized for the application of technology.

Acknowledgements

Acknowledgement to the PIBIC Ebserh CNPq, FAPERJ, FEC and PDPA scholarships and the city of Niterói for the financial support.

Footnotes

Study association: This study is not associated with any thesis or dissertation work.

Ethics approval and consent to participate: This article does not contain any studies with human participants or animals performed by any of the authors.

*Supplemental Materials: For additional information, please click here.

Sources of funding: There were no external funding sources for this study.

Articles from Arquivos Brasileiros de Cardiologia are provided here courtesy of Sociedade Brasileira de Cardiologia

RESOURCES