51年前，阿波罗13号发射升空。升空后不久，飞船遭遇了巨大的爆炸。飞船内宝贵的氧气开始泄漏到太空中，飞船内的三名宇航员情况危急。随着时间的流逝，美国宇航局在休斯敦的任务控制团队马不停蹄地工作。他们如何对漂浮在200,000英里外太空中的实物资产进行诊断和故障排除？值得庆幸的是，NASA有15个模拟器可以训练宇航员完成即将执行的任务。这些带有计算机化系统的高保真模拟器是“数字双胞胎”的前身。它们被用来复制受损的航天器，并在成功营救机组人员方面发挥了至关重要的作用。如今，人体数字孪生是生命科学领域的最新趋势。制药公司正在探索这项技术，以改变药物开发和患者护理。什么是数字孪生？数字孪生是现实世界中人、物理实体或过程的虚拟副本。例如，飞机引擎的数字双胞胎是机器的精确虚拟副本，由人工智能(AI)提供支持。发动机上的传感器收集的数据流实时传输到数字双胞胎。这使飞机工程师能够监控发动机性能并预测何时可能发生故障。现在，想象一下构建一个真人的数字双胞胎，复制他们在特定情况下的行为和反应。您可以跟踪他们的健康状况、诊断疾病并安排预防性治疗计划。虽然在虚拟世界中完全复制一个人仍然是不可能的（谢天谢地！），但今天即使是部分克隆也能带来非常显着的好处。为什么数字孪生在医疗保健中如此重要？我们可以用它们来测试新药以确定它们的安全性和有效性。如果我们在2020年能够使用这项技术，那么COVID-19疫苗可能会在几个月前问世，从而挽救数百万人的生命。为什么临床试验需要一些中断今天，临床试验面临着四重挑战，这使得药物开发不完善、缓慢、不可预测，甚至不安全。1.它们不能准确代表现实世界现实世界人口众多且多样化，而临床试验在设计上只涉及其中的一小部分。这个星球上有数十亿人，临床试验无法复制每个人根据其独特的身体和精神状况对药物的反应。2.很少有试验能及时招募到他们需要的患者，因为研究人员无法招募到合适的患者，而且一些临床试验始终没有结果。制药公司竭尽全力招募指定数量和类型的患者，以满足临床试验设计的严格规范。事实上，患者招募方面的挑战导致80%的试验被推迟。3.并非每位患者都接受试验性新药治疗在绝大多数试验中，多达一半的患者实际上服用的是安慰剂或假药。这有助于比较患有特定疾病的人在未给予测试药物时的反应。但这也意味着至少有一半报名参加试验希望接受新药的患者没有得到它。4.并非所有实验药物都像预期的那样安全根据设计，临床试验评估实验药物的安全性和有效性。尽管进行了监管检查和控制以提高药物发现的安全性，但试验仍有可能产生严重的不良后果，甚至可能导致死亡。这使许多患者无法参加临床试验，而那些参加临床试验的人又不安又担心安全问题。数字孪生技术可以应对这些挑战：覆盖范围：数字孪生可以模拟各种患者的特征，并代表药物对更广泛人群的影响。速度：AI可以根据各种纳入和排除标准提供对患者可用性的可见性，从而简化试验设计。可预测性：数字孪生可以预测患者的反应，因此不需要安慰剂或假药。因此，每位参与试验的患者都可以放心使用新疗法。安全性：通过减少真实世界测试所需的参与患者数量，数字双胞胎可以最大限度地减少早期药物的危险影响。不过，这里最大的问题是数字孪生是否准备好在今天的药物发现中承担这些责任。现实还是科幻小说：医疗保健中数字双胞胎的现状我们仍处于将数字双胞胎应用于生命科学的早期阶段。如今，研究人员使用简单的数字孪生来模拟人体的分子和细胞功能，而不是模拟患者在临床试验中的整体反应。Unlearn.AI是一家初创公司，已筹集超过1700万美元用于构建实验性数字双胞胎。“我们还没有达到可以模拟人的实际生化反应的阶段，”该公司首席执行官查尔斯费舍尔说，我们并没有试图预测患者对新疗法的反应。”大多数临床试验将患者分为两组：接受试验药物的治疗组和接受安慰剂或模拟药物的对照组。对照组可以帮助确定患有特定疾病的患者在未接受新治疗时的反应。制药公司首先在对照组上试验数字孪生。“我们可以收集成千上万人的纵向患者数据，以了解他们对治疗的反应，”费舍尔解释说。“我们正试图预测如果患者接受现有治疗会发生什么，”他说。近年来，人工智能在患者护理中的应用越来越受欢迎。在新冠肺炎疫情肆虐之际，这种趋势愈发明显。