DuoPIC: Uncertainty-Aware Voxel-Level Digital Twins of Cerebral Perfusion with Transport PDEs in Acute Stroke

Digital twins of cerebral perfusion relate tracer dynamics to cerebral blood flow (CBF), blood volume (CBV) and mean transit time (MTT), but must be data-driven, physically consistent and uncertainty-aware. We introduce DuoPIC, a digital twin that needs no reference maps, in which a Windkessel flow model drives a tracer transport partial differential equation (PDE). A population-level neural closure divides each region into fast and slow pathways with tracer mass and MTT conserved by construction, and a tempered posterior quantifies the uncertainty of every estimate. Its voxel maps set the state of the art for lesion detection on ISLES'17 MR (AUC 0.745) and ISLES'24 CT (0.743). On held-out patients, the neural PDE reduced the compartment's reconstruction error by 19% and lifted 95% MTT interval coverage from 88% to 94%. Code: https://github.com/detinatran/duopic

한 줄 요약

DuoPIC는 뇌 투과성의 환자별 디지털 트윈을 구축하며, 물리 모델과 신경망을 결합해 정확도와 불확실성 추정을 동시에 달성한다.

핵심 기여도

**DuoPIC**이라는 참조 없이 작동하는, 불확실성 인식형 뇌 투과성 디지털 트윈 프레임워크 제안.
**물리 보존 신경 닫힘**(physics-preserving neural closure) 모듈을 도입해, 환자 간 공유하며 **CBF, CBV, MTT 보존**을 보장.
**ISLES’17 MR (AUC 0.745)**, **ISLES’24 CT (AUC 0.743)**에서 병변 탐지 최고 성능 달성.
환자별 복원 오차를 **19% 감소**, 95% MTT 구간 커버리지 **88% → 94%** 향상.

핵심 아이디어

기존 뇌 투과성 분석은 AIF 기반의 모델 없이 진행되며, 노이즈에 민감하다. DuoPIC은 **Windkessel 흐름 모델**과 **추적자 운송 PDE**를 결합해, 환자별 생리적 데이터를 기반으로 물리적으로 일관된 추정을 수행한다. 이는 **신경 닫힘**(neural closure) 모듈을 통해 지역을 빠른/느린 경로로 나누며, 추적자 질량과 MTT가 보존되도록 설계되었다. 기존 방법은 지역 단위로만 작동했으나, DuoPIC은 **화소 수준**(voxel-level)로 확장하여 더 정밀한 병변 탐지를 가능하게 한다.

기술적 접근법

**Windkessel 흐름 모델**과 **추적자 운송 PDE**를 결합한 물리 기반 모델 사용.
**신경 닫힘**(neural closure) 모듈은 환자 간 공유되며, **CBF, CBV, MTT 보존**을 수학적으로 보장.
**Tempered posterior**를 통해 추정치의 불확실성을 정량화.
환자별 AIF 자동 추정을 기반으로 **자동화된 레이블 없이 작동**.

주요 결과

**ISLES’17 MR**에서 병변 탐지 AUC **0.745**, **ISLES’24 CT**에서 **0.743** 달성.
환자별 복원 오차 감소: **19%**.
95% MTT 구간 커버리지 향상: **88% → 94%**.
**AIF 자동 추정**에 의존하며, 이는 절대 값 정확도에 영향을 미침.

의의 및 한계

DuoPIC은 기존 뇌 투과성 분석의 주요 한계(예: AIF 의존성, 지역 단위 모델, 불확실성 무시)를 해결하며, 환자별 정확한 생리적 추정과 불확실성 측정을 동시에 제공한다. 특히, **물리 모델과 신경망의 결합**은 모델의 신뢰도를 높인다. 그러나 **AIF 자동 추정**의 정확도는 최종 결과에 영향을 미치며, 이는 한계로 작용할 수 있다. 또한, **복잡한 모델 구조**는 해석성 측면에서 추가 연구가 필요하다.

실용적 활용

DuoPIC은 뇌졸중 환자의 **환자별 치료 결정**을 지원하는 데 유용하며, **CT 및 MR 영상 분석**에 적용 가능하다. 특히, **정확한 CBF, CBV, MTT 추정**과 **불확실성 측정**은 임상 의사의 판단을 보완할 수 있다. 또한, **자동화된 AIF 추정** 기능은 빠른 진단 프로세스를 가능하게 한다.