Computationally-efficient constrained constructive optimisation algorithm for patient-specific coronary microvascular network generation

기술 요약: 환자 맞춤형 관상동맥 미세혈관 네트워크 생성을 위한 계산 효율적 제약 조건 기반 구성적 최적화

문제 정의

심근 관류에 대한 정확한 환자 맞춤형 분석을 위해서는 현실적인 관상동맥 미세혈관 네트워크의 재구성이 필요하다. 그러나 미세 구조를 생체 내(in vivo)에서 직접 측정하는 것은 매우 어렵다. 제약 조건 기반 구성적 최적화(Constrained Constructive Optimisation, CCO)는 생리학적 최적성 원리(예: 총 에너지 또는 부피 최소화)를 기반으로 혈관 나무를 생성하는 확립된 방법이지만, 기존 구현 방식은 다음과 같은 중대한 한계점에 직면해 있다:

1. 계산 비용: 표준 CCO 알고리즘은 매 혈관 삽입 시마다 전체 나무를 전역적으로 재최적화하고 모든 기존 세그먼트와 연결을 평가해야 하므로, 네트워크 크기가 증가함에 따라 계산 시간이 기하급급수적으로 증가한다($O(n_t^2)$ 또는 그 이상). 이는 수백만 개의 혈관(관상동맥 미세혈관의 일반적인 규모)을 가진 네트워크를 생성하는 것을 계산적으로 불가능하게 만든다.
2. 환자 맞춤형 통합의 결여: 전통적인 CCO는 일반적으로 단일 유입 혈관에서 시작된다. 이는 기존의 해부학적 구조를 변경하지 않으면서, 기존의 환자 특이적 심외막 동맥 나무(임상 영상으로부터 재구성된 것)를 하류의 미세혈관으로 확장하는 기능을 기본적으로 지원하지 않는다.
3. 해부학적 충실도: 표준 CCO는 좌심실(LV)과 같이 복잡하고 비볼록(non-convex)인 영역에 적용될 때, 주 경로 길이(principal path lengths)와 심근 벽 두께 사이의 관계와 같은 관상동맥의 고유한 위상적 조직을 강제하기 위한 특정 제약 조건이 부족하여 비현실적인 기하학적 구조를 초래할 수 있다.

방법론

저자들은 기존의 환자 맞심형 심외막 동맥 나무로부터 관상동맥 미세혈관 네트워크를 생성하기 위해, 계산 효율적인 CCO 변형 방식(eCCO)과 관상동맥 특이적 제약 조건을 통합한 새로운 프레임워크를 제안한다.

1. 계산 효율적 CCO (eCCO)
저자들은 계산 복잡도를 줄이기 위해 수정된 전역-지역 최적화 전략을 도입한다:

• 조대 전역 탐색 (Coarse Global Search): 각 $N_{near}$ (통상적으로 20개)의 근접 후보 혈관에 대해 $n$번의 지역 반복 계산을 수행하는 대신, 알고리즘은 먼저 모든 후보에 대해 단일 대표 분기 위치(삼각형 분기 평면의 중심점)를 평가한다.
• 정밀 지역 탐색 (Refined Local Search): 이 조대 수준에서 최소 비용을 기록한 후보 혈관에 대해서만 전체적인 정밀 지역 최적화(평면을 $n$개의 점으로 이산화)를 수행한다.
• 복잡도 감소: 이러한 구조 조정을 통해 터미널 삽입당 비용 함수 평가 횟수를 $20n$에서 $20 + n$으로 줄임으로써, 생성된 나무의 구조적 특성을 유지하면서도 확장성을 크게 향상시켰다.

2. 환자 맞춤형 심외막 동맥 나무와의 통합
본 프레임워크는 표준 CCO의 초기화 및 연결 로직을 다음과 같이 수정한다:

• 초기 조건: 알고리즘은 단일 뿌리 혈관이 아닌, (임상 영상에서 유도된) 분절된 환자 맞춤형 관상동맥 나무에서 시작된다.
• 연결 전략: 새로운 말단 혈관은 기존 나무 세그먼트의 끝점이나 이전에 생성된 미세 혈관에 직접 연결된다.
  • 고정된 부모 반경: 부모 반경이 조정되는 표준 CCO와 달리, 기존 분절된 나무의 반경은 고정된다.
  • 반경 업데이트: 새로운 혈관의 반경은 유량 균형과 감소된 수력 저항을 기반으로 계산된다.
  • 생리학적 검증: 고정된 심외막 나무와 새로운 분지 사이의 접합부에서 분기 지수($\gamma$)를 계산한다. 연결은 $\gamma$가 $2.5 \leq \gamma \leq 3.5$ 범위에 있을 때만 수용되어 생리학적 일관성을 보장한다.
• 도메인 제약 조건: 비볼록한 LV 기하 구조를 위해, 가우스 적분 점을 사용하는 메쉬 기반 접근 방식을 사용하여 말단 후보를 선택한다. 라플라스 방정식을 푸는 등전위 함수(equipotential function)를 사용하여 생성된 모든 혈관이 심근 벽 내부에 머물도록 보장한다.

