암세균 치료를 위한 수학 모델링과 물리기반 신경망 해석

본 논문은 저산소성 종양 부위에 선택적으로 정착하는 혐기성 박테리아를 활용한 암 치료, 즉 암‑세균 치료(BCT)의 메커니즘을 수학적으로 규명하고, 이를 효율적으로 시뮬레이션하기 위한 물리‑정보 신경망(PINN) 프레임워크를 제시한다. 서론에서는 BCT의 임상적 배경과 기존 수학 모델링의 한계를 짚으며, 특히 종양·박테리아·산소·면역억제 사이토카인·quorum‑sensing(QS) 신호라는 다섯 가지 주요 요소가 상호작용하는 복합 시스템을 다루는 필요성을 강조한다. 기존 연구는 주로 단일 종 또는 ODE 기반 모델에 머물렀으며, 공간적 이질성을 반영하지 못했다는 점을 비판한다. 2장에서는 2차원 조직 영역 Ω⊂ℝ²를 가정하고, 다섯 변수 u₁(종양 세포), u₂(박테리아), u₃(QS 신호), u₄(산소), u₅(면역억제 사이토카인)를 연결하는 비선형 반응‑확산 방정식 시스템(식 8)을 유도한다. 각 방정식은 생물학적 근거에 따라 구성된다. 종양 방정식은 로지스틱 성장, 자연 사멸, 박테리아 신호에 의한 억제 항을 포함한다. 박테리아 방정식은 확산, 산소 억제(Michaelis–Menten 형태), 자연 사멸, 사이토카인에 의한 제거를 포함한다. 산소 방정식은 확산, 종양에 의한 소비, 혈관 공급을 모델링하고, 사이토카인 방정식은 종양에 의한 생성·확산·분해를, QS 방정식은 박테리아에 의한 생산·확산·분해를 각각 기술한다. 초기·경계 조건은 무플럭스(Neumann)와 초기값을 가정한다. 3장에서는 시스템의 수학적 성질을 분석한다. 저자들은 (H) 가정 하에 전체 질량을 제어하는 ‘mass‑control’ 구조를 도출하고, 이를 이용해 전역 존재·유일성·양성·유계성을 Sobolev 공간 H¹(Ω)에서 증명한다(Theorem 3.1, Proposition 3.1). 정적 해는 무균(모든 종 0), 균형(종양·박테리아·QS 비율 일정), 과다 성장(종양만 지속) 세 가지 경우로 구분되며, 선형화 행렬의 고유값 분석을 통해 확산에 의한 Turing 불안정이 발생하지 않음을 보인다. 이는 모델이 물리적으로 의미 있는 해를 유지함을 의미한다. 4장에서는 PINN 구현 세부 사항을 제시한다. 각 변수 u_i에 대해 별도의 신경망 출력 f_i(x,t;θ) 를 정의하고, 자동 미분을 통해 PDE 잔차 R_i, 초기·경계 손실 L₀, L_b 를 구성한다. 총 손실 L = Σ_i(‖R_i‖² + λ₀‖L₀‖² + λ_b‖L_b‖²) 를 최소화함으로써 무지도 학습 형태의 PDE 해결을 수행한다. 네트워크는 깊이 8, 폭 n=200~500인 완전 연결 구조를 사용하고, Adam + L‑BFGS 최적화를 적용한다. 콜로케이션 포인트 N은 10⁴~10⁵ 범위에서 샘플링한다. 5장에서는 PINN에 대한 이론적 수렴 분석을 전개한다. Lemma 5.1은 비선형 연산자 𝒩이 Lipschitz 연속임을 보이며, Theorem 5.1은 에너지 추정을 통해 ‖u−f_θ‖_{H¹} ≤ C‖R‖_{L²} 형태의 안정성 관계를 제시한다. Theorem 5.2는 심층 신경망이 H² 함수를 O(n⁻² ln⁴ n) 오차로 근사할 수 있음을 증명하고, Lemma 5.2는 Monte‑Carlo 샘플링에 의한 경험 손실이 O(N⁻¹ᐟ₂) 수렴함을 보인다. 최종적으로 Theorem 5.3은 두 오차 항을 합쳐 전체 수렴율 O(n⁻² ln⁴ n + N⁻¹ᐟ₂) 를 도출한다. 이는 네트워크 폭과 콜로케이션 포인트 수에 대한 명시적 가이드라인을 제공한다. 6장에서는 다양한 수치 실험을 수행한다. (1) 기본 시나리오: 초기 종양 중심에 고농도 박테리아 주입 후 30일간의 동역학을 시뮬레이션, 종양 부피가 70% 감소함을 확인. (2) 파라미터 민감도: K(산소 억제 상수)와 α₁(박테리아 신호 억제 효능)이 종양 소멸에 가장 큰 영향을 미침을 Sobol 지표로 분석. (3) 치료 전략 비교: 단일 고용량 투여 vs. 연속 저용량 투여, 전자는 급격한 종양 감소를 보이나 재발 위험이 높고, 후자는 안정적인 억제 효과를 제공. (4) 산소 공급 조절 실험: 혈관 공급 파라미터 σ₁을 증가시켜 저산소 영역을 억제하면 박테리아 증식이 저하되어 치료 효율이 감소함을 확인. 결과는 저산소 유지 혹은 산소 내성을 가진 박테리아(예: 유전 변형 Salmonella)의 필요성을 강조한다. 7장에서는 연구의 한계와 향후 과제를 논의한다. 현재 모델은 면역세포(대식세포·T세포)와 약물 동역학을 포함하지 않으며, 파라미터 추정에 실제 임상 데이터가 부족하다. 향후에는 환자 맞춤형 파라미터 캘리브레이션, 3D 조직 모델링, 그리고 실험 데이터와의 통합을 통한 디지털 트윈 구축을 목표로 한다. 결론적으로, 본 논문은 복합 암‑세균 치료 시스템을 엄밀히 수학화하고, PINN 기반의 메쉬‑프리 수치 해법과 그 수렴 이론을 동시에 제공함으로써, 다중 종 반응‑확산 시스템의 분석·시뮬레이션에 새로운 기준을 제시한다.