人工智能可以生成多个版本的数字心脏 [Adsilico]
这是关于人工智能如何改变医学研究和治疗的六部分系列报道的第一篇。
我面前的心脏跳动和移动得像一个人类器官，但没有血液流过它，也没有生活在人体内。
这是一个计算机生成的心脏，或称为数字孪生，用于测试可植入心血管设备，如支架和人工瓣膜。这些设备在确认安全后，最终将用于真人身上。
但心脏的创造者Adsilico不仅仅创建了一个精确的模型。
利用人工智能和大量数据，他们创建了多个不同的心脏。
这些由人工智能生成的合成心脏不仅反映了生物属性如体重、年龄、性别和血压，还反映了健康状况和种族背景。
由于这些差异通常在临床数据中未得到充分代表，数字孪生心脏可以帮助设备制造商在比人类试验或仅涉及数字孪生而不使用人工智能的试验更广泛的群体中进行试验。
“这使我们能够捕捉到患者解剖结构和生理反应的全部多样性，而这是传统方法无法实现的。这种使用人工智能增强设备测试的方法，使得开发出更加包容和安全的设备成为可能，”Adsilico首席执行官Sheena Macpherson说。
2018年，国际调查记者联盟的一项调查显示，有83,000人死亡和超过170万人受伤是由医疗设备引起的。
Macpherson女士希望人工智能驱动的数字孪生技术能够减少这些数字。
“要真正使这些设备更安全，你需要更彻底地测试它们，但在临床试验环境中这样做是不可行的，因为费用过高，”位于诺森伯兰郡的Macpherson女士说。
“因此，你希望能够在计算机生成的版本中使用，以确保在对人类进行测试之前，你已经尽可能彻底地进行了测试。
“即使是这些死亡人数的一小部分——以及相关的诉讼——本可以通过更彻底的测试避免。你还可以获得更详细的结果。
“你可以用同一个[虚拟]心脏，在低血压或高血压下进行测试，或针对不同的疾病进展，看看这是否会影响设备。”
Macpherson女士补充道：“[虚拟]测试为医疗设备制造商提供了更多的见解。这也意味着我们可以测试其他子患者群体，而不仅仅是传统的临床试验中基于白人男性的群体。”
人工智能可以发现人类可能忽略的模式 [Getty Images]
Adsilico的人工智能模型是在心血管数据和来自真实MRI和CT扫描的数据上训练的，这些数据包括同意患者的医学影像。
数据来源于心脏的详细解剖结构，以帮助创建医疗设备与不同患者解剖结构相互作用的准确数字表示。
Adsilico的试验涉及创建要测试的设备的数字孪生，然后将其插入虚拟心脏中进行人工智能生成的模拟。
所有这一切都在计算机中进行，可以在数千个其他心脏上复制测试——这些心脏都是真实人类心脏的人工智能模拟版本。相比之下，人类和动物试验通常只涉及几百名参与者。
或许对药物和设备制造商来说，补充临床试验的最大激励在于它减少了所需时间，从而节省了大量成本。
例如，制药公司赛诺菲（Sanofi）希望将测试周期缩短20%，同时提高成功率。该公司正在其免疫学、肿瘤学和罕见病专业领域使用数字孪生技术。
使用真实人的生物学数据，赛诺菲创建了基于人工智能的模拟患者——不是特定个体的实际克隆——这些患者可以在试验的对照组和安慰剂组中穿插。
赛诺菲的人工智能程序还会创建要测试的药物的计算机生成模型，综合药物在体内的吸收特性，以便在人工智能患者上进行测试。该程序还会预测他们的反应——复制真实的试验过程。
赛诺菲的Matt Truppo表示：“考虑到新药在临床开发期间的90%失败率，使用数字孪生等技术将我们的成功率提高10%，可能会节省1亿美元，因为后期临床试验的成本很高。”
Truppo先生补充道，目前的结果令人鼓舞。
“还有很多工作要做。我们现在试图影响的许多疾病非常复杂。这就是人工智能工具发挥作用的地方。用准确的人工智能模型来驱动下一代数字孪生，是下一个前沿。”
PA咨询公司的副合伙人、前NHS服务经理Charlie Paterson指出，数字孪生可能存在弱点。
“由于数据收集方法陈旧，以及边缘化人群的代表性不足，我们在编程虚拟个体时仍可能引入一些偏见。”
赛诺菲意识到使用有限的历史数据训练其人工智能的问题，并正在努力解决这一问题。
为了填补其内部数据集中的空白——这些数据集由每年参与其试验的数千名患者提供的数百万个数据点组成——它从第三方来源获取数据，如电子健康记录和生物银行。
回到Adsilico，Macpherson女士希望有一天，人工智能数字孪生技术能够消除临床试验中的动物测试，这目前仍是药物和设备测试过程中的必要部分。
“我们心脏的虚拟模型仍然比狗、牛、羊或猪的心脏更接近人类心脏，这些动物通常是用于可植入设备研究的对象，”她说。
(全文结束)
