2019年5月的一个早晨，波士顿儿童医院的一位心脏外科医生走进手术室，准备为一名儿童进行高风险的心脏重建手术。这位医生经验丰富，但他还有一个额外的优势：他已经在虚拟环境中对这名儿童进行了数十次同样的手术。在第一次切开皮肤之前，他就已经确切知道该怎么做。更重要的是，他知道哪些策略能为他手中这个孩子的生命带来最佳结果。
这是如何实现的？在手术前的几周，医院的外科和心脏工程团队根据MRI和CT扫描，共同构建了这名儿童心脏及周围血管系统的完整功能模型。他们首先将医学影像仔细转换为3D模型，然后利用物理原理让这个3D心脏“活”起来，创建了一个动态的数字复制品，再现了患者的生理特征。这个模型重现了该特定心脏的独特行为，包括血流的细节、压力差以及心肌组织的应力。
这种被称为“数字孪生”的模型不仅能识别医学问题，还能提供详细的诊断见解。在波士顿，团队利用该模型预测了孩子的心脏对任何切割或缝合的反应，使外科医生能够测试多种策略，从而找到最适合这位患者特定解剖结构的方法。
那天，手术的赌注很高。患者患有独特的心脏缺陷——心房和心室之间的大洞导致血液在四个腔室之间流动——没有现成的手册或教科书能完全指导医生。这种疾病会压迫肺部，因此医生计划进行开心手术，将来自下半身的脱氧血液直接重新导向肺部，绕过心脏。通常，这类手术需要在压力下临时做出决定，不确定性很高。但这次，计划已经提前测试过，整个团队在第一次切开刀口之前就进行了排练。手术完全成功。
如今，这类手术在波士顿医院已成为常规操作。自第一位患者以来，已有近2000例手术在数字孪生模型的指导下进行。这就是“活心脏项目”背后的技术力量，该项目由我于2014年发起，比第一次手术早了五年。该项目最初只是一个探索性倡议，旨在研究能否对人类心脏进行建模。现在，该项目拥有来自28个国家的150多个成员组织，包括数十个跨学科团队，他们定期使用心脏及其他重要器官的多尺度数字孪生模型。
这项技术正在重塑我们理解和治疗人体的方式。为了达到这一变革性时刻，我们必须解决一个根本挑战：构建一个足够精确、足够可信的数字心脏，以指导真实的临床决策。
父亲的担忧
“活心脏项目”现已进入第二个十年，其诞生部分源于一个个人信念。多年来，我眼睁睁地看着女儿Jesse因一种罕见先天性心脏病而面临无尽的诊断不确定性——她的心室位置颠倒，随着成长威胁着她的生命。作为一名工程师，我明白心脏是一组泵室，由电信号控制，血流由瓣膜精确调节。然而，我很难充分理解女儿心脏的独特结构和行为，从而为她的治疗做出有意义的贡献。她的专科医生知道，如果不治疗，像她这样的孩子预后黯淡，但每个患有这种疾病的心脏在解剖上都是独一无二的，医生们只能依靠最佳猜测来决定做什么以及何时做。每换一位专科医生，就有一种新的猜测。
然后，我的工程好奇心引发了一个问题，这个问题一直指引着我的职业生涯：为什么我们不能像模拟汽车或飞机那样模拟人体？
在波士顿的一个可视化中心，VR图像帮助一位患有复杂心脏缺陷的小女孩的母亲理解她孩子心脏的内部运作。Dassault Systèmes
我职业生涯的大部分时间都在开发强大的计算工具，帮助工程师构建复杂机械系统的数字模型，模型范围从单个原子的相互作用到整个车辆的部件。这些模型大多有一个共同点：利用物理原理预测行为并优化性能。但在今天的医学领域，这些基于物理的方法很少用于决策。在大多数临床环境中，治疗决策仍然依赖于从静态二维图像、统计指南和回顾性研究中得出的判断。
