划重点
01数字孪生技术正在改变医疗领域，通过精确复制真实心脏模型，为医生提供最佳治疗方案。
02除此之外，科学家们还在开发其他器官的“数字孪生体”，如大脑、肠道、肝脏等。
03数字孪生技术有望在未来五到十年内成为临床护理的一部分，为诊断和手术决策提供重要支持。
04然而，这项技术的快速发展也引发了一些担忧，如数据滥用风险、患者自主权和伦理问题。
05为此，研究人员需要更加积极地与公众交流，了解人们对这项技术的真实看法和顾虑。
以上内容由腾讯混元大模型生成，仅供参考
（来源：MIT Technology Review）
健康的心脏以每分钟 60 到 100 次的稳定频率跳动，然而，并非每个人的心脏都能如此规律地运作。当我打开一个装有约 20 个塑料心脏的纸箱时，这一事实再次让我深有感触——这些塑料心脏是从真人心脏的数据中精确复制而来。
这些模型原本陈列在伦敦西部的一间实验室里，由哈默史密斯医院心脏病患者的 MRI 和 CT 扫描数据生成。阿兰·图灵研究所和伦敦帝国理工学院的生物医学工程师 Steven Niederer 利用办公室的 3D 打印机将这些数据转化为实物心脏。
其中一个心脏用红色再生塑料打印，乍看之下正符合我们对心脏的传统认知。它大小适中，刚好能握在手中，其内部结构与教科书中的示意图几乎完全一致。或许正因为它是红色的，让人感到格外熟悉。
然而，并非所有模型都如此“正常”。其中一个用黑色塑料打印的心脏显得异常巨大，几乎是红色模型的两倍大。后来我了解到，这颗心脏的原型来自一位心力衰竭患者。
这些塑料心脏的主要用途是教学，但 Niederer 的兴趣更集中于计算机模拟。他致力于打造精确的人类心脏数字模型——这些“数字孪生体”与真实心脏的大小、形状完全一致，甚至在虚拟环境中以相同的方式运作。科学家可以对这些虚拟心脏进行“手术”，为患者量身定制最佳治疗方案。
经过数十年的研究，类似的模型已经进入临床试验阶段，并开始应用于患者护理。与此同时，科学家们还在开发其他器官的“数字孪生体”，包括大脑、肠道、肝脏以及神经系统。甚至连人脸的虚拟模型也被用于手术模拟和面部特征分析。此外，科学家们还在数字癌症模型上测试药物。
这项技术的终极目标是创建完整的数字人体——一种完全虚拟化的身体副本。这些数字人体不仅可以帮助研究人员评估个体患病风险，还能测试最有效的治疗方案。它们像是我们的“数字化身”，在真实治疗之前进行虚拟实验，从而为医疗决策提供可靠依据。
对像 Niederer 这样的工程师来说，这是一个既令人兴奋又触手可及的未来。已有几项试点研究成功开展，更大规模的临床试验正在进行中。业内预测，未来五到十年内，基于器官的数字孪生技术将成为临床护理的一部分，为诊断和手术决策提供重要支持。更远的未来，人类甚至可以借助虚拟身体进行全面的临床试验。
不过，这项技术的快速发展也引发了一些担忧。一些人质疑，高度个性化的数据应由谁掌握，以及可能面临的滥用风险；另一些人担心，虚拟记录的存在是否会影响患者的自主权，医生是否会更倾向于依赖模型而绕过患者的意见。此外，试图在计算机中“复制人类”的概念也让部分人感到不安。研究数字孪生技术的 Wahbi El-Bouri 表示：“有些人可能会说，‘我不希望你复制我。’因为他们会觉得自己的一部分被夺走了。”
迈向数字化
数字孪生技术在其他工程领域已经非常成熟，例如，它早已用于模拟机械设备和基础设施。尽管近年来“数字孪生”这一术语可能更多作为营销热词出现，但对于专注于医疗健康领域的人来说，它却有着非常具体的意义。
利物浦大学的生物医学工程师 Wahbi El-Bouri 将数字孪生技术分为三个独立的部分：
第一部分是被模拟的对象。这个对象可以是喷气发动机、桥梁，或者是人的心脏——本质上，它是我们希望测试或研究的具体事物。
第二部分是该对象的数字复制品。数字副本是通过对真实物体进行大量测量后创建的，这些测量数据被输入计算机。以心脏为例，数字模型可能包含血压数据，以及通过 MRI 和 CT 扫描收集的信息。
第三部分是输入模型的新数据。真正的数字孪生体能够实时更新。这意味着，如果它是某人心脏的模型，那么可以通过可穿戴设备收集的信息不断更新，使模型始终反映该心脏的最新状态。
