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.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.