虚拟数字孪生如何改变现代医疗实践

2019年5月的一个早晨，波士顿儿童医院的心脏外科医生走进手术室，准备进行一项高风险的心脏重建手术。不过这次他比以往任何时候都更有把握，因为他已经在这个孩子身上虚拟地进行了数十次手术练习。在做第一刀之前，他就知道该怎么做，更重要的是，他知道哪种策略能为这个孩子带来最佳结果。

这是如何做到的？在此前的几周里，医院的外科和心脏工程团队合作，利用核磁共振和CT扫描数据，构建了这个孩子心脏和周围血管系统的完全功能模型。他们首先仔细地将医学影像转换为3D模型，然后运用物理学原理让3D心脏"活"起来，创造了患者生理机能的动态数字副本。这个模拟模型能够重现这颗特殊心脏的独特行为，包括血液流动、压力差异和肌肉组织应力等细节。

这种被称为虚拟孪生的模型不仅能识别医疗问题，还能提供详细的诊断洞察。在波士顿，团队使用这个模型预测孩子的心脏如何对任何切口或缝合做出反应，让外科医生能够测试多种策略，为这个患者的确切解剖结构找到最佳方案。

那天，风险很高。这个患者有独特的病症——心房和心室之间有大洞，导致血液在四个心腔之间流动——没有手册或教科书能完全指导医生。这种情况会给肺部造成压力，所以医生计划进行开胸手术，将下半身的脱氧血液直接导向肺部，绕过心脏。通常这种手术需要在高压条件下临场做决定，存在很高的不确定性。但这次不同，手术方案已经提前测试过，整个团队在第一次切口之前就已经排练过了。手术获得了完全成功。

这样的手术已经在波士顿医院成为常规操作。从第一个患者开始，已经有近2000例手术在虚拟孪生模型的指导下进行。这就是生命心脏项目背后技术的力量，我在2014年启动了这个项目，比第一例手术早了五年。该项目最初是一个探索性倡议，看看建模人类心脏是否可能。现在拥有来自28个国家的150多个成员组织，项目包括数十个多学科团队，他们定期使用心脏和其他重要器官的多尺度虚拟孪生。

这项技术正在重塑我们理解和治疗人体的方式。要达到这个变革性时刻，我们必须解决一个根本挑战：建造一个足够精确、足够可信的数字心脏来指导真实的临床决策。

数组

现在进入第二个十年的生命心脏项目，部分源于个人信念。多年来，我无奈地看着我的女儿杰西面临无尽的诊断不确定性，她患有一种罕见的先天性心脏病，心室位置颠倒，随着成长威胁着她的生命。作为工程师，我理解心脏是一个泵腔阵列，由电信号控制，血液流动由瓣膜仔细调节。但我努力想要充分理解我女儿心脏的独特结构和行为，以便对她的护理做出有意义的贡献。她的专科医生知道像她这样的孩子如果不治疗将面临暗淡前景，但因为每个患有她这种病症的心脏在解剖学上都是独特的，他们只能凭最佳猜测来指导关于做什么和何时做的决定。每个专家都有新的猜测。

然后我的工程好奇心激发了一个问题，这个问题此后一直指导着我的职业生涯：为什么我们不能像模拟汽车或飞机那样模拟人体？

在波士顿的可视化中心，VR图像帮助一个患有复杂心脏缺陷的小女孩的母亲理解她孩子心脏的内部运作。

我的职业生涯致力于开发强大的计算工具来帮助工程师构建复杂机械系统的数字模型，使用的模型范围从单个原子的相互作用到整个车辆的组件。这些模型的共同点是使用物理学来预测行为和优化性能。但在今天的医学中，这些基于物理学的方法很少用于决策。在大多数临床环境中，治疗决策仍然依赖于从静态2D图像、统计指南和回顾性研究中得出的判断。

情况并非总是如此。历史上，物理学是医学的核心。"医师"这个词本身就可以追溯到拉丁语physica，意思是"自然科学"。早期的医生在某种意义上是应用物理学家。他们把心脏理解为泵，肺理解为风箱，身体理解为动态系统。成为医师意味着你是将物理学应用于人体的大师。