但情况并非总是如此。历史上，物理学曾是医学的核心。“医生”一词本身源自拉丁语physica，意为“自然科学”。早期的医生在某种意义上就是应用物理学家。他们把心脏理解为泵，肺是风箱，而身体是一个动态系统。作为一名医生，意味着你精通适用于人体的物理学。
随着医学的发展，生物学和化学逐渐主导了该领域，物理知识被抛在了后面。但对于像我的女儿、波士顿那个孩子以及数百万类似的患者来说，治疗结果取决于力学。没有药丸或药膏——没有基于化学的解决方案——能有所帮助，只有物理学。虽然我当时没有意识到，但数字孪生可以让现代医生重新找到自己的根源，利用工程原理、仿真科学和人工智能。
十年的进步
“活心脏项目”的概念很简单：我们能否将数百名不同专业领域的专家对人类心脏的了解结合起来，构建一个足够精确、可个性化且可预测的数字孪生，以指导临床护理？
我们邀请了研究人员、临床医生、器械和制药公司以及政府监管机构，分享他们的数据、工具和知识，朝着一个共同的目标努力，这将提升整个医学领域。“活心脏项目”启动时有大约十几个机构参与。一年之内，我们就创建了第一个功能齐全的人类心脏数字孪生。
“活心脏”不仅仅是一个解剖学渲染，它并非简单地复制我们所观察到的现象。它是一个基于第一原理的模型，将心脏电系统中的纤维网络（维持我们生命的生物电池）与心脏的机械响应（即我们称之为心跳的肌肉收缩）耦合在一起。
“活心脏”数字孪生模拟了心脏的跳动方式，提供不同的视图，帮助科学家和医生更好地预测心脏对疾病或治疗的反应。中心视图显示了精细的工程网格，即允许计算机模拟心脏运动的详细框架。右侧图像用颜色显示驱动心跳的电波在肌肉中的传导，左侧图像显示组织在拉伸和收缩时的应变程度。Dassault Systèmes
学术界的研究人员长期以来一直在探索心脏的计算模型，但这些项目通常受限于他们所能获得的技术。我们的版本是建立在Dassault Systèmes的工业级仿真软件之上的，这家公司以用于航空航天和汽车工程的建模工具而闻名，我当时在那里负责开发工程仿真部门。这个平台使团队能够利用患者的MRI和CT数据、血压读数和超声心动图测量结果，个性化定制个体心脏模型，直接将扫描结果与仿真联系起来。
然后，外科医生开始使用“活心脏”来模拟手术过程。器械制造商用它来设计和测试植入物。制药公司用它来评估药物毒性等效果。该项目已经产生了数百篇出版物，由于它们都基于相同的基础，研究结果可以被复制、重用和进一步发展。随着每一次应用，研究界对心脏的理解呈滚雪球式增长。
早期，我们还解决了这些创新能够惠及患者的一个关键要求：监管机构的接受度。在项目的第一年，美国食品药品监督管理局（FDA）同意作为观察员加入该项目。在接下来的几年里，使用虚拟心脏模型作为科学证据的方法开始在监管研究项目中成型。2019年，我们与FDA的器械和放射健康中心正式确定了第二个五年合作，并设定了一个具体目标。
该目标是使用心脏模型创建一个虚拟患者人群，并重新进行一次之前获批的修复心脏二尖瓣器械的关键试验。这帮助我们的团队学习了如何创建这样的人群，并让FDA尝试评估虚拟证据作为真实患者证据的替代方案。2024年8月，我们发表了结果，制定了首个FDA主导的计算机模拟临床试验指南，并建立了一种新的范式，以简化整个临床试验过程并降低风险。
十年间，我们从许多人认为不可能实现的概念走到了监管现实。但构建心脏只是开始。遵循心脏团队设定的模板，我们已将项目扩展到开发其他器官的数字孪生，包括肺、肝、脑、眼睛和肠道。每个器官对应不同的医学领域，拥有自己的社区、数据类型和临床用例。这些团队独立工作，正朝着理解人体的一次突破迈进：一个多尺度、模块化的孪生平台，每个器官孪生都可以插入到一个统一的虚拟人体中。
