FSI・剛体壁・学習ベース — モデルはどこまで作り込むべきか

6-3前の記事で、入力の不確かさが分かりました。では、モデルの側はどこまで作り込むべきでしょうか。「より複雑にすれば正しくなる」とは限りません。

血管壁のコンプライアンスを、計算に入れるべきか

血管壁は拍動で伸び縮みします。それを無視して壁を固定した剛体壁 CFD で解いてよいのか、というのは繰り返し受ける相談です。

頸動脈分岐10例を対象にした FSI と剛体壁 CFD の対比較¹が、これに正面から答えています。流体構造連成（FSI）は血流と壁の変形を相互に連立して解く手法で、計算コストは剛体壁より大きく上がります。

同じ10形状に両方を走らせた結果、低 TAWSS・高 OSI・高 TSVI にさらされる面積の差は、中央値で 4.1%・1.4%・2.3% にとどまりました。分布の重なりを表す類似度指数は 0.83・0.79・0.68 でした。

この結果が支えるのは、正常形状の頸動脈分岐で、低 TAWSS などの面積指標を見る限り、剛体壁 CFD と FSI の差は小さかったという結論です。病変血管、変形の大きい血管、壁応力そのものを評価する研究まで、剛体壁で十分だと一般化はできません。

特筆すべきは、比較対象に TSVI（WSS 位相幾何の時間変動）やヘリシティといった、壁の動きに敏感と考えられていた新しい指標まで含めている点です。それでも差は小さいままでした。

ただし著者らは、この結論が変形量に依存することも明記しています。肺動脈自家移植片のように大きく動く構造では剛体壁仮定が破綻した先行報告を引き、頸動脈で成立したことをそのまま他部位に持ち込まないよう注意を促しています。

学習ベースの代替モデル

もう一つの方向は、物理方程式を解く代わりに、学習した関係から結果を出す学習ベースの代替モデルです。速さは圧倒的に違います。

2施設・同一コホート277枝での深層学習ベースと CFD ベースの CT-FFR の直接比較²では、AUC は深層学習 0.903、CFD 0.888（DeLong 検定 p = 0.33）で、感度はともに 91.7% でした。この比較では、AUC の統計学的な差は検出されませんでした。

ただし、有意差がないことは、同等であることの証明ではありません。 同等性を主張するには、臨床的に許容できる差を事前に定め、その範囲内に差が収まるかを検証する設計が必要です。この研究は、二つの商用システムを後ろ向きに比較した研究であり、同等性試験ではありません。

学習ベース比較の解釈上の条件

著者ら自身が慎重な読み方を求めています。

両手法の入力は同じ CT の内腔形状です。 どちらも同じ情報から出発しています。

近年の学習ベース製品は、内部に生理学的な規則や低次元の血行動態モデル、CFD 由来の教師データを取り込んでいる可能性があります。 つまり「物理を使わずに同等」の証明ではありません。

陰性が34例と少ない、偏ったコホートです。 特異度 59〜63% という絶対値をそのまま自施設に当てはめることはできません。

この研究が示したこと	この研究が示していないこと
この集団では AUC 差を検出しなかった	両手法が臨床的に同等であること
感度の点推定はともに 91.7%だった	画像条件や患者背景が変わっても性能が保たれること
同一症例で二つの商用システムを比較した	計算原理の優劣、失敗率、処理時間、説明可能性の優劣

したがって、この研究だけで採用する手法は決まりません。実装を選ぶなら、処理時間、解析不能例の割合、画質・石灰化への頑健性、結果の追跡可能性、外部検証を合わせて比較する必要があります。

臨床医と研究者が持ち帰ること

臨床では、手法名だけで結果の確からしさは決まりません。とくに判定閾値 0.80 付近では、画質、内腔抽出、石灰化、症状、プラーク所見を含めて解釈する必要があります。

研究では、「差を検出しなかった」と「同等だった」を書き分けてください。同等性や非劣性を主張するなら、許容差を事前に定め、その仮説に対応した設計と信頼区間で示す必要があります。p > 0.05 だけでは足りません。

目的から逆算する FSI・剛体壁・学習ベースの選択

この二つの研究が示しているのは、同じ形の教訓です。モデルの複雑さは、目的に対して選ぶものであって、多いほど良いものではありません。

目的	選ぶモデル	根拠
壁応力そのものを見たい	FSI	剛体壁では原理的に出せない
低ずり域の広さを見たい	剛体壁 CFD	頸動脈分岐では面積差が中央値 4.1%
速さが要る	学習ベース	この比較では AUC 差を検出せず（0.903 対 0.888）
根拠を説明する必要がある	物理ベース	計算の各段が方程式に対応する

4-4第4章で「指標の選択は分解能から逆算できる」と書きました。ここでは「モデルの選択は目的から逆算できる」ということになります。6-5次の記事からは、まだ存在しない形状に使う場面に入ります。