随着医学的成熟，生物学和化学开始主导这个领域，物理学知识被抛在后面。但对于像我女儿、波士顿那个孩子以及数百万像他们一样的患者来说，结果受力学支配。没有药丸或药膏——没有基于化学的解决方案——能够帮助，只有物理学。虽然当时我没有意识到，虚拟孪生可以让现代医生重新与他们的根源结合，使用工程原理、模拟科学和人工智能。

数组

生命心脏项目的概念很简单：我们能否结合数百名跨多个专业的专家对人类心脏的了解，构建一个足够准确可信、足够灵活可个性化、足够预测性能指导临床护理的数字孪生？

我们邀请研究人员、临床医生、设备和药物公司以及政府监管机构分享他们的数据、工具和知识，朝着一个共同目标努力，这将提升整个医学领域。生命心脏项目启动时有十几个机构加入。一年内，我们创建了第一个完全功能的人类心脏虚拟孪生。

生命心脏不是解剖学渲染，调整来简单复制我们观察到的东西。它是一个第一原理模型，将心脏电气系统中的纤维网络——维持我们生命的生物电池——与心脏的机械反应（我们称之为心跳的肌肉收缩）结合起来。

生命心脏虚拟孪生模拟心脏如何跳动，提供不同视角帮助科学家和医生更好地预测它如何对疾病或治疗做出反应。中心视图显示精细的工程网格，这是允许计算机建模心脏运动的详细框架。右侧图像使用颜色显示驱动心跳的电波在肌肉中传导，左侧图像显示组织在拉伸和挤压时承受多少应变。

学术研究人员长期以来一直在探索心脏的计算模型，但这些项目通常受到他们可以访问的技术的限制。我们的版本建立在达索系统的工业级模拟软件上，这家公司以用于航空航天和汽车工程的建模工具而闻名，我在那里工作开发工程模拟部门。这个平台为团队提供了工具，使用患者的核磁共振和CT数据、血压读数和超声心动图测量来个性化个体心脏模型，直接将扫描链接到模拟。

外科医生然后开始使用生命心脏来建模手术。设备制造商用它来设计和测试植入物。制药公司用它来评估药物效果，如毒性。数百篇出版物从该项目中涌现，因为它们都共享相同的基础，所以发现可以被重现、重用和建立。随着每个应用，研究社区对心脏的理解雪球般增长。

早期，我们还解决了这些创新到达患者的基本要求：监管接受。在项目的第一年内，美国食品药品监督管理局同意作为观察员加入项目。在接下来的几年里，使用虚拟心脏模型作为科学证据的方法开始在监管研究项目中成形。2019年，我们与FDA设备和放射健康中心正式化了第二个五年合作，有一个具体目标。

那个目标是使用心脏模型创建虚拟患者群体，重新创建一个先前批准的修复心脏二尖瓣设备的关键试验。这帮助我们的团队学会如何创建这样的人群，让FDA尝试评估虚拟证据作为来自血肉患者证据的替代。2024年8月，我们发表了结果，创建了第一个FDA主导的计算机临床试验指南，建立了简化和降低整个临床试验过程风险的新范式。

十年来，我们从许多人怀疑能够实现的概念发展到监管现实。但建造心脏只是开始。遵循心脏团队设定的模板，我们已经扩展项目以开发其他器官的虚拟孪生，包括肺、肝脏、大脑、眼睛和肠道。每个对应不同的医学领域，有自己的社区、数据类型和临床用例。独立工作，这些团队正在朝着我们对人体理解的突破前进：一个多尺度、模块化的孪生平台，其中每个器官孪生都可以插入统一的虚拟人类。

数组

心脏数字孪生从医学影像开始，通常是核磁共振、CT或两者。切片被重建为心脏和连接血管的3D几何形状。然后必须将整个器官的几何形状分割为其组成部分，这样每个子结构——心房、心室、瓣膜等——都可以分配其独特属性。

