⚛️ biophysics

Quantitative Comparison of 3D-1D Vascular Coupling Models: Lateral Average versus Sphere of Influence Methods

본 연구는 측면 평균(Lateral Average) 모델과 영향권(Sphere of Influence) 혈관 결합 모델을 정량적으로 비교하며, 두 모델 모두 특정 조건 하에서는 유사한 전체 장기 혈류량을 산출할 수 있으나 국소 관류 예측에 있어서는 크게 상이하게 나타남을 밝힘으로써, 연구의 목표가 전신 혈역학인지 또는 국소 약물 전달인지에 따라 신중한 모델 선택이 필요함을 시사한다.

원저자: Amare, R., Vargun, D., Zhang, P., Parrish, S., Stolley, D., Santos, C., Jacobsen, M., Cressman, E., Riviere, B., Fuentes, D.

게시일 2026-07-17

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Amare, R., Vargun, D., Zhang, P., Parrish, S., Stolley, D., Santos, C., Jacobsen, M., Cressman, E., Riviere, B., Fuentes, D.

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

스펀지 속으로 떨어지는 염료 한 방울이 어떻게 퍼져나가는지를 예측한다고 상상해 보십시오. 현실 세계에서 혈관은 그 스펀지 사이를 흐르는 아주 작은 파이프와 같아서, 구석구석까지 산소와 약물을 전달합니다. 하지만 이 파이프들은 너무나도 가늘어서—어떤 것은 단 몇 백만 분의 1미터에 불길히도—컴퓨터 모델에 이 모든 것을 하나하나 그리는 것은 마치 해변의 모래알 개수를 세면서 동시에 조수 간만의 차를 계산하는 것과 같습니다. 그것은 가장 빠른 슈퍼컴퓨터에게도 너무나 과한 작업입니다. 그래서 과학자들은 영리한 지름길을 사용합니다. 커다란 눈에 보이는 파이프는 단순한 선(1D)으로 취급하고, 스펀지는 하나의 고체 블록(3D)으로 취급하는 것입니다. 까다로운 점은 "액체"가 선에서 블록으로 어떻게 옮겨가는지를 파악하는 것입니다. 액체가 젖은 양말처럼 파이프의 길이를 따라 서서히 새어 나간다고 상상해야 할까요? 아니면 정원용 호스 노즐에서 특정 풀밭으로 물이 뿜어져 나오듯, 파이프의 맨 끝부분에서만 쏟아져 나온다고 상상해야 할까요? 이것이 바로 이 연구의 핵심에 놓인 큰 질문입니다.

이 논문은 그 질문에 답하는 두 가지 대중적인 방식 사이의 정면 승부를 다룹니다. "측면 평균 모델(Lateral Average Model, LAM)"이라 불리는 한 방법은 혈액이 혈관 벽 전체를 따라 연속적으로 새어 나온다고 가정하며, 이는 벽이 얼마나 "새기 쉬운지(leaky)"에 의해 조절됩니다. 다른 하나인 "영향권(Sphere of Influence, SOI)" 모델은 혈액이 오직 혈관의 맨 끝에서만 빠져나와 그 끝을 중심으로 구형의 거품처럼 퍼져나간다고 가정합니다. 연구자들은 알고 싶었습니다. 이 두 가지 서로 다른 사고방식이 실제로 같은 답을 내놓는가? 만약 의사가 간암 치료를 계획하고 있다면, 어떤 모델을 선택하느냐가 정말 중요한가? 그 답은 전체 혈액량에 관심을 두느냐, 아니면 그 혈액이 정확히 어디로 가느냐에 따라 완전히 달라진다는 흥미로운 "예 그리고 아니오"로 나타났습니다.

위대한 누출 대결

저자들은 이 두 모델을 테스트하기 위해 디지털 실험실을 구축했습니다. 먼저, 수학적 동작을 확인하기 위해 단순하게 만들어진 가상의 파이프 네트워크를 사용했습니다. 그런 다음, 실제 돼지의 간을 사용하여 현실 세계로 나아갔습니다. CT 기기로 돼지의 간을 스캔하여 실제 동맥의 3D 지도를 구축했고, 이 사실적이고 복잡한 생물학적 구조 위에서 시뮬레이션을 실행했습니다.

연구 결과는 다음과 같으며, 이는 마치 느릿하게 내리는 비와 갑작스러운 스프링클러 시스템을 비교하는 것과 비슷합니다.

