在医疗保健领域，我们越来越频繁地听到“数字孪生”这个词。在最近与杜克大学计算与数字健康创新中心主任阿曼达·兰德尔斯博士的对话中，她阐述了这一更广泛的概念以及她实验室正在进行的工作。
兰德尔斯在杜克大学的实验室开发了HARVEY（以17世纪外科医生威廉·哈维命名，他因首次描述循环系统而闻名）。她的实验室将其描述为“一种心血管数字孪生引擎，旨在模拟整个人体血管系统中的患者特异性血流和血管动力学。HARVEY能够实现基于图像、物理驱动的血流建模，范围从大动脉到微循环，其计算规模此前在生物医学模拟中无法达到。”
Healthcare Innovation：您能否先描述一下您实验室的工作？
兰德尔斯： 我们实验室专注于创建大规模数字孪生，将高性能计算与基于物理的建模、人工智能以及大量计算流体动力学相结合，以辅助疾病的早期诊断。
HCI：您同时也是杜克大学计算与数字健康创新中心的主任。还有其他类型的数字健康创新项目正在进行中吗？
兰德尔斯： 是的。我们有可穿戴设备领域的专家，有增强现实和扩展现实领域的专家。这融合了计算数字健康领域的不同方向。
HCI：您能否从更广泛的角度谈谈医疗保健中的数字孪生概念？这个领域是否有许多令人兴奋的工作？
兰德尔斯： 有很多例子。这确实还处于早期阶段，但我们看到了许多应用和热情。像HeartFlow和CathWorks这样的公司，以及该领域的许多其他公司，都在使用非侵入性方法来获取他们关注的目标——血流储备分数。这是医生用来判断是否需要放置支架的指标。如果冠状动脉有病变，他们试图判断是否应该放置支架——缺血有多严重——这实际上取决于狭窄处的压力梯度。传统上，需要将导丝放入动脉，测量病变前后的压力，然后取这两个压力的比值。现在，他们使用这些FDA批准的工具，通过基于物理的计算模型非侵入性地完成这一过程。他们为患者创建数字孪生，在该数字孪生中运行血流模拟，然后在数字孪生中测量血流储备分数，而不是在患者体内。
HCI：创建患者数字孪生需要什么？影像？
兰德尔斯： 影像很重要。每个人的解剖结构都不同，因此确实需要定制的解剖模型。每个工具都有不同的方法。有些基于MRI，有些基于CT，有些则基于常规冠状动脉造影。但需要某种方式获得3D解剖模型。然后，每个工具都为物理模型设置边界条件的方式略有不同。这些工具都运行基于物理的血流模拟。
HCI：您能谈谈HARVEY的开发过程吗？
兰德尔斯： 我们从2009年或2010年就开始开发HARVEY。它随着时间的推移不断演变。最初，它与血流储备分数的概念非常吻合。早在2009年，运行这些血流模拟需要世界上最大的超级计算机。我们2010年的模拟使用了当时世界上最大的超级计算机的全部算力，运行一个心跳需要六个小时。
我们的目标是运行更长时间的高分辨率模拟。我们正在运行三维流体动力学模拟。最初我们只希望获得一个足够高分辨率的心跳，以便做一些有用的事情。过去15到20年，我们一直在努力让它更快，不再需要整个超级计算机，并能在云端运行。现在我们还将其连接到可穿戴设备，这样我们不仅可以获得一个心跳，还能驱动血流模拟并捕获更长时间段的3D血流模型。HARVEY实际上是进行计算流体动力学物理模拟的引擎。
HCI：从临床医生的角度来看，其价值是否与您描述的用例相同——即判断某人是否需要支架？或者还有其他心脏病学用例？
兰德尔斯： 最初我们主要关注诊断问题：是否需要支架。但通过将其连接到可穿戴设备，我们试图确定是否能在早期非侵入性地发现异常。最近我们在心力衰竭方面做了很多工作。对于心力衰竭，目前需要植入式传感器来测量肺动脉压力。我们一直在将HARVEY的结果与这些传感器进行比较，看看能否非侵入性地获得肺动脉压力。这些传感器只能在患者躺下时每天测量一次，因此会遗漏诸如运动反应、心脏恢复情况等动态数据。所以我们正在努力获取更完整的患者画像。
