Iliac vein morphology and wall shear stress: a statistical shape modelling and CFD analysis of patient-specific geometries

본 연구는 통계적 형상 모델링과 전산유체역학을 결합하여 장골정맥의 해부학적 표현 수준 (2D 투영, 단순 3D, 정밀 3D 재구성) 이 혈류 역학 예측, 특히 혈전증 위험 지표인 낮은 전단응력 영역의 크기와 형상 - 유동 상관관계에 미치는 영향을 분석한 결과, 단순화된 기하학적 모델은 환자 특이적 3D 모델에 비해 낮은 전단응력 영역을 과대평가하며 형상 - 유동 관계 해석에 해부학적 정밀도가 결정적임을 규명했습니다.

핵심

🚗 핵심 비유: 혈관은 도로, 혈전은 교통 체증

우리 몸의 혈관 (특히 골반 쪽의 '장골정맥') 은 도로와 같습니다. 피는 그 도로 위를 달리는 자동차이고, 혈전 (DVT) 은 도로에 생긴 교통 체증입니다.

이 연구는 다음과 같은 질문을 던집니다:

"도로의 모양 (구부러짐, 너비 등) 이 어떻게 교통 체증 (혈전) 을 일으키는지, 그리고 우리가 도로를 어떻게 '그려'서 분석하느냐에 따라 결과가 어떻게 달라지는지"

🔍 연구자가 한 일: 세 가지 다른 지도 그리기

연구자들은 12 명의 환자 데이터를 가지고, 같은 혈관 모양을 세 가지 다른 방식으로 '지도'로 만들었습니다.

1. **2D 평면도 **(사진) 도로를 위에서 내려다본 2 차원 사진처럼 그렸습니다. (가장 단순함)
2. 3D 단순화 모델: 2D 사진을 바탕으로 두께만 입혀서 만든, 구부러진 부분이 없는 뻣뻣한 3D 모형입니다. (중간 수준)
3. 완벽한 3D 재구성: MRI/CT 스캔을 바탕으로 실제 혈관의 구부러짐과 굵기 변화까지 모두 반영한 정교한 3D 모형입니다. (가장 정밀함)

그리고 컴퓨터 시뮬레이션 (CFD) 을 통해 각 모형에서 피가 어떻게 흐르고, 어디에 '저속 구역 (저전단응력)'이 생기는지 분석했습니다.

• **저속 구역 **(Low WSS) 피가 느리게 흐르는 곳. 차가 느리게 가면 사고 (혈전) 가 잘 나기 마련이죠.

📊 주요 발견: "지도의 정밀도가 결과를 바꾼다!"

연구 결과는 매우 흥미롭습니다.

1. 단순한 모형은 위험을 과대평가합니다

• 비유: 실제 복잡한 도로를 그냥 '직선 도로'로만 그려서 분석하면, "여기는 항상 막힐 것이다!"라고 과장해서 예측하게 됩니다.
• 결과: 단순화된 3D 모형이나 2D 모형은 실제 환자 데이터보다 **교통 체증 **(혈전 위험)을 훨씬 더 크게 예측했습니다. (최대 136% 까지!)
• 교훈: 너무 단순하게 생각하면, 실제로는 괜찮은 환자도 위험하다고 오해할 수 있습니다.

2. 모양을 분석하는 '방식'이 중요합니다

• 2D 분석: 2D 평면도에서는 하나의 주된 특징 (예: 전체적인 굽힘) 이 혈전 위험과 강력하게 연결되는 것으로 나타났습니다. 마치 "도로가 구부러지면 무조건 막힌다"는 단순한 법칙을 찾은 것과 같습니다.
• 3D 분석: 하지만 정교한 3D 모형으로 분석하면, 혈관 모양의 변화가 훨씬 복잡하고 미세하게 분포되어 있었습니다. 하나의 큰 특징보다는 여러 가지 작은 변화들이 합쳐져서 흐름에 영향을 줍니다.
• 교훈: 2D 로 분석할 때 찾던 '단순한 법칙'은 3D 정밀 분석에서는 사라지거나 약해집니다. 즉, 정밀한 3D 데이터가 없으면 혈전 위험을 정확히 예측할 수 없다는 뜻입니다.

💡 이 연구가 우리에게 주는 메시지

1. 정밀함이 생명입니다: 혈전 위험을 예측할 때, 단순한 2D 사진이나 대충 만든 3D 모형만 믿으면 안 됩니다. 환자의 실제 3D 해부학적 구조 (MRI/CT 기반) 를 최대한 정밀하게 반영해야 정확한 예측이 가능합니다.
2. 개인 맞춤형 치료의 필요성: 사람마다 혈관 모양이 다르고, 그 모양이 피 흐름에 미치는 영향도 다릅니다. "모든 혈관은 비슷하다"고 생각하지 말고, 개인의 정밀한 3D 지도를 만들어 분석해야 치료나 수술 (예: 스텐트 삽입) 성공률을 높일 수 있습니다.
3. 미래의 희망: 이 연구는 컴퓨터 시뮬레이션과 통계적 모델을 결합하여, 앞으로 의사가 환자의 혈전 위험을 사전에 정밀하게 예측하고 맞춤형 치료를 설계하는 **디지털 트윈 **(가상 환자) 기술의 기초를 닦았습니다.