총 유량: 두 가지 행동의 이야기
연구자들이 조직으로 흘러 들어가는 전체 혈액량을 살펴보았을 때, 두 모델은 설정을 변경함에 따라 매우 다르게 반응했습니다.

LAM (새는 호스): 혈관 벽의 투과성(더 많은 액체를 통과시키는 정도)을 높일수록, 총 유량은 처음에는 빠르게 증가하다가 곧 천장에 부딪혔습니다. 이는 수도꼭지를 여는 것과 같았습니다. 일단 물이 자유롭게 흐르기 시작하면, 수도꼭지 손잡이를 더 헐겁게 만든다고 해서 물이 더 빨리 나오지는 않습니다. 유량은 포화 상태에 도달하여 평평하게 유지되었습니다.
SOI (스프링클러): "영향권"(혈액이 퍼지는 거품의 크기)을 키울수록, 총 유량은 그들의 테스트 범위 내에서 멈추지 않고 계속해서 계속 올라갔습니다. 이는 스프링클러의 압력을 높이는 것과 같았습니다. 분사 반경이 커질수록 더 넓은 면적을 덮게 되고, 더 많은 물을 전달하는 것처럼 보였습니다.

특정한 설정에서는 두 모델을 조정하여 동일한 총 혈액량을 얻을 수 있었습니다. 하지만 다른 설정에서는 숫자를 아무리 조정해도 서로 일치할 수 없었습니다. 즉, 한 모델을 다른 모델로 바꾸기 위한 간단한 "변환 계수"는 존재하지 않으며, 이들은 근본적으로 다른 존재라는 뜻입니다.

국소 유량: 진짜 마법(그리고 위험)이 일어나는 곳
진짜 놀라운 점은 혈액이 조직 내부 어디로 갔는지를 살펴보았을 때 나타났습니다. 이것은 종양을 치료하는 데 있어 가장 중요한 부분입니다. 암세포를 죽이려 한다면, 약물이 단순히 일반적인 동네로 가는 것이 아니라 정확히 그 세포에 도달해야 합니다.

돼지 간 연구에서 두 모델은 국소적인 세부 사항에 대해 크게 엇갈렸습니다.

SOI 모델은 놀라울 정도로 안정적이었습니다. "영향권"의 크기를 어떻게 바꾸든, 간의 특정 영역에 도달하는 혈액량은 거의 일정하게 유지되었습니다. 이는 분사 폭이 얼마든 상관없이 항상 같은 구역에 물을 주는 믿음직한 스프링클러와 같았습니다.
LAM 모델은 롤러코스터 같았습니다. 혈관 벽을 얼마나 "새기 쉽게" 설정하느냐에 따라 혈액 분포가 극적으로 변했습니다. 어떤 경우에는 혈관 바로 옆에 있는 지역보다 먼 곳으로 더 많은 혈액을 보내기도 했습니다. 실제로 낮은 투과성 설정에서 LAM 모델은 혈액이 예상된 패턴과 반대로, 엉뚱한 곳으로 흐른다고 예측하기도 했습니다.

의사와 과학자들을 위한 결론
이 연구는 만약 장기가 받는 전체 혈액량에만 관심이 있다면, 적절한 설정을 선택한다는 전제하에 두 모델 중 어느 것을 사용해도 괜찮을 수 있다고 결론짓습니다. 하지만 약물의 국소적 전달, 즉 항암제가 건강한 조직이 아닌 종양에 정확히 도달하도록 보장하는 것에 관심이 있다면 모델의 선택이 결정적입니다.

저자들은 만약 혈관 벽의 투과성을 정확히 알 수 없다면(실제 환자의 경우 흔히 발생하는 일입니다), 예측이 더 안정적이고 설정 변화에 따라 급격하게 휘둘릴 가능성이 낮은 영향권(SOI) 모델이 더 안전하다고 제안합니다. 그러나 만약 혈관 벽의 투과성에 대한 구체적인 데이터가 있다면(예를 들어 매우 잘 새는 것으로 알려진 종양의 경우), **측면 평균 모델(LAM)**이 그 투과성이 흐름을 어떻게 변화시키는지에 대해 더 상세하고 물리 법칙에 기반한 그림을 제공할 수 있습니다.

궁극적으로, 이 논문은 두 모델이 "큰 그림"(총 유량)에서는 일치할지라도, "작은 그림"(국소적 전달)에서는 일치하지 않을 수 있음을 경고합니다. 치료를 계획할 때, 두 모델이 서로 대체 가능하다는 가정은 의사가 약물이 종양에 도달할 것이라고 생각하게 만들지만, 다른 모델에 따르면서는 약물이 완전히 빗나갈 수도 있다는 위험을 초래할 수 있습니다. 이 선택은 단순한 수학적 선호의 문제가 아닙니다. 그것은 예측되는 치료 결과를 결정짓는 결정입니다.

