在我面前跳动的心脏看起来像一个真实的人类器官，但它内部没有血液流动，也没有存在于任何人体内。这是一颗计算机生成的心脏，或称为“数字孪生”，用于测试可植入的心血管设备，如支架和人工瓣膜。一旦确认这些设备安全，最终将应用于真实的人体上。
但心脏的创造者Adsilico并不满足于仅创建一个精确的模型。通过使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AI生成的合成心脏不仅可以反映体重、年龄、性别和血压等生物属性，还可以反映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，因此数字孪生心脏可以帮助设备制造商在比人类试验或不使用AI的数字孪生试验更广泛的人群中进行试验。
Adsilico首席执行官Sheena Macpherson表示：“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，这是传统方法无法实现的。这种使用AI增强设备测试的方法可以开发出更具包容性和更安全的设备。”
2018年，国际调查记者联盟的一项调查显示，医疗设备导致了83,000人死亡和超过170万人受伤。Macpherson女士希望AI驱动的数字孪生技术能够减少这些数字。“要真正让这些设备更安全，你需要更彻底地测试它们，但由于费用问题，在临床试验环境中这样做是不可行的，”北安普敦的Macpherson女士说。“因此，你希望使用计算机生成的版本，确保在对人类进行测试之前，尽可能彻底地进行了测试。即使减少这些死亡的一部分——以及相关的诉讼——也可以通过更彻底的测试避免。你还可以获得更详细的结果。你可以用同一颗[虚拟]心脏测试低血压或高血压，或不同疾病的进展，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，而不仅仅是传统的基于白人男性的临床试验。”
Adsilico的AI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，帮助创建准确的数字表示，展示医疗设备如何与不同患者的解剖结构相互作用。
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AI生成的模拟心脏中。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——所有这些都是真实人类心脏的AI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。
对于药物和设备制造商来说，使用AI数字孪生补充临床试验的最大激励之一在于它减少了所需的时间，从而节省了大量成本。例如，药物制造商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、肿瘤学和罕见疾病专业领域使用数字孪生技术。
使用真实人的生物数据，Sanofi创建了基于AI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分散。Sanofi的AI程序还创建了要测试的药物的计算机生成模型，综合了药物如何在体内吸收等属性，以便在AI患者上进行测试。该程序还会预测他们的反应——模拟真实的试验过程。
Sanofi全球研究平台和计算研究与开发负责人Matt Truppo表示：“鉴于晚期临床试验的高成本，如果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，因为新药在临床开发期间的失败率高达90%。”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都非常复杂。这就是AI工具发挥作用的地方。使用准确的AI模型来构建下一代复杂的数字孪生是下一个前沿。”
PA Consulting的副合伙人、前NHS服务经理Charlie Paterson指出，数字孪生可能有弱点。他指出，孪生的质量取决于其训练数据的质量。“由于过时的数据收集方法和边缘化人群的低代表性，我们在编程虚拟个体时仍可能引入一些偏见。”
Sanofi意识到其内部数据集存在限制，并正在努力解决这一问题。为了填补内部数据集的空白——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——Sanofi从第三方来源获取数据，如电子健康记录和生物样本库。
回到Adsilico，Macpherson女士希望有一天AI数字孪生技术能够消除临床试验中的动物试验，这目前仍然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)