据报道，美国食品和药物管理局(FDA)正在制定一个监管框架来对其进行监督。“我们目前正在接受FDA和欧洲药品管理局(EMA)的资格检查，以验证我们是否符合当前的监管要求，”Fisher说。哪些疾病可能首先看到数字孪生的使用？那些我们拥有高质量、高维临床试验和真实世界数据的领域是最有可能的。例如，Unlearn正在研究神经系统疾病——例如阿尔茨海默氏症和多发性硬化症。阻碍数字孪生采用的三大障碍通常，阻碍AI创新成为主流的最大障碍与技术本身无关，算法和模型准确性方面的突破就证明了这一点。虽然这些进步正在获得动力，但数据收集、用户采用和受信任的应用程序并没有跟上步伐。1.医疗保健行业面临数据太少、太杂乱的挑战微软首席医学科学家、英国国民健康服务体系（NHS）执业医师JunaidBajwa表示：“健康不仅仅是关于你的生物特征，它也关于你的基因组、你的社会决定因素，以及介于两者之间的一切。”他补充说，“我们需要使用更多关于这些参数的数据，让数字孪生更加个性化。”扩展新的患者数据当我们寻找来源时，我们还必须恢复我们已有的数据。“今天，电子健康记录(EHR)的存在主要是为了告知患者的账单信息，而不是为了推进研究，”Fisher补充道，并指出下一个数字孪生技术的重大里程碑不会出现在人工智能研究上，而是来自于解决医疗领域数据小而杂乱的问题。希望已经出现。来自可穿戴设备和手机等设备的数据流可以提供高保真真实世界的数据。像23andMe和Datavant这样的公司正在努力增加用于研究的高质量医疗保健数据的可用性。2.改变心态和行为并不容易即使创新者成功构建了一个能够模拟患者行为的完美数字双胞胎，我们会立即采用吗？技术创新的历史表明，这很可能并非一帆风顺。“在我的临床实践中，如果有一天我被要求对数字双胞胎进行诊断，然后第二天对现实生活中的人重复相同的过程，我会觉得很奇怪，”Bajwa指出。改变技术创建和处理可能很容易，但改变一个人的思维方式却并非如此。Bajwa打趣道：“要到COVID-19大流行爆发，人们才会愿意通过视频会议在线咨询。”公平的潜力是显而易见的。然而，即使在一场重大的全球危机之后，我们也花了这么长时间才接受这种低风险的变化。”3.人工智能信任、隐私和偏见等难题我们已经讨论了应用这项技术的好处，但我们无法回避BristolMyersSquibb副总裁兼数字战略主管ShwenGwee补充说：“虽然我们需要高分辨率数据才能有意义地使用数字双胞胎，但我们必须在效用与信任、隐私之间取得平衡和偏见。ETC。”患者能否相信他们的个人数字双胞胎不会在他们不同意的药物或环境中进行测试？此外，今天的临床试验数据集并不能很好地代表不同的种族和民族。使用这种有偏见的数据来训练数字双胞胎可能会导致它无法准确代表特定人群。Fisher断言：“我认为你根本无法创建没有偏见的AI算法。”他说：“因为人工智能是数据驱动的，它会反映数据中的偏差。我们必须关注如何在临床试验中使用它。”算法做出预测，而不是试图让它们变得完美。”同样，解决方案也不取决于技术，而是取决于正确的流程、人文关怀和人的参与。AI驱动的数字双胞胎的光明未来虽然数字双胞胎可以通过在临床试验中合成对照组来开启一场革命，但该技术在生命科学中具有更大的潜力。积极应对数据收集、用户采用和可信应用程序这三大挑战可以帮助这项技术成为主流。在遥远的未来，数字双胞胎会是什么样子？费舍尔说：“我看到了安全地减少临床试验规模的可能性——比如说25%。”他说：“这可以对医学研究和患者产生事半功倍的效果。它将使每家生物技术和制药公司能够以更低的成本更快地进行临床试验。”Bajwa以他的亲身经历分享了癌症患者所经历的痛苦，“虽然目前有一些治疗方案，比如手术、化疗或免疫疗法，但找到最适合患者的药物仍然是在黑暗中摸索。”想象数字双胞胎技术如何改变这种治疗的未来。“假设我的多学科临床团队有一位癌症患者——一位来自伦敦郊区的50岁的两个孩子的母亲。我们能够在患者的数字上尝试每一种可能的组合“双胞胎找到正确的组合。定制最佳治疗计划？快速准确地做到这一点可以为个人提供最好的生活质量。这可以帮助数百万人在与癌症作为一种疾病的斗争中幸存下来。”他得出结论，它将是数字化的。双胞胎技术的光明前景。