📝 한 줄 요약

"혈전 위험을 예측하려면, 단순한 2D 지도가 아닌 정교한 3D 지도를 그려야 하며, 지도를 그리는 방식에 따라 위험 평가가 완전히 달라질 수 있다!"

이 연구는 의학과 공학이 손을 잡아서, 더 정확하고 안전한 혈전 치료를 위한 새로운 길을 제시했습니다.

기술 요약

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 장정맥 혈전증 (DVT) 은 심각한 합병증을 유발하는 흔한 질환이며, 혈전 형성에 혈류 역학적 요인 (특히 낮은 벽 전단 응력, Low WSS) 이 중요한 역할을 합니다.
• 문제: 임상에서는 해부학적 영상 (MRI/CT) 을 기반으로 치료 결정을 내리지만, 혈관 형태의 미세한 차이가 국소 혈류와 혈전 위험에 어떻게 영향을 미치는지는 정량적으로 규명되지 않았습니다.
• 가설: CFD 시뮬레이션에서 사용되는 해부학적 모델의 정밀도 (Fidelity) 와 정렬 (Alignment) 전략이 형태 변이의 통계적 구조와 유동 역학 지표 (Low WSS 영역) 간의 상관관계에 결정적인 영향을 미칠 것으로 추정됩니다.

2. 방법론 (Methodology)

연구는 12 명의 환자 (MRI/CT 데이터) 를 대상으로 다음과 같은 워크플로우를 수행했습니다.

A. 데이터 처리 및 기하학적 모델링 (Geometric Fidelity Levels)

세 가지 수준의 해부학적 정밀도를 가진 모델을 생성하여 비교했습니다:

1. 완전 3D 재구성 (Full 3D): MRI/CT 볼륨 데이터에서 추출한 실제 3D 장골정맥 (Common Iliac Vein) 형상.
2. 2D 투영 (2D Projection): 임상 혈관조영술 (Angiogram) 평면에 투영된 2D 윤곽선.
3. 단순화된 3D 돌출 (Simplified 3D Extrusion): 2D 투영을 기반으로 평면 곡률을 무시하고 단순하게 3D 로 확장한 모델 (2D 혈관조영술만 있는 상황을 시뮬레이션).

B. 통계적 형태 모델링 (SSM)

• 도구: Deformetrica 라이브러리 사용.
• 기법:
  • Deterministic Atlas (DA): 대조군 템플릿과 각 개체의 변형을 정의하는 초기 운동량 (Initial Momenta) 을 추정.
  • Principal Geodesic Analysis (PGA): 템플릿 접선 공간에서의 변형 분산을 분석하여 주요 형태 변이 모드 (Principal Modes) 를 추출.
• 정렬 전략 (Alignment):
  • 2D: 해부학적 입사각을 보존하도록 혈관 입구 중심점을 정렬 (Anatomical alignment).
  • 3D: 혈관 중심선 (Centerline) 간의 오차를 최소화하도록 정렬 (Centerline-based alignment). 이는 3D 공간에서 해부학적 포즈를 제거하고 내재적 형태 차이만 추출하기 위함.

C. 전산유체역학 (CFD) 시뮬레이션

• 소프트웨어: ANSYS Fluent 2024 R2.
• 조건: 정상 상태 (Steady-state), 층류, 뉴턴 유체 (혈액), 입구 속도 프로파일 (Re = 354 기준), 출구 압력 0.
• 메시: 다면체 (Polyhedral) 메시, 요소 크기 0.20 mm (메시 민감도 분석 수행).
• 지표: 벽 전단 응력 (WSS) 이 임계값 (0.05, 0.10, 0.15 Pa) 이하인 혈관 벽면의 **면적 (Low-WSS Area)**을 계산.

D. 통계 분석

• SSM 의 주성분 모드 (Latent Modes) 와 CFD 에서 계산된 Low-WSS 면적 간의 상관관계를 분석.
• 방법: 스피어만 순위 상관 (Spearman's rank correlation), 순열 검정 (Permutation testing, n=12 로 인한 소표본 보정), Benjamini-Hochberg (FDR) 보정.

