A Comprehensive Database of Simulations and Meshes of Coronary Arteries from the Fame 2 Trial

기술 요약: FAME 2 임상 시험의 관상동맥 시뮬레이션 및 메쉬 종합 데이터베이스

문제 제기
관상동맥 질환(CAD)은 죽상경화반이 혈관 내강을 좁히고 혈류를 저해하는 특징을 가진 주요 사망 원인입니다. 침습적 관상동맥 조영술(ICA)은 진단을 위한 골드 스탠다드이지만, 주로 해부학적 심각도를 평가합니다. 분획 혈류 예비력(FFR)은 기능적 평가를 제공하지만 침습적 측정이 필요합니다. 최근 수치 혈역학 분야의 발전은 전산유체역학(CFD)을 활용하여 혈류 지수를 계산하고 환자 맞춤형 혈액 역학을 분석하는 비침습적 대안을 제시합니다. 그러나 이 분야에서 데이터 기반 모델 및 머신러닝 기술의 발전은 공개적으로 사용 가능한 고품질의 환자 맞춤형 수치 데이터셋의 부족으로 인해 심각한 병목 현상을 겪고 있습니다. 기존 리소스들은 원시 시뮬레이션 데이터, 기초 메쉬, 또는 둘 다를 결여하고 있는 경우가 많으며, 특히 임상 시험에서 유래된 실제 관상동맥 기하 구조의 경우 더욱 그러합니다.

방법론
저자들은 FAME 2(Fractional Flow Reserve versus Angiography for Multiveller Evaluation 2) 임상 시험에서 획득한 ICA 영상으로부터 3D 관상동맥 기하 구조를 재구성하여 종합적인 데이터베이스를 구축했습니다.

• 데이터 소스 및 재구성: 본 연구는 재관류술을 받지 않은 567명의 환자(OMT 및 레지스트리 그룹)로부터 얻은 ICA 영상을 활용했습니다. 두 개의 근직교(near-orthogonal) ICA 투영 영상을 사용하여 좌전하행동맥(LAD), 좌회선지(LCx), 우관상동맥(RCA)의 중심선(centerline)과 반경을 재구성했습니다. 이 과정에는 중재 순환기 전문의에 의한 수동 분할, 스플라인 기반 3D 재구성, 그리고 체적 모델 생성이 포함되었습니다.
• 메쉬 생성: 초기 재구성된 914개의 혈관 중, 자기 교차(self-intersecting) 기하 구조로 인해 135개를 제외하고 779개의 유효한 혈관을 남겼습니다. 저자들은 모든 779개 혈관에 대해 메쉬를 생성하기 위해 (Marcinnò et al., 2025에 기반한) 구조적 육면체 메쉬 생성 알고리즘을 채택했습니다. 핵심적인 방법론적 특징은 모든 메쉬가 동일한 수의 정점(vertices), 셀(cells), 연결성(connectivity)을 공유하여 데이터셋 전체의 균일성을 보장한다는 점입니다. 915개의 메쉬(무효한 메쉬 포함)를 생성하는 데 단일 CPU 코어로 약 41분이 소요되었습니다.
• 수치 시뮬레이션: 유체 역학은 3D 비압축성 비정상 나비에-스토크스(Navier-Stokes) 방정식을 사용하여 모델링되었습니다.
  • 솔버(Solver): lifeX 라이브러리를 사용하여 유한 요소법(FEM)을 구현했습니다.
  • 이산화(Discretization): 공간은 VMS-SUPG(Variational Multiscale-Streamline Upwind Petrov-Galerkin) 안정화 및 출구에서의 역류(backflow) 안정화가 적용된 $Q1-Q1$ 유한 요소를 사용하여 이산화되었습니다. 시간 이산화에는 $dt = 0.001$s의 시간 간격을 갖는 암시적 오일러(Implicit Euler) 방법을 사용했습니다.
  • 경계 조건(Boundary Conditions):
    • 입구(Inlet): 폐쇄형 0D 심혈관계 모델에서 유도된 대동맥 압력을 나타내는 뉴먼(Neumann) 조건을 적용했습니다.
    • 출구(Outlet): 혈관 유형(LAD/LCx vs. RCA) 및 심실 압력 곡선에서 유도된 심근 내 압력에 특화된 파라미터를 가진 0D 집중 정수 모델(lumped parameter model)을 3D 도메인에 명시적으로 결합했습니다.
    • 벽면(Walls): 노 슬립(no-slip) 조건을 적용했습니다.
    • 시뮬레이션 지속 시간: 1초 동안 시뮬레이션을 실행했습니다(0.8s의 1.25 심장 주기를 포함). 경계 조건 램핑을 위해 첫 0.2s는 폐기되었습니다.

