암칩 실험 모델의 불확실성 정량화 연구

초록

본 논문은 암‑온‑칩(CoC) 실험을 위한 1차원 화학주성 모델을 제시하고, 하이브리드 연속 Galerkin(HDG) 방법으로 수치해를 구한다. 전역 민감도 분석(Sobol·Morris)으로 영향이 적은 파라미터를 제거하고, 베이지안 역문을 통해 합성 데이터 기반 파라미터 사후분포를 추정한다. 마지막으로 희소 격자 기반 대리모델을 이용해 잔여 불확실성을 전파함으로써 주요 관측량(면역세포 중심질량·화학물질 총량)의 변동성을 정량화한다.

상세 분석

논문은 먼저 암‑온‑칩 장치를 1 mm 길이의 1차원 구간으로 단순화하고, 암세포가 위치한 좌측(≈250 µm)에서 화학주성 물질 φ를, 면역세포(u)는 우측(≈750 µm)에서 초기 가우시안 분포를 갖는 것으로 설정한다. 모델은 Keller‑Segel 형태의 두 개의 반응‑확산‑주성 방정식으로, 면역세포는 확산(계수 ν)과 화학주성(계수 χ)으로 이동하고, φ는 확산(계수 µ)과 자연 소멸(a) 및 암세포에 의한 가우시안 소스(kφ·exp(−ρt))를 가진다. 경계는 Neumann 조건으로 폐쇄 시스템을 가정한다.

수치해는 Hybridizable Discontinuous Galerkin(HDG) 방법을 MATLAB으로 구현했으며, HDG는 각 원소 수준에서 보존 법칙을 만족시키고, 면역세포 총량 U가 시간에 보존되는 특성을 정확히 유지한다. 계산 비용을 감소시키기 위해 파라미터-관측량 매핑을 희소 격자(sparse‑grid) 기반 대리모델로 근사한다. 대리모델은 오프라인 학습 단계에서 고차원 파라미터 공간을 효율적으로 샘플링하고, 온라인 단계에서는 수십 마이크로초 내에 QoI를 예측한다.

불확실성 정량화 흐름은 세 단계로 구성된다. 첫째, 전역 민감도 분석을 Sobol 지수와 Morris 지수를 동시에 사용해 수행했으며, χ·ν·µ·kφ·ρ·cφ·σφ 등 7개의 파라미터가 모델 출력(면역세포 중심질량 M(t)·화학물질 총량 I(t))에 크게 기여함을 확인하고, 나머지 파라미터는 고정하였다. 둘째, 베이지안 역문에서는 합성 데이터(HDG 해에 가우시안 잡음 추가)와 사전 분포(주로 균등)를 이용해 MCMC 샘플링을 수행, 사후 분포를 얻었다. 사후 분포는 특히 χ와 ρ에 대해 좁은 신뢰구간을 보였으며, 이는 데이터가 화학주성 강도와 암세포 사멸 속도에 민감함을 의미한다. 셋째, 전방 UQ 단계에서는 사후 분포에서 파라미터를 재샘플링하고, 대리모델을 통해 M(t)와 I(t)의 불확실성 밴드를 계산했다. 결과는 시간 초반에 M(t) 변동이 크고, I(t)는 비교적 안정적인 패턴을 보이며, 파라미터 불확실성이 특히 t≈600 s 전후에 가장 크게 작용함을 보여준다.

전체적으로 논문은 복잡한 생물‑물리 시스템을 저차원 수학 모델로 추상화하고, 최신 수치·통계 기법을 결합해 파라미터 추정과 예측 불확실성을 체계적으로 다루었다. 다만, 실제 실험 데이터가 없고 합성 데이터에 의존한다는 점, 1차원 모델링이 실제 2‑3차원 칩 구조를 완전히 대변하지 못한다는 제한점이 있다. 향후 연구에서는 실제 영상 데이터와 2차원/3차원 모델 확장을 통해 디지털 트윈의 실용성을 검증할 필요가 있다.