신장(stretch)에 대한 피부의 성장 반응은 조직 확장(tissue expansion, TE)의 기초가 되며, 이는 큰 결손의 재건을 위해 새로운 피부 면적을 확보하기 위한 시술이다. 불행히도 TE는 예측 가능한 정량적 도구가 아니라 의사의 경험과 시행착오에 근거하여 계획되고 수행되기 때문에 합병증과 최적이 아닌 결과가 여전히 지속되고 있다. 최근 우리는 돼지 동물 모델의 조직 확장에 대해 TE의 계산 모델을 교정(calibrated)하여, 피부 성장(skin growth)이 고유한 시간 상수(characteristic time constant)를 갖고 신장에 비례함을 확인하였다. 여기서는 교정된 모델을 사용하여 소아 재건 사례에서의 피부 성장을 예측한다. 임상 환경에서 확인 가능한 자료로는 확장기(expander)의 형상과 주입(inflation) 프로토콜이 있다. 각 임상 사례에 대해 낮은 충실도의 반해석(semi-analytical) 모델과 유한요소(finite element) 모델을 구축한다. 동물 실험에서 소아 집단으로 모델을 전환할 때 기대되는 반응의 불확실성을 고려하기 위해, 기계적 특성과 생물학적 반응에 대한 불확실성을 전파하기 위한 다중충실도 가우시안 과정(multifidelity Gaussian process) 대리모델(surrogates)을 만든다. 임상 환경에서 불확실성을 포함한 예측(predictions with uncertainty)은 대형 동물 실험에서 얻은 지식을 소아 환자의 치료를 안내하고 개선하는 데 연결하기 위해 필수적이다. 향후에는 환자 맞춤형 데이터(예: 수술실에서 기계적 특성과 면적 성장의 추정)로 모델을 추가 교정하면 TE 프로토콜의 계획 및 수행의 표준이 변화할 것이다.

신장(stretch)에 대한 피부의 성장 반응은 조직 확장(tissue expansion, TE)의 기초가 되며, 이는 큰 결손의 재건을 위해 새로운 피부 면적을 확보하기 위한 시술이다. 불행히도 TE는 예측 가능한 정량적 도구가 아니라 의사의 경험과 시행착오에 근거하여 계획되고 수행되기 때문에 합병증과 최적이 아닌 결과가 여전히 지속되고 있다. 최근 우리는 돼지 동물 모델의 조직 확장에 대해 TE의 계산 모델을 교정(calibrated)하여, 피부 성장(skin growth)이 고유한 시간 상수(characteristic time constant)를 갖고 신장에 비례함을 확인하였다. 여기서는 교정된 모델을 사용하여 소아 재건 사례에서의 피부 성장을 예측한다. 임상 환경에서 확인 가능한 자료로는 확장기(expander)의 형상과 주입(inflation) 프로토콜이 있다. 각 임상 사례에 대해 낮은 충실도의 반해석(semi-analytical) 모델과 유한요소(finite element) 모델을 구축한다. 동물 실험에서 소아 집단으로 모델을 전환할 때 기대되는 반응의 불확실성을 고려하기 위해, 기계적 특성과 생물학적 반응에 대한 불확실성을 전파하기 위한 다중충실도 가우시안 과정(multifidelity Gaussian process) 대리모델(surrogates)을 만든다. 임상 환경에서 불확실성을 포함한 예측(predictions with uncertainty)은 대형 동물 실험에서 얻은 지식을 소아 환자의 치료를 안내하고 개선하는 데 연결하기 위해 필수적이다. 향후에는 환자 맞춤형 데이터(예: 수술실에서 기계적 특성과 면적 성장의 추정)로 모델을 추가 교정하면 TE 프로토콜의 계획 및 수행의 표준이 변화할 것이다.

피부 및 기타 생물학적 조직의 고유한 특징 중 하나는 개인과 서로 다른 인구집단에 따라 기계적 성질이 크게 변동한다는 점이다. 피부의 기계적 특성 규명은 피험자 특이적인 생체 내(in vivo) 매개변수가 필요하다는 이유로 인해 전통적인 방법, 예를 들어 일축 인장시험을 활용할 수 없으므로 여전히 과제로 남아 있다. 흡인(suction) 장치는 피부의 기계적 성질을 비침습적으로 획득하기 위한 최선의 후보로 제시되어 왔으나, 기존의 원형 프로브 개구(circular probe opening)를 사용하여서는 섬유 방향에 따른 이방성(anisotropic) 성질을 포착하는 것이 불가능하다. 반면, 비원형 프로브 개구는 섬유 방향에 대해 서로 다른 변형을 유발할 수 있으므로, 피부의 이방성 역학을 비침습적으로 규명하는 데 활용될 수 있다. 본 연구에서는 타원형 프로브 개구의 사용과, 흡인 측정으로부터 기계적 성질을 역으로 도출하는 역문제(inverse problem)를 해결하기 위한 방법론을 제안한다. 제안된 프로브는 유한요소(FE) 모델을 통해 피부 변형의 정방문제(forward problem)를 풀이함으로써 가상적으로 검증한다. 정방문제는 재료 매개변수의 함수이다. 흡인 데이터로부터 피부의 성질을 규명하는 역문제를 해결하기 위해 우리는 베이지안(bayesian) 프레임워크를 사용한다. 유한요소 모델은 비용이 많이 드는 정방 함수이므로, 베이지안 추론 문제를 가능하게 하기 위해 이를 가우시안 과정 메타모델(Gaussian process metamodel)로 대체한다.

조직 확장기를 이용한 유방 재건은 유방절제술 이후의 주요 치료 옵션이다. 만성적으로 생리 상한을 초과하는 신장에 대한 반응으로 피부가 성장한다는 사실은 잘 정립되어 있으나, 유방의 형태와 용적, 피부 프리스트레인, 기계적 특성과 같은 개별 환자 요인들은 서로 다른 변형 및 성장 양상을 만든다. 치료 전 피부의 성장과 변형을 예측할 수 없기 때문에 합병증과 미흡한 미적 결과가 흔히 발생한다. 맞춤형 예측 시뮬레이션은 이러한 과제에 대한 유망한 해결책을 제공한다. 본 연구에서는 조직 확장 동안 피부 성장을 예측하기 위한 예측적 계산 모델의 파이프라인을 제시한다. 치료 시작 시 3차원(3D) 사진을 수집하고 초기 유한요소 모델을 구축한다. 우리의 프레임워크는 치료 프로토콜, 기계적 특성, 생물학적 매개변수에 내재된 불확실성을 반영한다. 이러한 불확실성은 술자의 입력, 기계적 특성에 관한 기존 문헌, 생물학적 매개변수에 대한 돼지 모델의 선행 연구를 통해 도출된다. 치료 기간 동안 3D 사진을 종단적으로 수집하고 베이지안 프레임워크를 통해 데이터를 통합함으로써, 예측에서의 불확실성을 체계적으로 감소시킬 수 있다. 보정된 개인화 모델은 몬테카를로 방법을 사용하여 샘플링하며, 이는 수천 번의 모델 평가를 필요로 한다. 유한요소 모델을 직접 평가하는 데 따른 계산적 한계를 극복하기 위해 가우시안 과정 서러게이트 모델을 사용한다. 우리는 이 파이프라인이 가까운 시일 내 환자 치료를 안내하는 데 활용될 수 있을 것으로 기대한다.