在我面前跳动的心脏看起来像一个真实的人体器官，但里面没有血液流动，也没有存在于人体内。这是一个计算机生成的心脏，或称为数字孪生，用于测试可植入的心血管设备，如支架和假体瓣膜。一旦确认这些设备是安全的，最终将被用于真人身上。
但心脏的创造者Adsilico并没有止步于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没有得到充分代表，数字孪生心脏可以帮助设备制造商在比仅使用人类试验或不使用AI的数字孪生进行试验时更广泛的群体中进行试验。
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。使用AI增强设备测试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，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AI驱动的数字孪生技术可以减少这些数字。“要真正使这些设备更安全，需要更彻底地测试它们，而在临床试验环境中这样做是不可行的，因为费用过高，”她说。“因此，您希望使用计算机生成的版本，以确保在进行人体测试之前尽可能彻底地进行了测试。即使是一小部分死亡和相关诉讼也可以通过更彻底的测试避免。您还可以获得更详细的结果。您可以使用同一颗[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，以查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在其他子患者群体中进行测试，而不仅仅是传统的白人男性。”
Adsilico的AI模型是基于心血管数据和来自真实MRI和CT扫描的数据训练的，包括同意患者的医学影像。这些数据来自心脏的详细解剖结构，帮助创建准确的数字表示，展示医疗设备将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生成的模拟虚拟心脏中。所有这一切都在计算机内部进行，测试可以在数千个其他心脏上重复进行——这些心脏都是AI模拟的真实人类心脏。相比之下，人类和动物试验通常只涉及几百名参与者。
或许，药物和设备制造商补充临床试验的最大动力在于它可以减少所需的时间，从而节省大量成本。例如，药物制造商赛诺菲希望将测试周期缩短20%，同时提高成功率。该公司在其免疫学、肿瘤学和罕见病专业领域使用数字孪生技术。使用真实人的生物数据，赛诺菲创建了基于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穿插使用。赛诺菲的AI程序还会创建要测试的药物的计算机生成模型，合成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——复制真实的试验过程。
赛诺菲全球研究平台和计算研究与开发负责人Matt Truppo说：“考虑到临床开发中新药的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非常高。”到目前为止，结果是令人鼓舞的。Truppo先生补充道：“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AI工具发挥作用的地方。用准确的AI模型为下一代数字孪生提供动力是下一个前沿。”
PA咨询公司的副合伙人Charlie Paterson，前NHS服务经理指出，数字孪生可能有弱点。他指出，孪生的质量仅取决于其训练数据的质量。“由于数据收集方法过时，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。”
赛诺菲意识到并正在解决使用有限的遗留数据训练AI的问题。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AI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。“虚拟模型的心脏仍然比狗、牛、羊或猪的心脏更接近人类心脏，后者通常是用于可植入设备研究的对象，”她说。
(全文结束)