3. 관상동맥 특이적 위상 제약 조건
관상동맥의 특징적인 경벽 조직(transmural organization)을 보존하기 위해 새로운 제약 조건이 적용된다:

• 주 경로 길이 (Principal Path Length): 심외막 혈관에서 기원하는 모든 새로운 서브트리(subtree)에 대해 주 경로 길이($l_p$)를 계산한다.
• 거부 기준: 만약 $l_p > \alpha \cdot m_t$ (여기서 $m_t$는 국소 심근 벽 두께, $\alpha$는 본 연구에서 1.5로 설정된 스케일링 상수)인 경우, 해당 후보 혈관은 거부된다. 이는 알고리즘이 심근 벽의 해부학적 한계를 위반하는 과도하게 길고 비현실적인 서브트리를 생성하는 것을 방지한다.

주요 결과

제안된 프레임워크는 세 단계에 걸쳐 평가되었다:

1. 구형 도메인 벤치마크:

• 구형 도메인 내에서 10,000개의 말단 혈관을 생성하였다.
• 효율성: eCCO 알고리즘은 표준 CCO 알고리즘보다 약 13배 더 빨랐다.
• 정확도: 목적 함수 값(총 혈관 부피)과 분기 각도($\Psi_1, \Psi_2, \theta_1, \theta_2$)의 3D 분포는 표준 CCO와 유사하였으며, 이는 효율성 향상이 기하학적 충실도를 저해하지 않았음을 확인시켜 준다.

2. 인간 좌심실(LV) 재구성:

• 본 프레임워크를 고해상도 크라이오마이크로톰 데이터셋(Schwarz et al., 2020)을 참조 모델로 하는 인간 LV에 적용하였다.
• 초기 조건: 대형 심외막 혈관(Strahler Order > 6)만을 시작 나무로 사용하였다.
• 제약 조건의 영향: 주 경로 제약 조건이 없을 때, 알고리즘은 평균 반경이 $1.4 \pm 1.2$ $\mu$m인 말단 혈관을 생성하였다(참조 값보다 현저히 작음). 제약 조건을 적용했을 때, 평균 말단 반경은 $29.58 \pm 10.9$ $\mu$m로 증가하여 참조 값인 $32.16 \pm 16.44$ $\mu$m와 밀접하게 일치하였다.
• 기하학적 일치성: 생성된 네트워크의 3D 분기 각도 분포는 참조 데이터셋과 질적, 양적으로 높은 일치도를 보였다.

3. 돼지 LV 적용:

• 70,000개의 말단 혈관을 가진 미세혈관 네트워크를 생성하기 위해 돼지 심장 데이터셋에 프레임워크를 성공적으로 적용하였다.
• 결과적인 분기 각도 분포는 인간 모델과 유사하였으며, 이는 본 프레임워크가 다양한 종과 영상 기법에 걸쳐 적용 가능함을 입증한다.

의의 및 주장

저자들은 본 연구가 기존의 관상동맥 나무로부터 시작하여 환자 맞춤형 기하 구조 내에서 관상동맥 미세혈관을 생성하는 최초의 CCO 프레임워크 적용 사례라고 주장한다.

• 계산 확장성: eCCO 알고리즘은 환자 맞춤형 혈역학 모델링에 적합한 대규모 미세혈관 네트워크(수백만 개의 혈관)의 실질적인 생성을 가능하게 하여, 이전 방법들의 계산적 병목 현상을 극복한다.
• 환자 맞춤형 통합: 이 방법은 원래의 환자 해부학적 구조를 변경하지 않고도 임상 영상 데이터(심외막 나무)를 미세순환으로 원활하게 확장할 수 있게 하여, 비침습적 영상과 미세혈관 분석 사이의 간극을 메운다.
• 생리학적 현실성: 관상동맥 특이적 위상 제약 조건(주 경로 길이 대비 벽 두께)을 통합함으로써, 본 프레임워크는 고해상도 인간 데이터에서 관찰되는 말단 혈관 반경 및 3D 분지 특성을 정확하게 재현하는 네트워크를 생성한다.

저자들은 현재 연구가 기하학적 재구성에 집중하고 있으나, 본 프레임워크가 대규모 개인 맞춤형 관류 모델링을 지원하도록 설계되었으며, 특정 장기별 제약 조건을 통합함으로써 다른 혈관화된 장기(예: 간, 뇌)로 확장될 수 있음을 언급하였다.