기술 요약: 3D-1D 혈관 결합 모델의 정량적 비교

문제 제기
1차원(1D) 혈관 네트워크와 3차원(3D) 조직 도메인을 결로하는 계산 모델은 종양 관류, 약물 전달 및 치료 계획에서 혈류를 예측하는 데 필수적이다. 두 가지 지배적인 결합 패러다임으로 **측면 평균 모델(Lateral Average Model, LAM)**과 영향권 구체(Sphere of Influence, SOI) 모델이 존재한다. 널리 사용되고 있음에도 불구하고, 연구자들은 엄격한 예측 차이에 대한 이해보다는 역사적 전례나 편의성에 따라 이들 중 하나를 선택하는 경목이 있다. 이들의 파라미터 거동, 예측적 등가성 및 경계 조건에 대한 민감도에 관한 체계적인 정량적 비교가 부족하다. 특히, 이 모델들이 동등한 혈역학적 예측을 생성할 수 있는지, 결합 파라미터(LAM의 혈관 벽 투과도 $\gamma$ 와 SOI의 소스 구체 반지름 $\epsilon$ )가 어떻게 연관되는지, 그리고 모델 선택이 지역적(regional) 흐름 대 전역적(global) 흐름 예측에 어떤 영향을 미치는지 여부는 미해결 상태로 남아 있다.

방법론
본 연구는 수치적 또는 기하학적 혼란 변수로부터 결합 메커니즘의 효과를 격리하기 위해 통제된 계산 프레임워크를 사용한다. 두 모델 모두 동일한 이산화 방식, 경계 조건 및 혈관 네트워크 기하 구조를 사용하여 구현되었다.

수학적 정식화:
- LAM: 혈관 벽 투과도 파라미터 $\gamma$ 를 통해 전체 혈관 길이를 따라 분포된 경벽 교환(transmural exchange)을 구현한다. 결합은 3D 조직 방정식에서의 분포된 선형 소스(line-source)와 그에 대응하는 1D 방정식의 싱크(sink)로 표현된다.
- SOI: 혈관 말단에서만 국소적으로 결합을 수행한다. 흐름은 매끄럽고 컴팩트하게 지지된 분포 함수에 의해 가중치가 부여된, 각 말단 노드를 중심으로 하는 반지름 $\epsilon$ 의 소스 구체를 통해 3D 조직 도메인으로 전달된다.
- 두 모델 모두 1D 혈관에 대해 Hagen-Poiseuille 방정식을, 3D 다공성 조직에 대해 Darcy의 법칙을 활용한다.
실험 설정:
- 벤치마크 네트워크: 수평 1D 혈관 네트워크를 포함하는 단순화된 3D 조직 도메인( $50 \times 40 \times 30$ $50 \times 40 \times 30$ mm $^3$ $^{3}$ )을 사용하였다. 세 가지 뚜렷한 싱크(정맥 배출) 경계 구성이 테스트되었다:
  - Case 1: 입구 면( $x=0$ )에 싱크 위치.
  - Case 2: 반대편 면( $x=50$ )에 싱크 위치.
  - Case 3: 두 개의 횡단 면( $y=0$ 및 $y=40$ )에 싱크 위치.
- 동물 연구: 돼지 간의 CT 동맥 조영술로부터 재구성된 생리학적으로 현실적인 간 동맥 네트워크를 사용하였다. 시뮬레이션은 입구 압력 80~100 mmHg 범위에서 제어 체적( $103.7 \times 53.5 \times 52.5$ mm $^3$ )에 대해 수행되었다.
- 지표: 다양한 파라미터 범위( $\gamma$ 및 $\epsilon$ )에 걸쳐 전역 순 흐름률( $Q_{net}$ )과 특정 관심 영역(ROI) 내의 지역 관류 분율을 분석하였다.