我们还进行了许多超越心脏的研究。我们研究了脑血管和动脉瘤风险。凡是存在大血管狭窄的地方，我们都在拓展到身体的其他部位。
HCI：心脏病专家和其他临床医生对此接受吗？是否需要大量说服或解释，告诉他们这在某些情况下可能比他们习惯的金标准更好？
兰德尔斯： 他们非常支持。心脏病学领域一直是比较前瞻的，并且对这类研究持开放态度。HeartFlow真正奠定了这种技术有用的基础。
我们做了很多研究，探究如何将数据以有用的方式反馈给心脏病专家。我们做了很多将HARVEY与扩展现实和增强现实交互相结合的工作。其中许多研究是与杜克大学心脏病学系合作完成的。在进行这些用户研究时，很难约到医生的时间，因为他们很忙，但他们对此非常兴奋，愿意花几个小时与我们一起探索虚拟现实及其功能。
HCI：我了解到HARVEY也可以扩展到癌细胞以及驱动疾病发展的因素……
兰德尔斯： 我们实验室的一部分工作专注于细胞力学。我们可以模拟可变形的红细胞。我们有癌细胞、红细胞，还能处理粘附。我们深入到单个配体-受体配对的精细尺度。我们可以模拟癌细胞在体内的移动，捕获单个配体-受体键的形成，观察这些相互作用如何影响癌细胞，它在体内不同位置停留的时间，以及力如何与其相互作用。由于我们专注于大规模计算，我们可以模拟癌细胞周围数亿个红细胞，并真正观察它在真实几何形状的体内如何相互作用。其中一个问题是：能否理解癌细胞在血管壁不同位置停留更长时间的原因？目标是找到新的治疗靶点。
HCI：那么这涉及与肿瘤学研究人员的合作吗？
兰德尔斯： 是的。还有生物工程和机械工程师。我们正在与生物打印不同微芯片的实验室合作，然后我们可以通过微芯片进行癌细胞实验，确保我们真正捕获了癌细胞的相关特性。
HCI：我们正在报道临床领域涉及大语言模型的AI相关创新的大量涌现。AI是否也影响了这类研究？
兰德尔斯： 我们大量使用AI，但方式略有不同。我们利用AI模型，并使用AI分析大型模拟的结果，试图理解：这些生物标志物是什么？例如，我们知道肺动脉压力在心力衰竭发作前几周会发生变化；它具有预测性和诊断性。它可以帮助我们识别。但有没有提前六周就变化的生物标志物？这需要梳理每个个体数PB的数据，试图找到那个生物标志物。一个可以在边缘部署的AI替代模型在计算上要高效得多。
HCI：您认为数字孪生的概念会变得更加普遍，并且我们从事医疗保健行业的读者很快就会更加熟悉它吗？
兰德尔斯： 我认为这100%是趋势，而且不是20年后的事情，对吧？我认为未来几年内我们将看到它们变得更加普遍。我们最近的一项重大创新是，我们有了一个新算法，不仅可以模拟一个心跳，还可以模拟六周的时间。本周，我们将尝试运行第一次模拟，模拟某人一整年的3D血流。
我们正在转变，使用这些新算法来覆盖更长的时间段。这之所以重要，是因为我们现在有可穿戴设备来获取这些数据。几年前，当这些设备还不普及时，我们不需要模拟超过几个心跳，因为根本没有输入数据。现在这打开了局面。随着越来越多的人使用可穿戴设备，你可以在日常生活中获得连续数据。许多数字孪生现在可以利用我们获得的所有这些数据。这将是一个重大的转折点——我们终于有了这些数据，也有了AI的进步，现在我们可以真正整合所有这些多模态数据，我们正处于能够利用这些数据有所作为的临界点。
关键要点：
- 数字孪生（如杜克大学的HARVEY）可模拟患者特异性血流，辅助心脏病学及其他领域的诊断和治疗决策。
- 该技术利用高性能计算、人工智能和先进成像技术，创建详细、实时的人体生理模型。
- 应用范围从心血管健康扩展到癌症研究，并与生物工程、肿瘤学和机械工程领域持续合作。
【全文结束】