测量飞机和桥梁的数据是一回事，而从人体获取连续的数据流则要困难得多，尤其是当你需要获取心脏或大脑内部功能的详细信息时。
信息传递在数字孪生技术中应当是双向的。就像传感器可以从人体心脏中收集数据一样，计算机也能够基于这些数据进行模拟，预测潜在结果，并将这些信息反馈给患者或医疗提供者。例如，医疗团队可能需要预测某人对药物的反应，或者在实施真实手术之前，通过数字模型测试不同的手术方案。
按照这一定义，几乎任何能够追踪健康状况的智能设备都可以被视为一种初级形式的数字孪生技术。“可以说，Apple Watch 以一种不那么复杂的方式满足了数字孪生的基本定义。”Steven Niederer 表示，“它可以告诉你是否有心房颤动。”
然而，像 Niederer 这样的研究人员正在开发的数字孪生技术远比这些智能设备复杂得多，并且更加精细。它不仅可以提供个体化疾病风险的指导，还能帮助确定最有效的药物，甚至为手术过程提供精确的操作建议。
但要完全实现这一目标，目前仍有许多技术障碍需要克服。Niederer 指出，测量飞机和桥梁是一回事，而从人体获取连续的数据流则要复杂得多，尤其是当涉及到获取心脏或大脑内部的详细功能数据时。目前，工程师主要依赖医院和科研项目中之前收集的数据来创建“患者特定模型”。这些模型通常是静态的，并不具备实时更新的能力。
在现有的医疗数字孪生技术中，针对人类心脏的模型是发展最为先进的。这部分是因为心脏在功能上类似于泵——这种机械设备工程师们早已非常熟悉；另一方面，心脏病是全球范围内健康问题和死亡的主要原因之一，因而心脏模型具有极高的研究价值。El-Bouri 指出，随着成像技术和计算机处理能力的不断进步，研究人员现在可以以临床需求的精确度来模拟心脏这一复杂器官。
构建一颗数字心脏
构建数字心脏的第一步是对真实心脏进行成像。尽管不同研究团队的方法可能有所不同，但通常会从对患者心脏进行 MRI 和 CT 扫描入手。这些扫描图像被输入到计算机软件中，用来生成一个 3D 动态模型。有些扫描还能标记出受损的组织区域，这些区域可能会影响控制心脏肌肉收缩的电脉冲在心脏内的传播路径。
接下来的步骤是将这个 3D 模型分解成极小的单元。工程师们将这种分解后的结构称为“计算网格”（computational mesh）。它看起来像一个由成千上万个 3D 小块组成的心脏图像。每个小块代表一小组细胞，并可以根据其传导电脉冲的能力赋予特定的数学属性。“一切都归结为数学方程。”约翰霍普金斯大学生物医学工程教授 Natalia Trayanova 解释道。
该模型由 Marina Strocchi 创建，她是伦敦帝国理工学院 Steven Niederer 团队的一员。
目前，这些属性的确定仍然涉及一定程度的近似。工程师通常依据现有的关于人类心脏的研究或与患者疾病相关的研究数据，推断出心脏各部分的工作状态。最终，这些推断生成了一个能够跳动和泵血的虚拟心脏模型。“当我们拥有这个模型时，你可以对它进行各种试验，看看在不同情况下会发生什么。”约翰霍普金斯大学的 Natalia Trayanova 说道。
她开发的数字孪生技术已经被用于帮助患有心房颤动（AF）的患者。心房颤动是一种常见的疾病，会导致心跳过快或不规则。一种治疗方法是烧除引起节律紊乱的心脏组织部分。通常情况下，这需要外科医生根据经验判断具体需要烧除的区域。
在 Trayanova 的工作中，这些“试验”旨在帮助外科医生作出更精确的决策。心脏扫描可以标记出一些受损或疤痕组织的区域，而她的团队利用这些数据创建数字孪生模型，以更准确地定位节律紊乱的根源。模型通常会建议烧除两到三个区域，但在极少数情况下，它可能会显示更多区域。“他们只能相信我们。”Trayanova 说道。截至目前，已有 59 名患者参与了这项技术的试验，未来还计划扩大覆盖范围。
在类似的案例中，模型并不总需要实时更新。Trayanova 指出，例如，一位心脏外科医生可能只需要运行模拟来确定设备植入的最佳位置。“一旦手术完成，可能就不再需要额外的数据支持。”她补充道。
准患者
在伦敦哈默史密斯医院校园的实验室里，Steven Niederer 也在致力于构建虚拟心脏模型。他的研究重点是探索这些模型是否能够帮助确定心脏起搏器的最佳植入位置。他的方法与 Natalia Trayanova 的研究类似，但他的模型还整合了患者的心电图（ECG）数据，这些数据能够揭示电脉冲如何通过心脏组织传播。
