Vascular Geometry Characterization for AI-Based Endovascular Navigation

기술 요약: AI 기반 혈관 내 항해를 위한 혈관 기하학적 특성 규명

문제 정의
기계적 혈전 제거술(MT)은 급성 허혈성 뇌졸중의 표준 치료법이지만, 전문 신경방사선 전문의의 부족으로 인해 접근성이 제한되어 있다. 강화 학습(RL)은 자율적인 혈관 내 항해를 자동화할 수 있는 경로를 제시하지만, 현재의 분야는 항해 난이도를 평가하기 위한 표준화된 프레임워크가 부족하다. 기존의 오픈 소스 벤치마크는 단순화된 혈관 기하 구조에 의존하는 경우가 많으며, 실제 환자의 혈관 구조를 포함하는 공개 데이터셋은 매우 드물다. 또한, 실제 혈관 구조를 사용하더라도 혈관의 기하학적 구조와 복잡성이 거의 정량화되지 않아, 해부학적 난이도 대비 에이전트의 성능을 유의미하게 해석하는 것이 불가능하다. 이러한 격차는 기관 간의 모델 비교를 저해하고 연구 진행을 늦춘다.

방법론
본 연구는 혈관 특징을 체계적으로 규명하고 이와 항해 결과 간의 연관성을 분석하기 위해 4단계 방법론을 채택하였다:

1. 데이터 분할 및 중심선 추출: 3D Slicer와 Vascular Modeling Toolkit을 사용하여 61명 환자의 CT 혈관 조영술(CTA) 스캔으로부터 혈관 트리를 분할하였다. 이를 통해 중심선, 분지 말단, 혈관 반경을 도출하였다.
2. 자동 지표 추출: 커스텀 Python 파이프라인을 통해 8가지 형태학적 및 기하학적 지표를 자동으로 정량화하였다:
   • 대동맥궁 유형(Aortic Arch Type): 완두상 동맥(BCA) 기점과 좌측 총경동맥(LCCA) 직경 대비 대동맥궁 정점 사이의 수직 거리에 따라 Type I, II, III로 분류하였다.
   • 완두상 궁(Bovine Arch) 존재 여부: BCA와 LCCA 중심선의 기하학적 교차 여부를 결정하였다.
   • 혈관 길이: 대동맥 기점에서 총경동맥(CCA) 분기점까지의 길이를 측정하였다.
   • 굴곡도(Tortuosity): 측지선 길이(geodesic length)와 유클리드 길이(Euclidean length)의 비율로 계산하였다.
   • 혈관 반경: BCA, 우측 총경동맥(RCCA), LCCA 기점에서의 평균 반경을 측정하였다.
   • 분지 각도(Take-off Angles): 대동맥궁 중심선과 혈관 기점에서의 혈관 중심선 사이의 각도를 측정하였다.
   • 역곡선(Reverse Curves): 혈관이 전역 혈관 축에 대해 10마다 100°를 초과하는 세그먼트이다.
3. 자율 항해 시뮬레이션: Soft Actor-Critic (SAC) 강화 학습 에이전트가 하행 대동맥 상단에서부터 RCCA 또는 LCCA로 가이드와이어와 가이드 카테터를 유도하도록 훈련되었다. 혈관 기하 구조의 영향을 격리하기 위해, 동일한 조건 하에서 각 61명의 환자별 혈관 모델에 대해 별도의 RL 에이전트를 훈련시켰다. 각 에이전트는 최대 $1 \times 10^6$ 회의 탐색 단계를 거쳤다.
4. 통계 분석: 2,440회의 평가 에피소드에 걸쳐 정량화된 혈관 지표와 항해 결과(성공률, 절차 시간, 경로 비율) 간의 연관성을 분석하기 위해 혼합 효과 선형 및 로지스틱 회귀 모델을 사용하였다. 변동성은 혈관 트리 간의 차이를 고려하기 위해 무작위 효과(random effects)를 적용하였고, 특정 지표의 영향은 고정 효과(fixed effects)를 통해 추정하였다.

