为什么“数字双胞胎”可以加速药物发现

我面前的心脏像人体器官一样跳动和运动，但它没有血液流过，也不是存在于人体中的。

它是计算机生成的心脏或数字双胞胎，用于测试植入式心血管设备，例如支架和人工瓣膜，一旦确认它们是安全的，最终将用于真人。

但心脏的创造者 Adsilico 不仅仅创造了一种精确的模型。

利用人工智能和大量数据，他们创造了多个不同的心脏。

这些人工智能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。

由于这些差异通常不会在临床数据中体现，因此与人体试验或仅涉及没有人工智能的数字双胞胎的试验相比，数字孪生心脏可以帮助设备制造商在更多样化的人群中进行试验。

– 这使我们能够捕捉患者解剖结构和生理反应的全部多样性，这是使用传统方法不可能实现的。

使用人工智能来增强设备测试可以开发出更具包容性和更安全的设备。”Adsilico 首席执行官 Sheena Macpherson 说道。

2018年，公安部调查国际调查记者联盟据透露，医疗器械造成 83,000 人死亡和超过 170 万人受伤。

麦克弗森女士希望人工智能驱动的数字双胞胎能够减少这些数字。

——为了真正让这些设备更安全，你需要对它们进行更彻底的测试，但由于成本高昂，在临床试验环境中做到这一点是不可行的，”位于诺森伯兰的麦克弗森女士说。

“所以你希望能够使用计算机生成的版本，以确保无论你在做什么，在对人体进行测试之前都已经尽可能彻底地对其进行了测试。

如果进行更彻底的检测，即使只有一小部分死亡以及相关的诉讼也可以避免。您还可以获得更详细的结果。

“你可以使用同一个[虚拟]心脏，然后在低血压或高血压下进行测试，或者针对不同的疾病进展进行测试，看看这是否会以任何方式影响设备。”

Macpherson 女士补充道： – [虚拟]测试为医疗设备制造商提供了更多见解。这也意味着我们可以在其他亚患者群体中进行测试，而不仅仅是传统上临床试验所依据的白人男性。”

Adsilico 的人工智能模型结合了心血管数据以及来自真实 MRI 和 CT 扫描的数据（包括来自同意患者的医学成像）进行训练。

这些数据取自心脏的详细解剖结构，有助于创建医疗设备如何与不同患者解剖结构相互作用的准确数字表示。

Adsilico 的试验涉及创建待测试设备的数字双胞胎，然后在人工智能生成的模拟中将其插入虚拟心脏中。

这一切都发生在计算机内，测试可以在数千个其他心脏上复制 - 所有真实人类心脏的人工智能模拟版本。另一方面，人体和动物试验往往只涉及数百名参与者。

也许药物和设备制造商用人工智能数字孪生来补充临床试验的最大动机是它如何减少所需的时间，这也转化为巨大的成本节省。

例如，制药商赛诺菲希望将测试时间缩短 20%，同时提高成功率。它正在免疫学、肿瘤学和罕见疾病专业领域使用数字孪生技术。

赛诺菲利用真人的生物数据创建基于人工智能的模拟患者，而不是特定个体的实际克隆，这些患者可以散布在试验中的对照组和安慰剂组中。

然后，赛诺菲的人工智能程序还创建计算机生成的待测试药物模型，综合药物如何被全身吸收等特性，以便可以在人工智能患者身上进行测试。该程序也会预测他们的反应——复制真实的审判过程。赛诺菲

阶段临床试验，”赛诺菲研究平台和计算研发全球主管 Matt Truppo 说道。

驻美国波士顿的特鲁波先生补充道，到目前为止，结果令人鼓舞。

——还有很多事情要做。我们现在试图解决的许多疾病都非常复杂。这就是人工智能等工具的用武之地。利用复杂人类生物学的准确人工智能模型为下一代数字孪生提供动力是下一个前沿领域。

PA Consulting 的副合伙人、前 NHS 服务经理查理·帕特森 (Charlie Paterson) 表示，数字孪生可能存在弱点。

他指出，这对双胞胎的好坏取决于他们接受训练的数据。

“[由于]陈旧的数据收集方法以及边缘化人群的代表性较低，当我们对个人进行虚拟娱乐编程时，我们最终可能仍然会引入一些偏见。”

使用有限的遗留数据来训练人工智能是赛诺菲意识到并努力解决的一个问题。

为了填补其内部数据集（由每年接受试验的数千名患者的数百万个数据点组成）的空白，它从第三方获取数据，例如电子健康记录和生物库。

回到 Adsilico，Macpherson 女士希望有一天人工智能数字孪生技术能够消除临床试验中的动物测试，目前临床试验仍被认为是药物和设备测试过程的重要组成部分。

“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，这往往是他们用于植入设备研究的模型，”她说。