ACM通信
医疗数字双胞胎:新前沿
研究人员开始设想开发一种全面的“医疗数字双胞胎”，这是一种可以实例化一个人的总体健康状况的软件。
信贷:哈里Harikrishnan
去年，一种治疗1型糖尿病的新产品上市了:a人类胰腺的“数字双胞胎”．病人身上配备有血液传感器和胰岛素泵。该传感器不断地将胰岛素水平的数据发送到一个看起来有点像手机的设备上，该设备运行着葡萄糖代谢的数学模型。该模型根据患者的健康状况和个人特征(如性别、年龄、体重和活动水平)进行校准。该模型与闭环控制算法相连接，驱动泵，在需要时注射所需数量的胰岛素。
这对数码双胞胎不仅使病人不必一天几次扎针取血样，而且还优化了胰岛素的用量——就像健康的人类胰腺一样。
随着这种模式的成功，研究人员开始设想开发一个全面的“医疗数字双胞胎”，这是一个人的总体健康状况的软件实例。这方面的一个领导者是Reinhard Laubenbacher他是佛罗里达大学系统医学实验室的主任。
医学数字双胞胎的挑战是巨大的，但劳本巴赫已经准备好了。他于1985年获得西北大学数学博士学位，过去20年一直从事系统生物学研究。“就像他们说的，要么做大，要么回家，”他说。“在我职业生涯和生活的这个阶段，这就是我需要做的。”
数字双胞胎在工业上被广泛使用。例如，一个喷气式引擎的数字孪生引擎利用物理引擎中传感器的实时数据，对引擎的功能进行短期预测。双胞胎可以作出调整，以防止故障或优化性能，并可以识别故障或失效的组件，以检查在下一次维护。最复杂的数字双胞胎能够通过从他们的预测与实际发生的偏离的情况中学习来自我改进。
医学数字双胞胎将获取个人的健康信息，包括连接在人体上的传感器的数据，并将这些数据输入一个包含所有主要生物系统的模型，从器官到细胞，甚至分子水平。医生可以将数字双胞胎用于多种目的，比如预测特定个体对给定治疗的反应。
然而，这样全面、详细的模型还遥遥无期。正如劳本巴赫所说:“我们正处于第一步。”
一个更温和但仍然雄心勃勃的目标是创造一个免疫系统的数字双胞胎。去年，劳本巴赫促成了一项纸关于这个问题，发表在美国国家科学院学报．这篇论文反映了这个问题的跨学科性质，劳本巴赫与来自医学和计算机科学学术部门的十几位同事，以及一家科技公司合作完成。
当免疫系统对入侵者做出反应时，它就会整理一些关键的生物过程，如白细胞、抗体和淋巴系统。辅助器官包括皮肤和肺部。Laubenbacher说:“全世界有成千上万的实验室在研究这些不同的方面。”这些方面的模型已经使用了一系列的技术，从微分方程到有限状态机，再到人工神经网络。最后，他说，“你需要把所有这些都放在一起。”
在传统的系统生物学方法中，免疫系统组件的模型会相互通信并交换数据。然而，组件模型之间产生的依赖关系会导致复杂性激增，从而使整个系统的建模变得难以处理。例如，当您想要将一个白细胞模型替换为一个新的、更好的模型，并且该模型依赖于其他10个模型时，当您试图执行它时，程序很可能会崩溃。
Laubenbacher和他的同事们提出了一种更健壮的方法，使用“中心辐射型”基础设施来实现可扩展的软件平台。辐条是免疫系统组件的每个建模模块。模块之间不进行通信，只使用作为枢纽的全局数据空间进行通信。模块之间的交互没有编码到固定的模型中，而是进行模拟，例如，通过使用基于代理的模型，如流行平台NetLogo中使用的模型。
Laubenbacher解释说:“我可以把我的白细胞模型取出来，放入另一个，唯一重要的是我的模型和全局数据空间之间的接口保持不变。”他说，这种方法允许“构建一个真正模块化的环境，使其易于扩展和修改。”通过这种方式，免疫的数字双胞胎可以成为一个真正的社区努力，世界各地的研究人员都在贡献它，并使其适应自己的需求。
劳本巴赫的实验室对肺部的真菌感染进行了广泛的研究，并在模拟肺部的免疫功能方面取得了专长。《美国国家科学院院刊》的论文描述了他们的模型的一种使用中心辐射状基础架构的新实现。其结果是，模型内部的复杂性大大简化，更容易添加新的生物成分。
中心辐条式基础设施似乎很自然。以前有人试过吗?Laubenbacher推测它可能用于工业建模，这是一个他不太熟悉的领域，但他肯定这在系统生物学中是不常见的。他说:“据我所知，至少在我们工作的领域，这是一件新奇的事情。”
印第安纳大学生物复杂性研究所所长、物理学教授、信息学和生物学兼职教授詹姆斯·格雷泽(James Glazier)也认为，这种方法在这一领域并不常见。“从历史上看，计算生物学模型是由单个研究实验室独立开发和完善的，它们的组件很少被其他人重复使用或改进，”他说。他说，这导致了一种“扔掉的心态”，减慢了研究模型转化为医疗实践的速度。
Glazier说:“构建医疗数字双胞胎所需的非常复杂且相互关联的模型将需要计算生物学家以新的方式工作，并行和协作地开发和验证仿真组件，每个小组都在一个单独的组件上工作。”他补充说，Laubenbacher提出的简单而优雅的软件架构是实现这种共享开发的极有前途的方法，因为它允许添加、删除或替换软件模块，而不影响整个集成模型的功能。采用这种方法可以大大加快数字双胞胎模型的医疗应用的发展。”
实现这种方法的承诺意味着要应对大量的计算挑战，以及缺乏数据的问题。劳本巴赫说:“我们没有5000万名患者的大量电子健康记录和Fitbit数据”可以用来挖掘。
敏感的伦理问题也随之产生，比如隐私法是否适用于医学数字双胞胎。劳本巴赫的团队正在将这类问题的讨论纳入他们工作的早期阶段。
对于免疫系统数字双胞胎来说，目前的研究状态带来了一个额外的障碍:关于免疫系统还有很多未知的东西。有人可能会得出结论，现在还不是创造免疫系统数字双胞胎的时候，但正如劳本巴赫所指出的，构建这样一个双胞胎的努力将通过精确定位突出问题来推动研究向前发展。
“我可以建立这个模型，并对出现的数百个参数进行灵敏度分析，”他说。“我可以告诉你，对于这种疾病，基于我们的模型，这三件事是你真正需要注意的，而不是其他50件…所以，即使你有一个不完美或不完整的模型，它也可以帮助指导未来的研究。”
阿林·杰克逊(Allyn Jackson)是一名驻德国的科学和数学记者。
没有发现记录