주요 기여

1. 공공 데이터베이스 공개: 본 연구의 주요 기여는 779개의 환자 맞춤형 관상동맥 메쉬와 그에 상응하는 3D 비정상 나비에-스토크스 시뮬레이션 결과를 포함하는 대규모 오픈 액세스 데이터베이스를 공개한 것입니다.
2. 균일한 메쉬 품질: 저자들은 대규모로 메쉬 생성기를 체계적으로 평가하여, 779개 메쉬 모두가 동일한 연결성과 높은 품질을 보유하고 있음을 입증했습니다. 데이터베이스에는 모든 셀에 대한 품질 지표(Scaled Jacobian, Edge Ratio, Normalized Equiangular Skewness)가 포함되어 있습니다.
3. 포괄적인 데이터 구조: 데이터베이스는 메쉬, 품질 지표, 시뮬레이션 파라미터, 그리고 원시 시뮬레이션 결과(속도, 압력, 에너지, 난류량)를 위한 디렉토리로 구성되어 있으며, 시각화 및 품질 평가를 위한 스크립트도 함께 제공됩니다.
4. 재구성 실패 처리: 데이터베이스는 재구성 파이프라인의 성공 및 실패율에 대한 완전한 기록을 제공하기 위해 135개의 "유효하지 않은(not-valid)" 메쉬(자기 교차 메쉬)를 명시적으로 포함했습니다.

결과

• 데이터셋 통계: 재구성된 914개의 혈관 중 779개가 성공적으로 메쉬 생성 및 시뮬레이션되었습니다. 실패율은 RCA(26.6%)에서 가장 높았고, LCx(12.7%), LAD(8.3%) 순이었으며, 이는 RCA의 구불구불한 해부학적 구조로 인해 2D 투영 시 중심선 중첩이 발생했기 때문입니다.
• 메쉬 품질: 품질 평가 결과 탁월한 메쉬 품질이 확인되었습니다.
  • Scaled Jacobian (SJ): 99.99%의 셀이 권장 임계값인 0.5를 충족했으며, 97.5%는 0.9를 초과했습니다.
  • Edge Ratio (ER): 99.96%의 셀이 권장 상한선인 5 미만을 유지했습니다.
  • Skewness (NES): 99.99%의 셀이 권장 범위를 만족했으며, 95% 이상이 0–0.2 범위에 속했습니다.
• 시뮬레이션 수렴: 779개의 시뮬레이션 중 18개가 최대 반복 횟수(5000회)에 도달하여 수렴에 실패했습니다. 저자들은 이를 특정 기하 구조(대부분 약간의 곡률을 가진 원통형)의 단순함 때문으로 보며, 이러한 구조가 출구 경계 조건 튜닝에 더 민감하게 반응하는 것으로 판단했습니다. 이 18개의 사례도 데이터베이스에 유지되었습니다.

의의 및 주장
본 논문은 심혈관 혈역학 분야에서 머신러닝 및 데이터 기반 모델링의 적용을 가로막는 데이터 부족 문제를 극려하기 위한 핵심 자원으로서 본 작업을 위치시킵니다. 저자들은 자신들의 지식 범위 내에서, 이것이 수치 혈역학 분야에서 이토록 많은 요소(elements)에 대해 메쉬 생성기를 체계적으로 평가한 첫 번째 사례라고 주장합니다. 또한, SimVascular 저장소를 제외하면, 실제 관상동맥에 대해 시뮬레이션과 메쉬를 모두 제공하는 유일한 데이터베이스라고 언급합니다.

저자들은 현재 시뮬레이션의 임상적 적용 가능성에 대해 신중한 입장을 유지합니다. 그들은 한계점을 명확히 인정하는데, 즉 모든 환자에 대해 환자별 보정이 아닌 동일한 집중 정수 값을 출구 경계 조건으로 사용했다는 점입니다. 저자들은 기하 구조와 유체 역학은 올바르게 모델링되었으나, 특히 협착이 존재하는 상황에서의 적절한 경계 조건 보정은 향후 연구 과제로 남아 있다고 밝힙니다. 본 공개의 일차적인 목표는 연구자들이 자신만의 분석을 수행하고, 다양한 경계 조건을 테스트하며, 더 견고한 통계 및 머신러닝 모델을 개발할 수 있는 유연한 토대를 제공하는 것입니다.