此时，对象被转换为功能性计算模型，可以表示各种心脏组织在负载下如何变形——力学。当我们整合驱动肌肉组织机械收缩的电纤维网络时，完整的数字孪生模型变得"活跃"。

心脏的每个部分，如左心室，都叠加了详细的数字网格以重新创建其生理学。这些部分组合起来形成整个器官的解剖学精确渲染。

为了模拟循环，孪生添加血流动力学的计算模型，血液流动和压力的物理学。模型受到血流、瓣膜行为和血管阻力的边界条件约束，设定为密切匹配人类生理学。这让模型预测血流模式、压力差异和组织应力。

最后，使用可用的患者数据个性化和校准模型，如心脏腔室在心脏周期中体积变化多少、压力测量和电脉冲时机。这意味着孪生不仅反映患者的解剖结构，还反映他们特定心脏的功能。

数组

当FDA计算机临床试验倡议在2019年启动时，项目的重点从这些特定患者的手工制作虚拟孪生转向足够大的队列，可以代表整个试验人群。今天这种规模之所以可行，只是因为虚拟孪生已经与生成式AI融合。使用传统数字孪生模拟来建模数千名患者对治疗的反应或预测多年疾病进展是缓慢得令人望而却步的。生成式AI消除了那个瓶颈。

AI以两种互补方式提升虚拟孪生的能力。首先，机器学习算法在整合构建高保真孪生所需的成像、传感器和临床记录拼凑方面无与伦比。算法快速搜索数千个模型排列，根据患者数据对每个进行基准测试，并收敛到最准确的表示。曾经需要几个月手动调整的工作流程现在可以在几天内完成，使得在人群规模队列上进行操作或在诊所实时个性化单个孪生成为现实。

其次，用来自经过验证的虚拟患者的数据丰富AI模型的训练集，将AI模拟建立在物理学基础上。相比之下，许多传统AI对患者轨迹的预测依赖于在回顾性数据集上训练的统计建模。这样的模型可能偏离生理现实，但虚拟孪生将预测锚定在血流动力学、电生理学和组织力学定律中。这种额外的严谨性对研究和临床护理都不可或缺——特别是在真实世界数据稀缺的领域，无论是因为疾病罕见还是因为某些患者群体（如儿童）在现有数据集中代表不足。

数组

在研究方面，我们在2024年完成的FDA赞助的计算机临床试验项目为医学创新开启了一个新世界。传统临床试验可能需要十年，90%的新药物治疗在过程中失败。虚拟孪生结合AI方法，允许研究人员在模拟人类环境中快速设计和测试治疗。通过小型虚拟孪生库，AI模型可以快速创建广泛的虚拟患者队列来覆盖一般人群的任何子集。随着临床数据变得可用，它可以被添加到训练集中以增加可靠性并实现更好的预测。

生命心脏项目已经扩展到心脏之外，对全身器官进行建模。3D大脑重建显示大脑白质中连接大脑色彩编码区域的主要通路。肺虚拟孪生将器官的几何形状与空气流经气管进入支气管的基于物理的模拟相结合。患者足部的横截面显示承重时软组织的应变点。

虚拟孪生队列可以通过构建因年龄、性别、种族、体重、疾病状态、合并症和生活方式因素而异的个体"虚拟患者"来代表现实人群。这些孪生可以用作AI模型的丰富训练集，这可以将队列从几十个扩展到数十万个。接下来，虚拟队列可以被过滤以识别可能对治疗有反应的患者，增加目标人群成功试验的机会。

试验设计还可以包括不太可能反应或具有高风险因素的患者类型样本，从而允许监管机构和临床医生了解对更广泛人群的风险，而不会危及整体试验成功。这种方法提高了临床研究的精度和效率，提供了以前只有在多年真实世界证据后才可用的人群级洞察。

当然，尽管今天的心脏数字孪生很强大，但它们不是完美的复制品。它们的准确性受到三个主要因素的限制：我们能测量什么（例如，图像分辨率或组织在现实生活中如何表现的不确定性）、我们必须对生理学假设什么，以及我们能对真实结果验证什么。许多输入，如疤痕、微血管功能或药物效果，在临床上很难捕获，所以模型经常依赖人群数据或间接估计。这意味着预测对某些问题可能高度可靠，但对其他问题仍然不太确定。此外，今天的数字孪生缺乏预测未来几年长期结果的验证，因为该技术只使用了几年。

