原著 Journal of Biomechanical Engineering 2026 解析実務に直答技術動向原文精読済み

冠動脈 CFD に不確かさ定量を組み込む — 入力のばらつきは WSS のどこに効くか

Integrating Uncertainty Quantification into Computational Fluid Dynamics Models of Coronary Arteries Under Steady Flow

Usman M, Castillo PN, Narayan A, Timmins LH.

問い

WSS の絶対値はどこまで信用してよいのか。入力条件のばらつきのうち、何が結果に効くのか。

答え

定常流の患者個別冠動脈モデルで、粘度・速度・圧・密度のばらつきを確率分布として与えて伝播させると、WSS の空間中央値は 0.47〜1.33 Pa の幅で動きました。寄与は粘度が約 0.59、速度が約 0.40 で、この2つでほぼ全部。密度と圧はほぼ効きません。一方で高低の空間分布そのものは保たれました。絶対値の比較には慎重に、分布の比較には自信を持てる、ということです。

当社の視点

「文献の WSS 値と自分の結果が合わない」というご相談への、方法論側からの答えです。この文献は入力を1点の値ではなく確率分布として与え、多項式カオス展開で WSS のばらつきと寄与率を計算しています。実務的に効くのは、患者個別モデルで最大の寄与要因が血液粘度だったという点です。粘度は測定されることが稀で、たいてい文献の代表値が使われます。著者らはここに患者個別の測定を入れることが不確かさ低減の近道だと述べています。もう一つ重要なのは、WSS の値そのものは大きく振れるのに、高い場所と低い場所の空間パターンは保たれたことです。当社が指標の絶対値より分布・相対比較を勧める理由が、ここに数字で裏づけられています。

扱う範囲

01

枠組み

入力パラメータに確率分布を当て、多項式カオス展開（PCE）で代理モデルを作り、Sobol 指数で寄与を分解します。オープンソースの UncertainSCI と FEBio を連携させた非侵入型の構成で、既存ソルバに手を入れずに済みます。
02

サンプリングの効率

モンテカルロ法ではなく重み付き近似 Fekete 点を使います。Poiseuille 流の例では、モンテカルロが収束に 400,000 回の計算を要したのに対し、この方法は 30 回で中央値・四分位・Sobol 指数のいずれもほぼ同一の推定値を得ました。
03

解析解での検証

剛体円管の定常 Poiseuille 流で枠組みを検証。WSS の寄与は速度 0.81、半径 0.13、粘度 0.05 でした。展開次数3で相対誤差 0.01%、次数5で 4e-5% まで下がり、次数3で実用上十分と判断しています。
04

患者個別モデル

左主幹部から左前下行枝までを血管内超音波と2方向造影から再構成し、侵襲的に計測したドプラ流速・圧を境界条件に使用。約200万要素の四面体メッシュで、メッシュ依存性は WSS 中央値で 1.2% でした。次数3で45通りを計算しています。
05

相互作用の小ささ

1変数の寄与（1次 Sobol 指数）が解析解で 93% 超、患者個別モデルで約 99.5% を占めました。パラメータ同士の交互作用はほとんど効かないため、感度は1つずつ独立に考えてよい、という実務上ありがたい結論です。

入力のばらつきが WSS に与える影響

項目	値	補足
WSS 空間中央値の振れ幅	0.47 〜 1.33 Pa	45通りのうち最小・平均・最大のモデルの中央値。平均のモデルは 0.91 Pa
粘度の寄与（患者個別）	約 0.59	1次 Sobol 指数の空間平均。最大の寄与要因
速度の寄与（患者個別）	約 0.40	1次 Sobol 指数。粘度と合わせて約 99%
密度・圧の寄与	0.001 未満	実質的に無視できる
速度の寄与（Poiseuille）	0.81	半径 0.13、粘度 0.05。解析解では速度が支配的
1次項が占める分散	93% / 99.5%	解析解／患者個別モデル。交互作用の寄与は小さい
必要な計算回数	30 回	モンテカルロは同じ収束に 400,000 回を要した（Poiseuille 流での比較）
患者個別モデルの計算時間	約4〜30日	展開次数1（15通り）から次数5（136通り）まで
メッシュ依存性	1.2%	WSS 中央値の相対差。約200万要素を採用

いずれもこの文献が報告した値です。患者個別モデルは1例・定常流・剛体壁・ニュートン流体という条件下の結果です。

実務チェック

WSS の絶対値を他施設・他文献と比べるときは、粘度と流入速度の設定が揃っているかを最初に確認する。
血液粘度に文献の代表値を使っている場合、それが最大の不確かさ要因になりうることを結果の解釈に織り込む。
患者個別性を上げたいときは、形状の精緻化より先に、流速と粘度の実測を検討する。
指標の絶対値ではなく高低の空間分布で議論する。分布は入力のばらつきに対して安定している。
感度解析を設計するときは、パラメータを1つずつ振る方針で始めてよい。交互作用の寄与は小さい。

この文献では分からないこと

定常流の結果です。拍動流では時間変化する量のばらつきが加わり、パラメータ次元も計算量も大きく増えると著者らは述べています。
壁は剛体、血液はニュートン流体と仮定しています。非ニュートン性を入れると分布が確立していないパラメータが増えるため、あえて含めていません。
患者個別モデルでは形状を固定しており、セグメンテーション由来の幾何学的な不確かさは評価していません。解析解のほうでのみ半径を変数にしています。
患者個別モデルは1例のみ。粘度と速度の寄与比がどの症例でも同じになるかは、この文献からは言えません。
流速は左主幹部で6心拍分の計測に基づきます。データを増やせば分布の幅をより狭く抑えられる余地があると著者らは述べています。

書誌情報

原題	Integrating Uncertainty Quantification into Computational Fluid Dynamics Models of Coronary Arteries Under Steady Flow
著者	Usman M, Castillo PN, Narayan A, Timmins LH.
掲載誌	Journal of Biomechanical Engineering（2026）
DOI	10.1115/1.4071773
PMID	42047251
本文の入手	著者最終稿が公開されています。全文を読んで記載しています。

WSS・OSI と壁面近傍の指標解析の再現性とばらつき