患者患有癌症。现在是做决定的时候了。医生和患者都面临着最终的挑战，他们需要考虑患者的个人情况、可用的治疗选项、潜在的副作用、相关的临床数据（如患者的基因谱型和癌症的具体情况）等。
“这有很多信息需要处理，”英国皇家马斯登医院的医学肿瘤学顾问兼Concr LTD的首席科学官Uzma Asghar博士说。
如果有一种方法可以快速而准确地测试所有可能的路径呢？
这就是数字孪生的目标。一种基于人工智能（AI）的程序利用所有已知的患者及其疾病类型的数据，创建一个可以反复用于模拟疾病进展、测试治疗方案和预测个体对治疗反应的“孪生体”。
“数字孪生模型可以帮助医生处理所有这些信息，并在几分钟内快速处理，”Asghar指出。
数字孪生不仅仅是计算机模型或模拟，因为它复制了一个真实世界的人，并依赖于真实世界的数据。一些数字孪生程序还会随着新信息的出现进行整合。这项技术在个性化医疗、药物发现、制定筛查策略和更好地理解疾病方面具有巨大的潜力。
如何生成数字孪生
为了创建数字孪生，专家们会开发一个计算机模型，用数据来提高其在某一医学领域的专业知识，例如癌症类型和治疗方法。然后，Asghar解释说：“你会用模型已经见过的信息对其进行训练，然后引入患者及其信息。”
Asghar目前正在与同事合作开发数字孪生，最终希望帮助医生和患者决定最佳的癌症治疗方案。但它们的应用范围广泛，特别是在临床研究中。
数字孪生通常包括机器学习组件，这属于AI的范畴，Asghar表示，但这不同于人们熟悉的ChatGPT或其他生成式AI模块。
“这里的不同之处在于，模型并不是为了取代医生或临床试验，”Asghar指出。相反，数字孪生有助于更快地做出决策，而且成本更低。
数字孪生预测癌症结果
Asghar目前参与了英国的临床试验，招募癌症患者以测试数字孪生程序的准确性。
目前，这些研究尚未使用数字孪生来指导治疗方案的选择，这是他们希望最终实现的目标。目前，他们仍处于验证阶段——数字孪生程序会做出预测，然后研究人员根据参与试验的真实患者的实际信息评估预测的准确性。
他们的当前模型可以预测RECIST（实体瘤疗效评价标准）、治疗反应和生存率。除了收集正在进行的临床试验的数据外，他们还使用了回溯数据，如癌症图谱，来测试模型。
“我们已经在超过9000名患者中进行了临床验证，”Asghar说，他们不断在新患者身上进行测试。他们的数据包括30种化疗药物和23种癌症类型，但他们重点关注四种：三阴性乳腺癌、原发灶不明癌症、胰腺癌和结直肠癌。
“选择这四种癌症的原因是它们具有侵袭性，对化疗的反应不佳，而且这些患者群体的结果有很大的改进空间，”Asghar解释道。
目前，Asghar表示，该模型在预测实际临床结果方面的准确率约为80%-90%。
在广泛提供给医生之前，他们工作的最后阶段将是将其整合到一项临床试验中，其中一些医生使用该模型来做出治疗决策，而另一些医生则不使用该模型。通过研究两组患者的治疗结果，他们将能够确定他们创建的数字孪生程序的价值。
数字孪生还能做什么？很多
虽然帮助医生做出癌症治疗决策的模型可能是最早广泛应用的数字孪生程序之一，但还有许多其他类型的数字孪生正在研发中。
例如，数字孪生可以用作基准，帮助患者了解未经治疗的情况下癌症可能会如何发展。假设患者的肿瘤在治疗期间增大，这可能看起来像是治疗失败了，但数字孪生可能会显示，如果不进行治疗，肿瘤会增长五倍之快，印第安纳大学布卢明顿分校智能系统工程系教授Paul Macklin博士解释道。
或者，如果虚拟患者的肿瘤与真实患者的肿瘤大小相似，“这意味着治疗已经失去了效力，是时候尝试新的方法了，”Macklin说。他指出，数字孪生不仅有助于选择疗法，还可以选择剂量方案。
随着新疗法的出现，模型也可以更新，这可以帮助医生在患者更换疗法之前虚拟探索新疗法的影响。
数字孪生还可以根据患者的需求和实际情况协助决策。“也许你的首要目标不是不惜一切代价缩小这个肿瘤……也许是某种混合目标，即缩小肿瘤和提高生活质量，”Macklin提到，指的是潜在的副作用。或者，如果某人距离最近的癌症中心有3小时车程，数字孪生可以帮助确定减少治疗频率是否仍然有效。
尽管围绕数字孪生的生物医学研究活动主要集中在癌症上，Asghar表示，该技术也有潜力应用于其他疾病。心血管疾病的数字孪生可以帮助医生选择最佳治疗方案。它还可以整合来自智能手表或血糖监测器的新信息，以做出更好的预测并帮助医生调整治疗计划。
通过数字孪生加速、更有效地进行研究
由于数字孪生程序可以快速分析大型数据集，它们还可以使现实世界的研究更加有效和高效。
尽管数字孪生不会完全取代真实的临床试验，但它们可以在开始全面临床试验之前运行初步场景，从而“节省大家的时间、金钱和痛苦及风险，”Macklin说。
匹兹堡大学生物工程学教授Ioannis Zervantonakis博士表示，数字孪生也可以用于设计更好的早期癌症检测和监测筛查策略。
Zervantonakis的实验室正在利用数字孪生技术研究肿瘤。在这种情况下，数字孪生是一个虚拟的肿瘤表示，包括其复杂的细胞网络和周围组织。
他的实验室正在使用这项技术研究肿瘤微环境中的细胞间相互作用，重点关注乳腺癌中人类表皮生长因子受体2靶向治疗耐药性。他们开发的数字孪生将模拟肿瘤生长、预测药物反应、分析细胞相互作用并优化治疗策略。
前进的漫长之路
让数字孪生更广泛可用的一个重大障碍是，该技术的监管框架仍在制定中。
“我们在开发技术的同时，监管框架也在同步制定。因此，我们几乎是在盲目地开发，基于我们认为监管机构会希望我们这样做的前提，”Asghar解释道。
“非常重要的是，这些技术应该像药物一样受到适当监管，这是我们正在推动和倡导的，”Asghar说，指出人们需要知道，就像药物一样，数字孪生也有其优势和局限性。
尽管从长远来看，数字孪生可以成为一种节约成本的方法，但它确实需要资金来建立一个程序，而寻找资金可能很困难，因为并非每个人都知道这项技术。更多的资金意味着更多的试验。
有了更多的数据，Asghar希望在未来几年内，数字孪生模型可以供医生使用，以帮助指导治疗决策。这可能导致更有效的治疗，最终改善患者的治疗结果。
(全文结束)