随着时间推移，这些限制中的每一个都会稳步缩小。更丰富、更标准化的数据将加强模型的个性化。AI工具将帮助自动化劳动密集型步骤。纵向数据的收集将提高模型可靠预测身体如何随时间演变的能力。

数组

在整个现代医学中，新技术已经增强了我们诊断的能力，提供了越来越清晰的图像、实验室数据和分析，告诉医生患者体内目前正在发生什么。虚拟孪生改变了那种范式，给临床医生一个预测工具。

这个"生命肺"虚拟孪生模拟显示呼吸期间的应变模式。

早期演示已经出现在医学的许多领域，包括心脏病学、骨科和肿瘤学。很快，医生也将能够跨专业合作，使用患者特定的虚拟孪生作为讨论他们无法独立预测的潜在相互作用或副作用的共同基础。

虽然这些应用需要一些时间才能成为临床护理的标准，但更多变化即将到来。来自可穿戴设备的实时数据，例如，可以持续更新患者的个性化虚拟孪生。这种方法可以使患者能够更深入地理解和参与他们的护理，因为他们可以看到医疗和生活方式改变的直接影响。同时，他们的医生可以获得全面的数据流，使用虚拟孪生来监控进展。

想象一个数字伴侣，显示你的特定心脏将如何对不同盐摄入量、压力或睡眠剥夺做出反应。或者你即将进行的手术将如何影响你的循环或呼吸的视觉解释。虚拟孪生可以为患者揭开身体的神秘面纱，培养信任并鼓励主动的健康决策。

虚拟孪生如何在医学中使用？

虚拟孪生已经指导心血管手术，提供预测并揭示甚至专家临床医生可能错过的隐藏细节，如微妙的组织反应和流动力学。

肿瘤学家正在建模肿瘤生长和身体对不同疗法的反应，减少选择医疗和生活质量指标最佳治疗路径的不确定性。

骨科专家正在个性化植入物以提供定制解决方案，不仅考虑局部环境，还考虑将支配长期结果的整体身体运动学。

数组

通过生命心脏项目，我们正在将物理学带回医生身边。现代医生不需要成为物理学家，就像他们不需要成为化学家来使用药理学一样。但是，为了从新技术中受益，他们需要调整他们的护理方法。

这意味着不再将身体视为离散器官的集合，只考虑症状，而是将其视为可以理解的动态系统，在大多数情况下，可以被引导走向健康。这意味着不再猜测什么可能有效，而是知道——因为模拟已经显示了结果。通过更好地将工程原理整合到医学中，我们可以将其重新定义为基于自然不变定律的精确领域。现代医生将是身体的真正物理学家和健康工程师。

Q&A

Q1：什么是虚拟孪生技术，它在医疗中能发挥什么作用？

A：虚拟孪生是利用医学影像数据创建的患者器官或身体的数字副本，能够模拟真实生理功能。在医疗中，它能帮助外科医生提前模拟手术、预测治疗效果、个性化治疗方案，并指导临床决策，大大提高手术成功率和治疗精准度。

Q2：生命心脏项目取得了哪些重要成果？

A：生命心脏项目自2014年启动以来，已指导近2000例手术，建立了第一个完全功能的人类心脏虚拟孪生模型。项目获得了FDA的监管认可，2024年发布了首个FDA主导的计算机临床试验指南，并扩展到肺、肝脏、大脑等多个器官的建模。

Q3：虚拟孪生技术如何与生成式AI结合提升医疗效果？

A：生成式AI能够快速整合各种医疗数据构建高保真虚拟孪生，将原本需要数月的建模工作缩短至数天。AI还能创建大规模虚拟患者队列，用于临床试验模拟，并将预测建立在物理学基础上，提高了预测的可靠性和临床应用价值。