心脏数字孪生是如何构建的
心脏数字孪生始于医学影像，通常是MRI或CT，或两者兼有。切片被重建为心脏和相连血管的3D几何形状。然后必须将整个器官的几何形状分割成其组成部分，以便每个子结构（心房、心室、瓣膜等）能够被赋予其独特的属性。
此时，模型被转换为一个功能性的计算模型，能够表示各种心脏组织在负载下如何变形——即力学。当我们整合驱动肌肉组织收缩的电纤维网络时，完整的数字孪生模型就变得“有生命”了。
心脏的每个部分，如左心室[左图]，都被叠加了一个详细的数字网格，以重建其生理特性。这些部分组合在一起，形成对整个器官的解剖学精确渲染[右图]。Dassault Systèmes
为了模拟血液循环，数字孪生添加了血流动力学（血液流动和压力的物理学）的计算模型。模型受到血流、瓣膜行为和血管阻力的边界条件约束，这些条件被设定为与人类生理学紧密匹配。这使得模型能够预测血流模式、压差和组织应力。
最后，利用可用的患者数据（如心脏周期中心室容积的变化、压力测量值和电脉冲的时机）对模型进行个性化设置和校准。这意味着数字孪生不仅反映了患者的解剖结构，还反映了其特定心脏的功能。
利用生成式AI构建更大的队列
当2019年FDA的计算机模拟临床试验倡议启动时，项目的重点从这些手工定制的特定患者数字孪生转向了规模足以代表整个试验人群的队列。这种规模之所以可行，只是因为数字孪生与生成式AI已经融合。对数千名患者对治疗的反应进行建模，或预测疾病多年的进展，使用传统的数字孪生仿真速度慢得令人望而却步。生成式AI消除了这一瓶颈。
AI以两种互补的方式增强了数字孪生的能力。首先，机器学习算法在整合构建高保真孪生所需的零散影像、传感器和临床记录方面无与伦比。这些算法快速搜索数千种模型排列，将每种模型与患者数据进行基准测试，并收敛到最准确的表示。曾经需要数月手动调整的工作流程现在可以在几天内完成，这使得在临床中快速生成人群规模的队列或实时个性化单个孪生成为现实。
其次，用来自经过验证的虚拟患者的数据丰富AI模型的训练集，将AI仿真锚定在物理学中。相比之下，许多传统AI对患者轨迹的预测依赖于基于回顾性数据集的统计建模。这些模型可能偏离生理现实，而数字孪生将预测锚定在血流动力学、电生理学和组织力学的规律中。这种增加的严谨性对于研究和临床护理都不可或缺——尤其是在真实世界数据稀缺的领域，无论是因为疾病罕见，还是因为某些患者群体（如儿童）在现有数据集中代表性不足。
实现计算机模拟临床试验
在研究方面，我们于2024年完成的FDA赞助的计算机模拟临床试验项目为医学创新打开了一个新世界。传统的临床试验可能需要十年时间，而90%的新药治疗在这一过程中失败。数字孪生结合AI方法，允许研究人员在模拟人体环境中快速设计和测试治疗方案。借助一个小型数字孪生库，AI模型可以快速创建庞大的虚拟患者队列，以覆盖普通人群的任何子集。随着临床数据的可用，可以将其添加到训练集中，以提高可靠性并实现更好的预测。
“活心脏项目”已扩展到心脏以外的领域，建模全身的器官。3D大脑重建图[上]显示了连接大脑颜色编码区域的大脑白质主要通路。肺部数字孪生[中]结合了器官的几何形状与基于物理的模拟，模拟空气沿气管流入支气管。而患者足部的横截面[下]显示了承重时软组织中的应力点。Dassault Systèmes
