为心脏构建“数字孪生”，供医生术前测试治疗方法

被诊断患有心脏病、癌症及其他疾病的患者往往面临着无数抉择：哪种药物最具疗效？副作用是否过于严重？手术能否彻底治愈疾病？

未来几年，确定最佳诊疗方案的过程可能会更加顺畅。研究人员不必再凭运气挑选疗法并祈祷起效，而是建立所谓“数字孪生”以预测患者在接受治疗后的反应与变化。

美国国家癌症研究所信息学与数据科学项目主任Emily Greenspan表示，“这代表着范式上的转变，预测一个人的疾病发展轨迹将成为可能。”

在巴尔的磨折的实验室中，来自约翰霍普金斯大学的Natalia Trayanova和她的团队正在创建心脏计算模型。每个模型都对应一位患有潜在致命性心律失常的真实患者的心脏，这种心律失常往往由心脏病发作或者其他疾病造成的肌体疤痕所造成。

这些“数字孪生”副本是独立运行在计算机上的3D心脏模型，疤痕区域则以白色显示。研究小组可以通过它们来模拟如何，以及在何处采取消融手术来制造新的微小疤痕，进而治愈心律失常。

约翰霍普金斯大学生物医学工程系教授Trayanova正在领导一项基于这些数字孪生模型的临床试验，并表示，“我们可以在屏幕上直接观看这些模型，希望借此了解如何为患者选择最佳治疗方案。”

各联邦机构、初创公司乃至整个学术界正投入数十亿美元，希望在未来五到十年内将数字孪生技术引入医疗保健的最前沿。

根据MarketsandMarkets发布的一份报告，2023年全球数字孪生医疗保健市场估值为16亿美元，到2028年有望达到211亿美元。北美区域的增长主要源自政府的资助与投入，外加已经在尝试利用数字孪生技术表示医疗数据、实体医院、人体生理学特征及其他用例的商业企业。

人人都有数字孪生？

临床医生们设想，未来几乎人人都将拥有由AI建立的数字孪生，其内容就是来自医疗检查、可穿戴数据设备以及医疗记录的信息。AI能够搜索具有类似病症的其他人的数据并运行模拟，同时提供对患者健康状况的持续监控。

就像碰撞测试假人一样，数字孪生可用于测试药物并开展试验，且不必担心伤害到实际患者。心脏的数字孪生模型可供外科医生在术前以可视化方式推衍操作过程，定位患者的血管分布。这项技术可用于设计高精度假肢或确定最有效的康复训练；为患者的子宫和宫颈建立数字孪生，则有助于预测妊娠结果。

虽然这个概念已经在机械工程等诸多行业使用了几十年，但数字孪生在医疗保健领域仍然相对较新，这是因为对人体器官或者身体部位进行建模（有时甚至是在细胞水平）非常复杂。

此外，使用可穿戴设备及传感器收集个人数据，还涉及隐私保护等现实问题。而且机器学习与AI技术仍在发展当中，时不时会产生包含偏差/偏见的结果。

研究人员表示，实践推进也相当困难，因为这个概念要求在数据科学家、医生、工程师以及其他利益相关方之间建立大量共识并获取广泛支持。

身为心脏数字孪生临床试验团队的一员，来自巴尔的摩约翰霍普金斯医院的心脏病学与心脏电生理学医学副教授Daivd Spragg博士表示，“仍有大量的信任关系有待建立。”

解决棘手难题

但这种潜力激发了医生和研究人员的热情，他们相信在不久的将来，数字孪生将帮助解决棘手的医学难题。哪些患者会在服用降胆固醇药物后出现何种副作用？患者并发哮喘或糖尿病的可能性有多大？如果是，具体发病时间如何？女性的妊娠进展又将怎样表现？

研究人员正在探索这些问题，并在适当情况下将其投入新型用例。

在约翰霍普金斯大学关于心律失常的临床试验中，患者接受了心脏对比增强核磁共振（MRI）检查。生物医学工程团队利用AI技术将这些图像组合起来，据此重构患者以及的3D模型。最终得到的3D心脏包含疤痕与受损细胞区域，并可通过屏幕随意旋转以供从不同角度观察。

之后，这颗数字心脏将被填充进虚拟细胞，每个虚拟细胞均可生成电信号。

接下来，团队可以在数字孪生模型中模拟心跳，并通过随机输入小股电信号进行测试，观察心跳会受到怎样的影响。

医学教授Trayanova表示，凭借数字孪生技术，该团队可以预测心律紊乱的潜在发生位置，并在手术之前确定最佳消融区域。

David Gakenheimer是一位80岁的退休技术发明家，因罹患心律失常而在约翰霍普金斯大学医院接受治疗。他在这里听说了数字孪生技术，包括该医院愿意为未参加临床试验的患者建立数字孪生模型。通过申请，研究团队为Gakenheimer制作了相应模型，帮助他了解后续将要接受的消融手术究竟成效如何。

Gakenheimer表示，“我希望把正常规程跟Trayanova的软件模拟结果进行比较。”而数字孪生给出的手术成功结论，也真实反映在他的身体之上，“她的模型真的准确预测了结果。”

妊娠预览

纽约哥伦比亚大学机械工程教授Kristin Myers正在为女性子宫和宫颈制作数字副本，希望借此帮助确定受孕情况。为此，Myers使用超声波建立起3D计算模型，探索彻底解决早产问题的可能性。

她指出，“在医疗保健领域引入数字孪生是个新方向，我们能够借此提供更好的诊疗，患者也可以轻松参加无数次试验。”

在国家癌症研究所，Greenspan设想了一种治疗肿瘤患者的新方法。医生不再挨个尝试药物并祈祷生效，而是通过为患者建立数字孪生来预测疾病在特定药物下的反应。

例如，该研究所一直致力于建立虚拟孪生，探索肺部的最佳治疗方案。Greenspan认为，未来五年内这项技术很可能会成为临床决策的组成部分。

她总结道，“预测永远是最好的治疗和筛查方法，当然这些目前还只是美好的愿景，需要依托大量基础研究。”