末梢血管血流FSI — 先端技術と研究動向

画像解像度によるルーメン径の誤差（CTで±0.3mm）、壁厚の推定誤差、材料パラメータのばらつきなど、入力の不確かさが大きい。モンテカルロ法やPolynomial Chaos Expansion（PCE）でWSS分布の信頼区間を定量化する研究が進んでいるよ。

$\Psi_i$ はHermite多項式、$\xi$ はランダムパラメータ。少数のサンプル点（Quadrature point）で展開係数を求められるのがPCEの利点だ。

通常のCTAでは壁は見えない。黒血MRI（Black-Blood MRI）やIVUS（血管内超音波）で測定できるが、取得が容易でないため、経験的に壁厚＝直径×10%と仮定することが多い。この仮定の影響をUQで評価するんだ。

いくつかの方向がある。

1. サロゲートモデル: 数千症例のCFD結果からグラフニューラルネットワーク（GNN）でWSS場を予測。計算時間を数秒に短縮

2. PINN: Navier-Stokes方程式を損失関数に組み込み、4D Flow MRIのノイズ除去と流速場の超解像を同時に実現

3. 形状パラメトリックROM: POD（固有直交分解）＋ニューラルネットで血管形状→血行動態のリアルタイムマッピング

血管メッシュはグラフ構造そのものだからだ。節点をノード、要素の接続をエッジとしてGNNに入力すると、メッシュ非依存の予測が可能になる。Arzaniらの2023年のNature Communications論文が代表的だよ。

FSG（Fluid-Structure-Growth）連成がそれだ。WSS依存のプラーク成長モデルや、応力依存の壁リモデリングモデルを組み込む。

プラーク厚 $h_p$ の成長速度が低WSSやLDL濃度に依存する。数年単位の動脈硬化進行を予測する壮大なシミュレーションだ。

モデルの検証が最大の課題だ。長期追跡データとの照合が必須で、HeartFlow社の冠動脈FFR-CT解析が唯一FDA認可を取得したCFDベースの臨床ツールだよ。