주요 기여

• 자동 정량화 파이프라인: 저자들은 CTA 유래 중심선으로부터 혈관 특징을 추출하는 재현 가능한 파이프라인을 도입하였다. 이는 환자의 원본 영상 데이터를 공유하지 않고도 서로 다른 혈관 환경에서 RL 모델의 성능을 비교할 수 있게 하여 개인정보를 보호한다.
• 체계적 특징 분석: 최첨단 자율 RL 에이전트를 일관된 "운용자"로 사용하여, 어떤 특정 혈관 특징이 높거나 낮은 항해 성능을 예측하는지 상세히 분석함으로써 MT의 해부학적 영향에 대한 제한된 근거를 확장하였다.
• 대규모 실세계 데이터셋: 본 분석은 자율 혈관 내 항해 시뮬레이션에 사용된 데이터 중 CTA 유래 실제 환자 혈관 구조를 활용한 가장 큰 규모의 데이터셋에서 수행되었다.

결과
연구 결과, 혈관 기하 구조가 항해 난이도에 유의미한 영향을 미치며, 좌측 및 우측 항해에서 뚜렷한 패턴이 관찰되었다:

• 좌측 항해:
  • **완두상 궁(Bovine arch)**의 존재는 항해 시간을 30.19초 증가시키고 경로 비율을 감소시켰다.
  • 대동맥궁 Type II/III는 항해 시간을 37.92초 증가시켰다.
  • 증가된 **굴곡도(Tortuosity)**는 절차 시간을 유의미하게 연장시켰으며($\beta = 118.20$), 성공 확률을 감소시켰다.
  • 더 큰 LCCA 분지 각도는 성공 확률 증가와 관련이 있었다.
• 우측 항해:
  • 대동맥궁 Type II/III는 절차 시간을 45.94초 연장시켰다.
  • 추가되는 각 **역곡선(Reverse curve)**은 항해 시간을 3.96초 증가시키고 성공 확률을 낮추는 것과 관련이 있었다.
  • 더 큰 BCA 분지 각도는 성공 확률 증가와 관련이 있었다.
• 일반적 관찰 사항: 우측 작업은 일반적으로 좌측 작업에 비해 성공률이 높고 절차 시간이 짧았다. 또한 우측 경로는 길이와 굴곡도 측면에서 더 큰 변동성을 보였다.

의의 및 주장
본 논문은 MT 에이전트의 항해 난이도가 혈관 기하 구조에 의해 강력하게 영향을 받는다는 점을 최초로 입증했다고 주장한다. 제안된 자동화 파이프라인은 혈관 특징의 객관적이고 정량적인 특성 규명을 가능하게 하며, 다음을 위한 토대를 제공한다:

1. 표준화된 복잡도 등급 산정: 항해 난이도를 평가하기 위한 일관된 프레임워크 구축.
2. RL 모델 평가: 환자 개인정보를 침해하지 않으면서 서로 다른 기관 간에 강화 학습 모델을 벤치마킹할 수 있도록 지원.

저자들은 본 연구의 목적이 임상적으로 일반화 가능한 자율 항해를 입증하는 것이 아님을 명시적으로 밝히고 있다. 대신, RL 에이전트는 해부학적 의존적 항해 난이도를 조사하기 위한 표준화된 in silico 운용자 역할을 한다. 본 연구는 자동화된 지표 정량화와 RL 시뮬레이션을 결합하여 복잡도 평가를 표준화할 수 있는 잠재력을 강조하는 동시에, 인간 전문가의 수행 능력에 대한 검증 부재 및 분석 범위가 대동맥궁과 총경동맥으로 제한된다는 한계를 인정한다. 향-후 연구에서는 데이터셋 확장, 임상적 검증 도입, 그리고 원위부 혈관 분절로의 프레임워크 확장이 필요하다고 명시하였다.