주요 결과

파라미터 거동 및 포화:
- LAM: 순 흐름률은 $\gamma$ 가 증가함에 따라 매끄럽게 상승하며 포화 상태( $\gamma \gtrsim 10^{-8}$ m Pa $^{-1}$ s $^{-1}$ 에서 관찰됨)에 도달한다. 일단 포화되면, 흐름은 혈관 벽 투과도가 아니라 벌크 조직 수송 및 경계 기하 구조에 의해 제한된다.
- SOI: 순 흐름률은 테스트된 범위($5.8 $~$ 12$ mm) 전반에 걸쳐 $\epsilon$ 에 따라 거의 선형적으로 증가하며 포화되지 않는다. 총 흐름 크기는 확장되는 구체가 접근 가능한 유효 조직 전도도에 의해 결정된다.
전역 흐름 등가성:
- LAM과 SOI 사이의 등가성은 보편적이지 않으며, 경계 기하 구조에 엄격하게 의존한다.
- Case 1의 경우, 두 모델은 각각의 상한 파라미터 극한에서 유사한 흐름률로 수렴한다.
- Case 2의 경우, SOI 곡선이 테스트된 $\epsilon$ 범위 내에서 LAM의 고원(plateau)을 초과하여 등가성이 성립되지 않는다.
- Case 3의 경우, SOI 곡선이 가장 작은 $\epsilon$ 에서도 LAM의 고원을 초과하므로, 테스트된 파라미터 범위 내에서 정확한 전역 흐름 등가성은 존재하지 않는다.
- 결과적으로, $\gamma$ 와 $\epsilon$ 사이의 고정된 비율 변환은 생리학적 파라미터 범위 전반에 걸쳐 달성될 수 없다.
지역 관류 발산:
- 두 모델은 전역적인 장기 흐름에 대해서는 일치할 가능성이 있으나, 지역 관류에서는 크게 차이를 보인다.
- 벤치마크: Case 1에서 결합 강도가 증가함에 따라 두 모델 모두 근처의 싱크로 인한 "단락(short-circuiting)" 현상 때문에 상단 ROI(말단 근처)의 흐름이 감소하였으나, 변화의 크기는 달랐다. Case 2에서 상단 ROI의 흐름은 LAM에서는 단조롭게 증가했으나, SOI에서는 비단조적인 피크(구체 반지름이 ROI 면과 일치할 때 피크 발생)를 보였다.
- 동물 연구: 혈관 말단 근처 영역(ROI 1)에 대해, SOI는 $\epsilon$ 에 관계없이 안정적인 관류 분율(~31–35%)을 예측했다. 반면, LAM 예측은 $\gamma$ 에 따라 몇 배나 변동했다(10–55%). 낮은 투과도에서 LAM은 심지어 예상된 흐름 계층을 역전시켜, 혈관 근위 영역보다 원위 영역(ROI 2)에 더 많은 흐름이 흐른다고 예측한 반면, SOI는 예상된 계층을 유지했다.
파라미터 식별 가능성:
- 포화된 LAM 영역에서, 전역 흐름 측정값은 $\gamma$ 를 제약하는 데 유의미한 정보를 제공하지 못한다.
- SOI 파라미터는 테스트된 범위 전반에서 정보력을 유지하며, $\epsilon$ 이 증가함에 따라 불확실성의 폭이 좁아진다.

의의 및 주장
본 논문은 결합 모델의 선택이 예측된 총 장기 흐름에는 제한적인 영향을 미치지만, 국소적 약물 전달 및 지역 관류 예측에는 상당한 영향을 미친다고 결론짓는다.

모델 선택 가이드라인:
- SOI는 결합 파라미터가 불확로하거나, 치료 계획을 위해 파라미터 변화에 대한 견고함이 필요할 때, 또는 지역 흐름의 안정성이 중요할 때 선호된다. 특히 혈관 벽 투과도를 독립적으로 특성화할 수 없을 때 적합하다.
- LAM은 혈관 벽 투과도가 생리학적으로 의미 있고 식별 가능하며 측정 가능한 양(예: 염증 또는 종양 상황에서의 과투과성)일 때 선호된다. 이는 경벽 교환 과정에 대한 더 풍부한 기계론적 통찰력을 제공하기 때문이다.
검증 요구사항: 저자들은 모델 검증이 단순히 전역 흐름 지표에 의존하기보다 다수의 지역 관류 측정을 병행해야 한다고 주장한다. 전역적 등가성은 약물 농도, 저산소증 분포, 치료 반응 예측에 직접적인 영향을 미치는 큰 지역적 불일치를 은폐할 수 있다.

본 연구는 특정 임상 또는 연구 질문과 가용 가능한 생리학적 데이터(특히 투과도)에 따라 LAM과 SOI 정식화 중 무엇을 선택할지에 대한 정량적 근거를 제공한다.

위대한 누출 대결

유사한 논문