심장 이식 환자 심기능 딥페노타이핑: 순환계 모델 기반 정밀 분석

초록

본 연구는 이식 후 환자의 오른쪽 심도관 삽입(RHC) 데이터에 기계론적 순환계 모델을 결합하여, 측정 불가능한 7가지 혈역학 파라미터를 추정하고, 환자별 회복 과정을 정량적으로 추적한다. 10명의 환자 중 5명을 장기 추적한 결과, 한 명만이 비정상적인 압‑부피·전력 변화와 함께 4년 차에 양심실 부전을 보였다.

상세 분석

이 논문은 임상에서 흔히 사용되는 RHC 정적 지표(수축기·이완기 압력, 평균 폐모세관압, 심박출량 등)만으로는 환자 개별의 심혈관 역학을 완전히 파악하기 어렵다는 점을 지적한다. 이를 보완하기 위해 저자들은 Smith et al. (2004) 모델을 기반으로 한 0‑D(집합) 순환계 모델을 구축했으며, 모델 복잡도를 낮추기 위해 심실‑심실 상호작용(VVI)과 밸브 관성항을 배제하였다. 배제 근거는 민감도 분석을 통해 해당 파라미터가 모델 출력에 미치는 영향이 미미함을 확인한 것이다.

모델은 전기 회로의 저항‑용량(R‑C) 요소와 다이오드(밸브)로 구성되며, 혈류는 전류, 압력은 전압, 혈액량은 전하에 대응한다. 심근 수축은 가우시안 활성 함수로 표현되어 심박수와 동기화된다. 수축기와 이완기 압‑부피 관계는 선형(수축기)와 비선형(이완기) 탄성식으로 정의되며, 흉강 내·외 압력 차이를 고려한다.

파라미터 추정 단계에서는 (1) 환자별 신체 정보와 문헌값을 이용한 명목값 설정, (2) 전역 민감도 분석을 통한 식별 가능 파라미터 선정, (3) 최소제곱 최적화를 통한 개별 파라미터 보정이라는 순서를 따른다. 결과적으로 오른쪽 심실 이완기 완화속도, 전신 저항, 폐정맥 탄성, 폐저항, 폐동맥 탄성, 폐밸브 저항, 전신동맥 탄성 등 7개의 비측정 파라미터를 신뢰성 있게 추정하였다.

임상 적용 측면에서, 5명의 장기 추적 환자에 대해 모델이 예측한 압‑부피 루프와 심실 전력 출력 변화를 시간에 따라 비교하였다. 네 명은 압‑부피 곡선이 점진적으로 정상화되고 전력이 증가하는 양상을 보였으며, 이는 이식 후 순조로운 회복을 의미한다. 반면 한 명은 압‑부피 루프가 불규칙하게 변동하고 전력 감소가 관찰돼, 4년 차에 양심실 부전 및 이식편 기능 부전을 겪었다. 이는 모델이 조기에 위험 신호를 포착할 가능성을 시사한다.

하지만 연구에는 몇 가지 한계가 있다. 첫째, RHC 데이터가 정적 수치만 제공되어 파형 기반 파라미터(예: 밸브 관성, 심실‑심실 상호작용) 추정이 불가능했다. 둘째, 표본수가 10명(장기 추적 5명)으로 작아 통계적 일반화에 제한이 있다. 셋째, 모델 검증이 전임상 데이터나 독립적인 임상 코호트와 비교되지 않아 실제 임상 적용 가능성을 추가 검증해야 한다. 넷째, 좌심실 기능을 직접 측정하지 않아 좌우 심실 간의 상호작용을 완전히 반영하지 못한다는 점도 고려해야 한다.

향후 연구에서는 (1) 파형 데이터를 포함한 고해상도 RHC 혹은 비침습적 혈압·혈류 파형을 수집, (2) VVI와 밸브 관성을 모델에 재통합하여 고차원 파라미터 추정 가능성을 탐색, (3) 다기관 대규모 코호트를 구축해 모델의 예측 정확도와 임상적 유용성을 검증, (4) 추정된 파라미터를 기반으로 위험 점수 혹은 치료 가이드라인을 개발하는 것이 필요하다. 이러한 방향은 개인 맞춤형 이식 후 관리에 기계론적 모델이 핵심 도구로 자리매김하도록 할 것이다.