一位女性因未诊断的心脏病发作而受苦。与其让她尝试不同的药物来找到最适合持续治疗的药物，医生们反而生成了她心脏的数字模型，该模型基于简单的测试和人工智能（AI）。模型迅速评估了她对各种药物的可能反应，并选择了最有可能有效的药物。通过这种定制治疗，她迅速康复。继续用她的数字心脏进行监测，帮助她在回家后维持良好的生活质量。
这一场景正逐渐成为现实，这要归功于日本神奈川县和京都NTT通信科学实验室的研究人员。
数字孪生的先驱者
NTT团队正在将AI应用于心脏病的监测和护理，重点放在生成模型上，这些模型利用数据中的模式生成可能的未来结果。“生成模型有潜力模拟复杂的生物功能以及身体对不同情景的反应，”NTT CSL的人工智能专家胜野邦夫表示。“最终，我们旨在创建涵盖整个个体的多层次计算模型——即患者的数字孪生。”该团队希望有一天，他们的数字孪生模型能够监测身体各个层面的多种生物过程，从宏观到微观。这将包括模拟分子和细胞之间的连接，并观察主要器官在疾病发生前、中、后的变化。“这是我们的终极愿景，”胜野说，“但目前，我们专注于建模心脏。”选择心脏的一个原因是心血管疾病是全球领先的死亡原因。“我们希望为个性化的心脏监测和治疗提供新的方法，”胜野说。
整合物理与数字世界
“这个项目的关键在于加强物理和数字世界之间的联系，”NTT CSL的AI专家中野正宏表示，他专门研究统计机器学习模型。“由于准确的模型需要来自高质量传感设备的强大数据集，我们正在设计多模态心脏监测设备，这些设备将舒适且易于使用。”为了优化监测，确保其能够在自然、日常环境中进行，团队设计了一种便携式生物传感器，该传感器可在人们日常生活中提供实时数据。这种名为远程听诊器的设备处于原型阶段，可同时记录心电图读数、心音和振动。这些时间序列数据对临床诊断、基本心脏生物学和罕见疾病的理解都具有重要价值。
“及早发现疾病的早期迹象还可以激励人们改变生活方式，”中野说。“这可以改善患者的生活质量，同时提高他们的整体预后。”除了生成跳动心脏的动态图像外，远程听诊器的心脏振动和声音分析还可以告诉临床医生很多关于心脏健康的信息，中野指出。
团队最初尝试使用通用的生成AI模型。但他们发现，引入先验知识（如物理约束）有助于改进从体表收集的声音转换为体内心脏图像的过程，并估计由心脏产生的内部振动。通过结合心脏特定的物理规则，模型的整体性能得到了提升。针对该模型的改进研究正在进行中。
优化建模
除了开发传感技术以向AI模型输入高质量数据外，NTT团队的生成建模方法还基于三个关键特征。
首先，每个模型必须对所有用户透明且可解释，从专家到非专业人士。为此，研究人员为他们的设备创建了一个用户界面。自然语言模型用于将数据转换为文本，明确解释患者的心脏活动及其含义。这包括建议患者何时咨询医生或专家。
第二个关键目标是模型必须具有自结构化能力，能够根据新输入的数据自主调整表示形式。“当模型面对潜在无限的数据时，这种自结构化能力至关重要，”中野说。
第三个目标是模型必须能够从尽可能多的不同数据源中学习。这被称为元学习，对于研究罕见疾病尤为重要，因为患者数据非常有限。NTT CSL的机器学习专家岩田友治正在利用元学习为此目的输入医疗数据，这些数据既来自患有罕见疾病的患者，也来自患有其他更好理解的心脏病的患者。模型将识别疾病及其相关症状之间的共性和差异。“我们还加入了大型语言模型，”岩田说。“这意味着我们可以将来自多个基于文本的来源的信息，如网站内容和医生的咨询笔记，纳入我们的分析。”
他们对罕见疾病的初步建模结果已在最近的会议上展示，这激发了进一步更具体试验和潜在应用的建议。
扩展AI应用
AI的另一个潜在用途是在工程心脏组织建模中。与大阪大学的研究人员合作，胜野和他的同事们正在探索模拟是否可以替代大阪大学实验室中生长的“生物心脏”。生物心脏可用于评估不同药物对该患者的疗效。然而，创建生物心脏耗时且技术难度大。在数字世界中实现工程心脏组织可能会更容易。“我们的计算机视觉技术可以测量心脏组织的微小运动，”胜野说。“我们可以利用这一点来帮助创建像小儿限制性心肌病这样的条件的数字平行模型，”他补充道，这是一种基于特定DNA突变的遗传性疾病。
与 sakakibara 心脏研究所的医生合作，岩田和他的同事们还在探索数字孪生在心肺运动测试中的潜力，该测试通常用于测量心脏和肺部对剧烈运动的生物反应。心肺运动测试可以帮助医生确定给定患者情况和用药方案下最有效的运动水平。“虽然该测试是非侵入性的，但存在潜在风险，因为它确实会将患者推向极限，尤其是在康复期间，”岩田说。
岩田建议，患者的数字心脏模型可以通过严格的测试来安全地找到最佳运动计划。该模型还可以模拟特定药物剂量在特定运动水平下的心脏反应。“我们对生成模型的广泛应用感到兴奋，”胜野总结道。“我们使用AI的多方面方法在个性化和优化医学、治疗和康复方面显示出巨大的前景。”
(全文结束)