到目前为止，Niederer 和他的团队已发表了一项针对 10 名患者的试验研究，评估了心脏模型的效果。不过，这些模型尚未正式用于手术决策。尽管如此，他已经收到设备制造商的请求，希望利用这些模型进行虚拟产品测试。例如，有几家公司要求他帮助选择适合电池驱动起搏器放置的位置，以确保设备不会接触心脏组织。Niederer 和他的团队不仅能够通过虚拟测试完成这些任务，还可以针对不同大小的心脏进行模拟测试。他们能够在数百种虚拟心脏中，评估设备在上百个潜在位置的表现，并且可以在一周内完成整个过程。
这种在计算机上运行的临床试验被称为“in silico trials”。在某些情况下，不仅试验本身是数字化的，甚至参与的志愿者也是虚拟的。
Wahbi El-Bouri 和他的团队正在探索为临床试验创建“合成”参与者的方法。他们从真实人群中收集数据，基于这些数据构建全新的数字器官，这些虚拟器官混合了真实志愿者的各种特征。
这类“in silico trials”尤其在研究孕妇治疗方案方面展现了潜力，因为孕妇通常被排除在许多传统临床试验之外。
Wahbi El-Bouri 的研究之一聚焦于中风，这是一种由于血栓或出血引发的医学紧急情况，会导致部分脑区的血流受阻。在研究中，他的团队会模拟大脑及其供血的血管网络。“我们可以基于患者数据，生成许多不同形状和大小的大脑模型。”El-Bouri 解释道。一旦生成了一组合成的患者大脑模型，就可以测试血栓如何影响血液或氧气的流动，以及大脑组织的哪些区域会受到影响。他们还可以测试某些药物的效果，或模拟通过支架移除血栓后的情况。
在另一个项目中，El-Bouri 正在创建合成视网膜。他的团队利用约 100 名真实人的视网膜扫描数据，轻松生成 200 个或更多的合成眼球模型。“轻而易举。”他说。关键在于找出血管分布的数学规律，并通过一组算法重现这一规律。他希望将这些合成视网膜用于药物试验，例如研究治疗年龄相关性黄斑变性（这种常见疾病可能导致失明）的最佳剂量。
这种“in silico trials”在帮助确定孕期治疗方案方面尤为重要。由于实验性治疗可能对胎儿造成潜在风险，孕妇这一群体通常被排除在许多临床试验之外。Michelle Oyen 是底特律韦恩州立大学的一名生物医学工程教授，她正致力于孕期数字孪生模型的研究。
创建孕期数字孪生模型面临许多挑战，首要问题是数据获取的困难。怀孕期间，通常建议孕妇避免非必要的扫描或侵入性检查。“我们能获取的数据非常有限。”Oyen 说道。不过，她的团队利用了超声影像数据，其中包括一种能够测量血流的超声技术。通过这些图像，他们可以观察子宫和胎盘中的血流如何与胎儿的生长发育相关联。
目前，Oyen 和她的团队并没有创建胎儿本身的模型，而是专注于胎儿的生存环境，包括胎盘和子宫。胎盘是支持胎儿生长发育的关键器官，如果胎盘功能退化，可能导致悲剧性的死胎结果。她正在研究如何在孕期实时监测胎盘功能。这些数据可以反馈到数字孪生模型中，从而帮助医生及时干预以挽救胎儿的生命。“我认为这将是孕期研究的一个重大突破。”她说道，“因为它为孕期研究提供了一种低风险的方式，不会对胎儿或母体造成影响。”
另一个项目中，Oyen 的团队正在研究剖腹产留下的疤痕如何影响未来妊娠。剖腹产会在腹部和子宫的多层组织上留下切口，如果疤痕愈合不良，就可能成为子宫的薄弱点，从而影响后续怀孕的安全性。通过在数字孪生模型中模拟这些疤痕，团队希望预测未来妊娠的可能风险，并判断是否需要额外的专业护理。
Oyen 的长期目标是创建一个完整的孕期虚拟模型，包括子宫、胎儿及其生存环境。“但我们离这一目标还很遥远——比起心血管领域的研究，我们落后了几十年，”她说道。“这就是孕期研究的现状，”她总结道，“我们总是落后几十年。”
数字孪生的全身化目标
创建虚拟的身体部位是数字孪生技术的重要起点，但人类的身体是一个复杂的整体，各个器官和系统之间密切关联。因此，这项技术的宏伟目标是复制完整的人体。“从长远来看，拥有一个完整的数字人体将是非常理想的目标。”Wahbi El-Bouri 说道。
