颠覆传统医学，人体数字孪生技术时刻准备着

无论是在西门子(Siemens)的马达中、特斯拉(Tesla)汽车内还是整个上海市区，“数字孪生”(digital twins)都被广泛地用于仿真现实世界中的物体、系统和过程。如今，新的数字孪生正在进入这个全新的科技领域：那就是“人类自己”！

对于许多人来说，人类的实时虚拟模型听起来有点过于科幻，但创造这些模型的科学和工程技术已经存在，医疗保健公司都已为此着迷了！“心动”必有行动，例如Neuroelectricals Barcelona正主导一项由欧盟(EU)资助、耗资数百万欧元的项目Neurotwin，根据阿兹海默症患者的神经成像资料，开发个性化的大脑模型，进而寻找恢复健康大脑动力学的方法。总部位于法国的达梭系统(Dassault Systèmes)协同多家合作伙伴，正在开发数字人体心脏模型，以提供个性化的心脏患者照护，这是一项名为“乐活心脏计划”(Living Heart Project)的大型国际行动之一部份。

随着人体器官的虚拟模型迅速增加，瑞典林雪坪大学(Linköping University；LiU)生物医学工程系的研究人员Gunnar Cedersund已将这些点滴联系起来了。他相信数字孪生对于未来的医疗保健将至关重要，而今是时候让人类的计算机副本栩栩如生了。

正如Cedersund所指出的，在大多数西方国家，对老年人的照护将迅速增加，第2型(Type 2)糖尿病、心血管疾病以及与肥胖相关的疾病，将使医疗服务达到极限。与此同时，随着无数消费者生物技术和数字健康工具上线，以及建模和机器学习的显著发展，全世界都在见证医疗资料的爆炸式成长。

Cedersund在接受采访时表示：“我们看到对于数字孪生的需求越来越大，同时各种可能性也在与日俱增。相信我们可以制作出吸引人、直观且有用的(人体模型)。”

针对数字孪生，他说：“我们应该能够分析这些数据，找到预防疾病或治疗病人的最佳方法。透过交互式人类计算机副本，可以让我们看清里面究竟发生了什么，也可以看看如果病人服用某种药物、改变饮食、或者开始锻炼后会发生什么变化。”

模型制作

由Cedersund及其同事开发的早期学习模型，使用了身高、体重、血压和空腹血糖浓度的资料来预测一个人的中风风险。然而，研究人员还创建了人体大多数主要器官的复杂机制模型，包括心脏、肝脏、大脑和胰腺，以及脂肪和肌肉组织。有趣的是，他们将这些单一器官模型与现有的血液流动模型联系起来，形成了多器官系统模型，因而可以分析各个器官以及互相关联的生化过程。

正在研究中的一个关键过程是新陈代谢。当我们吃饭时，糖会从肠道进入血液，体内的胰腺会检测到这一过程，产生胰岛素并到达其他器官，其结果是这些器官可能会改变其新陈代谢。Cedersund及其同事制定了表征这些过程的方程式，并在其模型中进行仿真，然后与临床研究的实际实验数据进行比较，以提供合理的人体反映。相较于机器学习(ML)，这种机械模型产生了更通用的人工智能(AI)，因为它可以整合各种数据，包括开发模型之外的数据。

例如，Cedersund说：“我们已经建立了一个详细的肝脏代谢模型和一个膳食模型，其中包含其他器官的代谢数据。而早期的模型无法描述蛋白质向糖的转化，因此无法模拟饮食改变的影响。”

制药产业巨擘对此备感兴趣。作为研究的一部份，Cedersund一直在与AstraZeneca合作，了解Type 2糖尿病药物如何降低心脏病的风险。利用这家(英国-瑞典)跨国公司的体外类器官实验数据，创建了一个计算机副本，并运行其模型来理解过程和预测结果。传统的药物测试成本高达数十亿美元，但数学模型可能提供一条更便宜的研究路线，甚至可能成为未来更快验证过程的基础。

Cedersund说：“如果真的想模拟对不同饮食或药物的反应，同时模拟免疫过程以及可能随着时间变化的糖尿病发展，那么就需要多器官的数字孪生，而不是机器学习和传统的人工智能。我们也一直在帮助AstraZeneca研究治疗与糖尿病相关的疾病，如炎症和脂肪肝。”

AstraZeneca并不是唯一一家从事数字孪生研究的制药企业。丹麦业者Novo Nordisk一直在资助BioTwin项目，为用户产生个性化的数字孪生，以监测营养和体重。总部位于英国的新创公司Sanome也正致力于打造数字孪生，以尽早检测到健康变化。