3. 주요 결과 (Key Results)

A. 기하학적 정밀도가 Low-WSS 면적에 미치는 영향

• 과대평가 경향: 단순화된 3D 모델 (2D 기반 돌출) 은 환자별 실제 3D 모델에 비해 Low-WSS 면적을 일관되게 과대평가했습니다.
  • 임계값별 평균 증가율: 0.05 Pa 기준 118%, 0.10 Pa 기준 136%, 0.15 Pa 기준 78%.
  • 이는 단순화된 기하학이 혈류의 난류나 복잡한 전단 분포를 과도하게 평탄화하여 저전단 영역을 확대하는 경향이 있음을 시사합니다.

B. SSM 의 형태 변이 구조 차이

• 2D SSM: 매우 계층적인 분산 구조를 보였습니다.
  • Mode 1 (33% 설명): 전체적인 굽힘 (Bending) 과 직경 변화의 조합.
  • Mode 2 (21% 설명): 근위 - 원위부 테이퍼링 (Tapering).
  • 상위 두 모드가 전체 변이의 약 54% 를 설명하며, 나머지 모드는 3~7% 수준.
• 3D SSM: 훨씬 평평한 (Flat) 분산 스펙트럼을 보였습니다.
  • Mode 1 (17.4% 설명): 균일한 관강 직경 (Calibre) 변화.
  • 나머지 모드들은 각각 약 7~9% 로 분산되어 있어, 특정 단일 모드가 지배적인 변이를 설명하지 못함.
  • 이는 3D 중심선 정렬이 글로벌 포즈를 제거하여 미세한 국소적 형태 차이만 남겼기 때문입니다.

C. 형태 - 유동 (Shape-Flow) 상관관계

• 2D 모델: Mode 1이 모든 WSS 임계값에서 Low-WSS 면적과 강한 음의 상관관계를 보였습니다 (Spearman ρ ≈ -0.85~-0.93). 이는 2D 모델에서 형태 변이의 주된 방향이 혈류 역학 위험과 밀접하게 연관되어 있음을 의미합니다.
• 3D 모델: 단일 지배적인 상관관계가 발견되지 않았습니다.
  • 상관관계가 약하고 여러 모드에 분산되어 있으며, FDR 보정 후 통계적 유의성을 갖는 모드는 없었습니다.
  • 형태 변이가 많은 모드에 고르게 분산되어 있어, 단일 변수 분석으로는 유동 변화와의 명확한 연관성을 포착하기 어려웠습니다.

D. 민감도 분석

• 입구 유속을 ±20% 변화시켰을 때, 환자 간 Low-WSS 면적의 **상대적 순위 (Rank order)**는 유지되었습니다. 이는 혈류 역학의 변동성이 주로 해부학적 기하학의 차이에서 비롯됨을 시사합니다.

4. 주요 기여 및 의의 (Contributions & Significance)

1. 모델 정밀도의 중요성 입증: DVT 연구에서 CFD 기반 혈류 역학 지표를 사용할 때, 단순화된 2D 투영이나 3D 돌출 모델을 사용하면 Low-WSS 영역을 실제보다 크게 과대평가할 수 있음을 정량적으로 증명했습니다.
2. 정렬 전략의 영향 규명: 형태 모델링 시 사용하는 정렬 방법 (해부학적 vs 중심선 기반) 이 SSM 의 잠재 공간 (Latent Space) 구조와 형태 - 유동 상관관계의 강도를 근본적으로 바꾼다는 것을 밝혔습니다.
   • 2D 는 해부학적 포즈를 포함하여 거시적 변이를 포착하고 강한 상관관계를 보임.
   • 3D 는 미세한 형태 차이만 추출하여 상관관계가 희석됨.
3. 통합 워크플로우 제시: 의료 영상 (MRI/CT) 에서 SSM 과 CFD 를 결합하여 환자별 혈전 위험을 평가할 수 있는 재현 가능한 계산 프레임워크를 제시했습니다.
4. 임상적 함의: DVT 치료 (예: 스텐트 삽입) 및 위험 평가 시, 단순화된 기하학적 모델을 사용하는 것의 위험성을 경고하며, 보다 정밀한 3D 재구성과 적절한 모델 선택의 필요성을 강조합니다.

5. 결론 (Conclusion)

이 연구는 해부학적 모델의 정밀도와 정렬 전략이 혈류 역학 예측 및 형태 - 유동 관계 해석에 결정적인 영향을 미친다는 것을 보여주었습니다. 단순화된 모델은 Low-WSS 영역을 과대평가하며, 3D 모델은 형태 변이가 분산되어 있어 단일 모드와의 상관관계가 약화됩니다. 향후 더 큰 코호트를 대상으로 다변량 분석을 수행하고, 임상적으로 실행 가능한 개인화된 혈전 위험 평가 도구 개발을 위한 기초를 마련했습니다.