埃因霍温理工大学
如果新型医疗手段能在计算机上完成全部测试——完全无需涉及人类或动物实验，这将成为可能吗？彼得·希尔霍斯特的博士研究正朝此方向迈出第一步。这位埃因霍温理工大学研究人员开发计算机模型，利用"虚拟病人"数据改进医疗诊断，并预测手术和药物的有效性。
消息来源：Cursor / Martina Silbrníková
希尔霍斯特的博士项目隶属于欧洲"地平线"计划中的"硅基世界"（In Silico World），该计划聚焦计算机模拟临床研究。"我们有'体内'研究，指在人体或动物体内进行的实验，"希尔霍斯特解释道，"'体外'指在实验室完成的研究，例如使用培养组织。而'硅基'（in silico）则指基于患者数据和模拟的计算机研究。"
该项目探索如何将硅基研究融入真实临床工作流，并处理从法律框架到伦理问题的多维度挑战。希尔霍斯特本人专注于改进现有方法，以实现更精确的计算机模拟。
模拟技术
计算机模拟可支持精准诊断，并帮助测试医疗程序和药物的有效性。其主要优势在于能减少动物实验需求，同时缩小临床试验的患者规模。模拟技术还可在实际临床试验启动前预先验证假设，预判可能结果。
"这不能保证现实结果完全一致，但能指引正确方向，"希尔霍斯特表示，"通过更有针对性的研究，既能节省时间与资金，又能避免让患者承受新疗法或药物的风险。"
动脉狭窄研究
硅基试验理论上适用于多种医学研究——从结核病到骨伤。希尔霍斯特的博士课题聚焦心血管领域，特别是血管系统。"埃因霍温卡萨琳娜医院开展了冠状动脉疾病的临床研究，我尝试在计算机上复现这些研究，"他解释道。
"冠状动脉疾病会导致动脉狭窄，减少狭窄部位后的血流——即'狭窄区'，"他继续说明，"由于心肌供血不足，患者可能产生心绞痛：由心肌缺氧引发的胸痛或压迫感。严重时动脉完全堵塞将导致心脏病发作。"
临床基准
当胸痛患者入院时，常进行血管造影检查。通过向冠状动脉注入造影剂，医生能在X光下观察血管。"基于这些影像，医生评估狭窄程度并决定是否需要干预——但这存在主观性且准确性不足。"
为此，卡萨琳娜医院开发了测量狭窄前后压力的方法，生成所谓FFR值（血流储备分数）。"这提供了更客观的评估，"希尔霍斯特说，"若狭窄后压力比值高于0.8，通常可用药物治疗；低于该阈值则需支架等干预措施。"该方法成效显著，现已成为全球临床标准。"我们正研究能否构建预测该关键值的模型——避免频繁进行直接测量。毕竟这类测量存在风险，仅在必要时才实施。"
虚拟病人队列
遗憾的是，该研究的临床数据常不完整或不一致。"我们的模型含35个参数，但每位患者仅能填入3-4个，"希尔霍斯特解释，"医院场景中，医护人员首要任务是救治患者，而非收集模型所需全部数据点。"
为解决数据缺口，希尔霍斯特生成了大量合成病人数据。"我们称之为合成虚拟病人队列。它们并非真实个体，但具备生理真实性，"他表示，"模型输入广泛数值范围，并依据自然生理边界筛选数据以确保真实性。"模型计算出的FFR值与真实患者数据对比显示：模拟结果与现实数据高度吻合。
三维结构优化
下一步是改进模型。"敏感性分析表明，我们需要更精确地呈现狭窄形态，"希尔霍斯特指出，"我们发现合成患者队列中的狭窄总遵循完美正弦曲线，而真实患者的情况更不规则多变。"
为提升数据代表性，他在模型中整合了狭窄的三维模拟。"模型越复杂，所需算力越高——始终需在速度与精度间权衡。"通过将三维结构融入简化的一维模型，系统现可在数小时内完成模拟，且结果更精准。
奠定研究基础
"最终这些模拟需反复验证，持续优化模型直至虚拟病人队列真实反映人群特征，"希尔霍斯特表示。他坦言前路漫长，需大量测量来验证并落实该模型。"但通过博士项目，我已为如何运用合成虚拟病人队列开展此类研究奠定了基础。"
【全文结束】