这个目标可能比人们想象的更接近实现。许多研究团队已经在独立开发心脏、大脑、肺、肾脏、肝脏、肌肉骨骼系统、血管、免疫系统、眼睛、耳朵等器官的数字模型。“如果我们能将全球所有从事数字孪生研究的团队汇集在一起，我相信我们可以拼凑出一个完整的数字人体。”El-Bouri 表示，并补充道：“甚至可能有人已经在研究舌头的模型。”
然而，真正的挑战在于如何整合这些分散的研究成果，因为各团队使用的研究方法和编写的代码往往不同。“所有的组件其实已经存在。”他说，“问题是如何将它们组合在一起。”
理论上，这样的全身数字孪生模型可以彻底革新医疗保健。Natalia Trayanova 设想了一个未来，数字孪生将作为个人医疗记录的一部分，医生可以借助它量身定制治疗方案，从而大幅提高医疗决策的精准性和效率。
“从技术上讲，如果有人真的投入足够的精力，通过器官扫描和数字孪生模型，确实有可能拼凑出一个人的身份。”
Wahbi El-Bouri 表示，对于数字孪生这一概念，人们的反应存在明显分歧。有些人认为这一技术“非常令人兴奋且很酷”，但也有人强烈反对在计算机上保存自己的虚拟副本，“他们完全不想参与其中。”他认为，研究人员需要更加积极地与公众交流，了解人们对这项技术的真实看法和顾虑。
此外，还有关于患者自主权的担忧。如果医生能够直接访问患者的数字孪生，并依赖其指导医疗决策，那么患者自身的意见在这一过程中可能会被弱化。一些开发数字孪生技术的研究人员指出，这些模型甚至可能显示患者是否按时服药或近期饮食状况。这是否会导致医生更倾向于依赖数字孪生，而不是患者的自述？
“医生不应该绕过患者而仅仅‘询问机器’，”德国波恩大学的社会伦理学家 Matthias Braun 指出，“这可能缺乏知情同意，侵犯患者自主权，甚至带来伤害。”他强调，即使是患有相同疾病的两位患者，他们的生活经历和需求也可能截然不同，不能简单地用数字模型来取代人与人之间的沟通和理解。
然而，在一些情况下，比如患者昏迷时，临床医生通常需要找到一个代理人代为作出治疗决策。Braun 提议，一个基于患者医疗数据和数字行为训练出的数字心理孪生，可能比不了解患者偏好的亲属更适合作为决策代理。
如果数字孪生在患者护理中引发伦理问题，那么在“in silico trials”中也可能面临类似争议。南非开普敦大学的伦理学家 Jantina de Vries 提到，用于创建数字孪生和合成“准患者”的数据通常来源于能够接受扫描和监控的人群，而那些生活在非洲大陆等资源匮乏地区的人，往往无法参与其中。“数据稀缺直接导致这些技术无法针对多样化的人群进行优化，”她解释道。
为了解决这一问题，De Vries 主张数据应该作为一种公共资源，确保更多人能够受益于数字孪生技术。她建议，所有数据都应被匿名化，并存储在全球研究人员可以访问的公共数据库中。
Natalia Trayanova 强调，在她的研究中，参与者需要明确授权她访问他们的数据及身份信息。“我知道关于他们的一切。”她说。
Steven Niederer 则指出，他的研究团队所获取的数据是经过匿名化处理的。参与者需同意数据的使用范围，比如研究团队可以访问匿名化数据，而临床医生则可以查看全部医疗数据。他补充道，有时团队会请求参与者允许将完全匿名化的数据上传到公共数据库，但公司仅限于使用这些匿名数据。他保证，“我们不会与研究或医疗团队以外的任何人共享数据。”
El-Bouri 认为，分享健康数据的患者应当获得某种补偿，例如优先使用某些药物或医疗设备。他也承认，“完全实现数据匿名化并不容易，尤其是当这些数据涉及扫描图像和器官孪生模型时。”他坦率地说，“从技术上讲，如果有人投入足够的精力，通过这些数据和模型确实可能重新拼凑出一个人的身份。”
当我看到那些匿名的塑料心脏时，它们安静地堆放在一个纸箱里，似乎已经完全脱离了它们所代表的真实生命。然而，数字孪生却不同。它们是动态的、活生生的数字再现。
“人们经常认为，这只是个模拟而已。”El-Bouri 说道，“但它其实是一个个体的数字化呈现。”
原文链接：
https://www.technologyreview.com/2024/12/19/1108447/digital-twins-human-organs-medical-treatment-drug-trials/