在9月举行的第12届海德堡获奖者论坛上，阿曼达·兰德尔取得了独特成就：她成为首位先以杰出青年研究者身份（2013年）参会，后又以ACM计算奖得主身份重返论坛并作主题演讲的参与者。她因在“革新医学诊断”方面的工作荣获2023年ACM计算奖。
现任杜克大学（Duke University）生物医学工程副教授的兰德尔正在开发血管数字孪生：即患者血管系统的虚拟副本。这些数字孪生会随患者变化而演变，并部分基于可穿戴设备的数据。她的长期愿景是，未来这些数字孪生将用于预测和预防疾病，首先从心脏病发作开始。
兰德尔在论坛结束数周后接受贝尼·莫尔斯采访时，讨论了她的演讲《血管数字孪生：从算法到主动患者护理》。
在开发血管数字孪生方面，您最自豪的成果是什么？
我为多项突破感到自豪。其中影响最大的一项是，我们现在可以将三维血流模拟持续更长时间。此前，我们仅限于约30次心跳。去年，得益于新计算算法，我们将此扩展至六周（约450万次心跳），误差低于1%。这是一个根本性变革。它将使我们发现新的生物标志物。例如，我们可能很快就能回答：在您开始感到心脏问题症状的一周前，左冠状动脉（left coronary artery）血流中的涡度（vorticity）是否发生了变化？
今年9月的另一项里程碑：我们证明血管数字孪生可以匹配患者心脏中测量动脉压力的植入式传感器的实际测量数据。这项工作是直接利用可穿戴传感器数据驱动数字孪生的关键一步，实现了全天候动态、无创监测，甚至超越临床环境。
您如何构建血管数字孪生？
首先，我们需要血管系统的正确几何结构。为此，我们使用医学成像，最常见的是CT或MRI扫描。只要图像准确反映患者当前解剖结构，我们就能进行可靠模拟。然而，如果斑块形成且旧扫描不再匹配实际几何结构，数字孪生将不可靠，我们必须基于更新的成像生成新的模型。
其次，为定义模拟的边界条件，我们需要患者特异性数据：例如，我们建模的血管区域的血液流入率，或红细胞浓度（决定血液粘度）。
第三，我们整合相关病史，如患者是否有高血压或微血管疾病。
一旦获得几何结构和边界条件，您如何运行模拟？
在发现阶段，当我们还不知道哪些模式重要时，我们依赖高分辨率三维血流模拟。这些模拟使我们获得新见解，但也生成PB级数据。一旦识别出关键模式（例如肺动脉充盈压力可预测心肌梗死），我们就能使用AI替代模型（AI surrogate model）以更少细节但更高效率模拟血流。
哪项突破使您能模拟数百万次心跳而非仅数十次？
关键在于我们称之为“时间并行”（parallel-in-time）方法。我们将长序列心跳分割为多个短单元，每个单元代表更大拼图的一块。然后并行模拟所有单元，并将结果拼接成一个连续血流模型。这提供了巨大加速，甚至减少总计算量，因为许多血流模式随时间重复。
这些血管孪生离临床应用还有多远？
我预计血管数字孪生将在未来五年内投入市场。我们已证明其可行性，现正准备与能将技术带给患者的公司合作。事实上，美国食品药品监督管理局（FDA）已批准个性化建模工具；例如，预测血流储备分数（fractional flow reserve）的工具，该分数衡量冠状动脉狭窄对心脏血流的限制程度。心脏病专家已用这些工具判断阻塞是否严重到需支架置入（stent placement）。这些模型为更全面的数字孪生方法铺平道路。
构建血管数字孪生的剩余重大挑战是什么？
我们团队正推进长期血流绘图研究，并将可穿戴设备数据整合到数字孪生中。将此工作转化为临床实践仍是重大挑战。另一关键障碍是识别有助于预测疾病的新生物标志物。从技术角度看，数据量是最大障碍之一：如何存储？如何有效分析？
一个独特挑战（我团队半数人员正致力于此）是弥合血流宏观层面与单个细胞微观层面之间的鸿沟。弥合此鸿沟将使我们提出全新问题：红细胞如何随年龄变化？单个癌细胞在血流中如何行为？
迄今为止，我们能模拟的最佳成果是3mm血液立方体（含约5.8亿红细胞）。从计算角度看这是重大成就，但仍远未实现追踪单个细胞在体内行为的目标。达到该水平需计算机科学的重大突破。
贝尼·莫尔斯（Bennie Mols） 是荷兰阿姆斯特丹的科技作家。
【全文结束】