随着越来越多的参与业者加入该领域， 在医疗保健领域，整合技术和开发人类数字孪生开放生态系统的必要性变得越来越明显。去年启动的泛欧医疗保健数字孪生生态系统(Edith)项目，旨在制定虚拟人类双生发展蓝图。该联盟的成员还将开发一个数字孪生储存库，并为模拟平台奠定基础。

到目前为止，已有19个组织加入了Edith项目的行列，其中包括阿姆斯特丹大学(University of Amsterdam)、比利时虚拟生理人研究所(Virtual Physiological Human Institute)、意大利人工智能机构Pi School，法国国家数字科学与技术研究所(National Research Institute for Digital Science and Technology；Inria)，以及伦敦玛丽皇后学院(Queen Mary University of London；QMUL)。

Edith项目成员、QMUL运算医学讲师Caroline Roney一直在开发心脏心房和虚拟病人的人体模型，以探求心房颤动(一种常见的异常心律)患者的特异性治疗方案。例如，她一直在与约翰·霍普金斯大学(Johns Hopkins University)和加州大学圣地亚哥分校(UC San Diego)的研究人员合作，使用扩散张量MRI数据集来创建心房纤维图谱。鉴于她的背景，Roney也在参与一项心脏病例研究。该研究最终将与其他器官和相关疾病(如癌症和骨质疏松症)的案例研究以及其他类型的数据联系起来。对于整合数字孪生来说，这将是至关重要的。

图1：Caroline Roney及其同事共同开发的心房数字孪生。

(来源：Caroline Roney)

图中最左列为根据MRI影像建构的个性化模型，而后续各列中则考虑了结构和电气个性化因素。针对患者的计算机仿真，用来研究为什么认为患者可能发生心房颤动，并测试不同的治疗方案。

Roney谈到Edith专案时说：“全世界都在意识到，如果个性化医疗能够广泛应用，那么它将会多么具有革命性！人们将见证我们如何创建数字孪生，从而快速推进相关研究。我们将共享和整合研究方法、数据集和模型，真正改进治疗方案，并向业界专业人士学习，以便做到最好。”

与Cedersund和数字孪生社群中的其他人一样，Roney一直在研究机器学习方法和机械模拟，并显然意识到随后的模型将会越来越复杂，而且这些模型将会利用来自越来越多不同来源的资料。除了核磁共振扫描，还有计算机断层(CT)扫描、时间序列数据，包括心电图、压力测量等。

Roney说：“Edith项目的想法在于任何人都可以贡献一个案例研究……我们的愿景是建立一个庞大的、可存取的数据库，这样人们就可以连结到不同的成像或时间序列数据集，这些数据集可能与疾病、患者年龄或身体中所在位置有关。”

图2：心脏MRI的强度分布显示心脏纤维化的位置在不同患者之间如何变化。其中较大影像所示为单一患者的数据集，可用于与大众进行比较。(来源：Caroline Roney)

标准与伦理

随着人类数字孪生的诞生，资料标准化即将成为一个问题，就此Edith研究人员正在进行相应的研究。Roney研究的很大一部份在于了解如何使用不同的数据集，并将人群数据与患者数据相结合，以确定最佳治疗方案。此外，对于数字孪生所撷取越来越多的人体数据，研究人员还要确保在使用上符合道德标准和法律规定，而且要确定任何正开发中的模型对患者和临床医生都有用。

Roney说：“我们有着各种不同的工具和资源，希望能相互分享，并确保不至于每次都重新开发模型。我希望Edith能解决的一件事，就是在推进研究的同时，也能找到一种共同的方法来做到这一点。”

那么，就整个人类数字孪生具体何时可以实际使用，Roney预计还没有那么快。“现在，我真的很专注于让这些单一器官模型真正发挥作用。我们正在努力实现全身数字孪生的愿景。这还有一段路要走，但我们离得越来越近了。”

然而，Cedersund相信，人类数字孪生可能很快就会出现。去年12月，他获得了600万欧元的奖金，负责一个由欧盟资助的项目Stratif AI，该项目将开发、评估和实施人类数字孪生，以协助预防和治疗中风。作为该项目的一部份，他的多器官全身模型，将在数百名患者身上进行验证，这些患者分别来自欧洲五个国家的八家医院。

“我们已经有了一款在智能型手机上显示数据的应用程序，”他介绍道，“目前虽还未能得到认证。但大约两年后，患者可能会开始使用这些数字孪生的早期测试版……这是一个快速发展的领域，而且正在迅速普及。”

(参考原文：Human Digital Twins Are Set to Revolutionize Medicine，by Rebecca Pool)

本文同步刊登于《电子工程专辑》台湾版杂志2023年7月刊