虚拟孪生队列可以通过构建因年龄、性别、种族、体重、疾病状态、合并症和生活方式因素而异的个体“虚拟患者”来代表一个现实的人群。这些孪生可以作为AI模型的丰富训练集，将队列从几十人扩展到数十万人。接下来，可以筛选虚拟队列，以识别可能对治疗有反应的患者，从而提高目标人群试验成功的可能性。
试验设计还可以包括对反应可能性较低或风险因素较高的患者类型的抽样，从而允许监管机构和临床医生了解更广泛人群的风险，而不会危及整体试验的成功。这种方法增强了临床研究的精确性和效率，提供了以前只有在多年真实世界证据之后才能获得的人群层面的见解。
当然，尽管今天的心脏数字孪生很强大，但它们并非完美的复制品。它们的准确性受三个主要因素的限制：我们能测量的东西（例如影像分辨率或组织在现实中的行为的不确定性）、我们必须假设的生理学知识，以及我们能验证的真实结果。许多输入，如瘢痕、微血管功能或药物效果，在临床上难以捕获，因此模型通常依赖于人群数据或间接估计。这意味着预测对于某些问题可能非常可靠，但对于其他问题则仍然不太确定。此外，今天的数字孪生缺乏对多年后长期结果的预测验证，因为该技术仅使用了几年。
随着时间的推移，这些限制中的每一个都将稳步缩小。更丰富、更标准化的数据将收紧模型的个性化。AI工具将帮助自动化劳动密集型步骤。而纵向数据的收集将提高模型可靠预测身体随时间演变的能力。
数字孪生将如何改变医疗保健
在整个现代医学中，新技术提高了我们诊断的能力，提供了越来越清晰的图像、实验室数据和分析，告诉医生患者体内正在发生什么。数字孪生改变了这一范式，为临床医生提供了一种预测工具。
这个“活肺”数字孪生模拟显示了呼吸过程中的应变模式。Mona Eskandari/加州大学河滨分校
早期的演示已经出现在许多医学领域，包括心脏病学、骨科和肿瘤学。很快，医生还将能够跨专业协作，使用患者特定的数字孪生作为共同基础，讨论他们无法独立预测的潜在相互作用或副作用。
尽管这些应用需要一些时间才能成为临床护理的标准，但更多的变化即将到来。例如，来自可穿戴设备的实时数据可以持续更新患者的个性化数字孪生。这种方法可以让患者更深入地理解并参与自己的护理，因为他们可以看到医疗和生活方式改变的直接效果。同时，他们的医生可以获得全面的数据馈送，利用数字孪生监测进展。
想象一个数字伴侣，它显示你的特定心脏对不同盐摄入量、压力或睡眠不足的反应。或者一个直观的解释，说明你将进行的手术将如何影响你的循环或呼吸。数字孪生可以消除人体的神秘感，培养患者的信任，并鼓励主动的健康决策。
数字孪生在医学中是如何被使用的？
- 数字孪生已用于指导心血管手术，提供预测并揭示即使是专家临床医生也可能忽略的隐藏细节，如细微的组织反应和血流动力学。
- 肿瘤学家正在模拟肿瘤生长和身体对不同疗法的反应，减少选择最佳治疗方案（无论是医学指标还是生活质量指标）的不确定性。
- 骨科专家正在个性化定制植入物，提供定制解决方案，不仅考虑局部环境，还考虑将决定长期结果的整体身体运动学。
疗愈的新时代
通过“活心脏项目”，我们正在将物理学带回给医生。现代医生不需要成为物理学家，就像他们不需要成为化学家就能使用药理学一样。然而，为了从这项新技术中受益，他们将需要调整自己的治疗方法。
这意味着不再将身体视为离散器官的集合，只考虑症状，而是将其视为一个动态系统，可以被理解，并且在大多数情况下，可以引导向健康。这意味着不再猜测什么可能有效，而是知道——因为仿真已经显示了结果。通过更好地将工程原理融入医学，我们可以将其重新定义为一个精确的领域，植根于不变的自然法则。现代医生将成为真正的身体物理学家和健康工程师。
【全文结束】