一个跨学科的UMBC研究团队最近获得了国家科学基金会（NSF）的资助，以扩展数字孪生技术的应用，用于诊断、治疗和增加对神经退行性疾病的了解。数字孪生技术——即物理对象的虚拟模型——最早由NASA的科学家和工程师在1960年代开发。在过去十年中，这项技术在各个行业中越来越受欢迎，并且最近被用于推进医疗诊断和治疗，数学与统计学教授Snigdhansu（Ansu）Chatterjee解释道。
Chatterjee是UMBC领导的这项研究的主要调查员，他将更深入地研究数字孪生技术在神经退行性疾病中的应用，该研究得到了NSF的“数字孪生作为生物医学技术创新催化剂”（FDT-BioTech）计划近90万美元的资助。该计划与美国国立卫生研究院和食品药品监督管理局合作，旨在促进数学、统计学、计算科学和工程的发展，以开发能够结合人工智能能力的响应式数字孪生模型。UMBC是七所获得研究资金以探索数字孪生在医疗保健和生物医学研究中的发展和应用的机构之一。《华盛顿邮报》在一篇关于数字孪生技术演变及其可能改变医疗保健的文章中提到了FDT-BioTech计划。
UMBC团队将致力于开发其数字孪生模型的原型，供神经科学研究人员可能使用。该研究还将解决在医疗保健背景下使用数字孪生模型以及利用磁共振成像技术（MRI）研究神经退行性疾病时涉及的伦理、法律和社会影响。“有关AI模型的伦理问题和数据使用方式有很多问题，这在生物学和医疗保健领域尤为重要，”Chatterjee说。“所有优秀的科学家都会遵守伦理规范，我们正在定义在使用这项技术研究阿尔茨海默病、帕金森病和多发性硬化症等神经退行性疾病时应遵循的伦理规范。”
主要调查员Snigdhansu（Ansu）Chatterjee（左）和共同调查员Karuna Joshi及Animikh Biswas是“FDT-BioTech：数字孪生在神经影像学中的应用”研究的负责人，该研究由国家科学基金会资助。该研究将持续到2027年，包括信息系统的教授Karuna Joshi和数学与统计学教授兼系主任Animikh Biswas作为共同调查员。此外，合作伙伴还包括来自明尼苏达大学和德克萨斯大学埃尔帕索分校的研究人员。该项目还将提供资金支持两名研究生和一名博士后研究员，他们在工程、数学或统计学方面有专长。Joshi是UMBC实时加速分析中心的主任，她指出，AI模型在健康预测、诊断和确定治疗方案方面的使用有所增加。
“数字孪生技术的可解释性和可重复性元素是该技术变得流行的关键原因，”Joshi说。“我们希望开发一种‘元模型’，涵盖所有将运行我们研究的神经影像的各种模型，以便可以解释、存档和审计。”Joshi补充说，这项研究将实现“思想的交叉融合”，工程学、科学、数学、统计学和医疗保健将以非常独特的方式交汇。
(全文结束)
