El círculo de Willis (CoW) describe el sistema arterial en el cerebro humano que permite el suministro sanguíneo neurovascular. Las enfermedades neurovasculares como los aneurismas intracraneales (IAs) pueden ocurrir dentro del CoW y conllevan el riesgo de ruptura, lo que puede provocar hemorragia subaracnoidea. La evaluación de la información hemodinámica en estas patologías es crucial para su comprensión en cuanto a detección, diagnóstico y tratamiento. Existen enfoques in silico multidimensionales para evaluar estas hemodinámicas basados en datos de entrada específicos del paciente. Los enfoques comprenden modelos de baja escala (cero-dimensional, unidimensional) y alta escala (tridimensional) así como modelos acoplados multi-escala. Los datos de entrada pueden derivarse de imágenes médicas, modelos numéricos, suposiciones basadas en la literatura o de mediciones en sujetos sanos. Por lo tanto, la descripción más realista de la hemodinámica neurovascular sigue siendo controvertida. Dentro de esta revisión sistemática, primero se discutieron los modelos de las tres escalas (0D, 1D, 3D) y segundo, los modelos multi-escala, que son versiones acopladas de las tres escalas. Se esclarecieron las mejores prácticas actuales para describir la hemodinámica neurovascular de manera más realista y su aplicabilidad clínica. El rendimiento de la simulación 3D implica altos gastos computacionales, que podrían reducirse analizando únicamente la región de interés en detalle. Las imágenes médicas para establecer condiciones límite específicas del paciente suelen ser poco comunes, por lo tanto, los modelos de menor dimensionalidad proporcionan una imitación realista de la hemodinámica circundante. El acoplamiento multi-escala, sin embargo, también es costoso computacionalmente, especialmente al tener en cuenta todas las dimensiones. En conclusión, el enfoque multi-escala 0D-1D-3D proporciona el resultado más realista; sin embargo, es menos aplicable. Un modelo multi-escala 1D-3D puede considerarse en cuanto a un compromiso beneficioso entre resultados realistas y rendimiento aplicable.