数字孪生在医疗保健中的应用和挑战

导读：随着数字孪生 (DT) 技术的出现，为个体患者提供个体化的诊断和治疗将成为可能，并被认为是未来精准医学的一部分。DT 医疗作为未来医学的关键融合方法，将把精准诊断和个性化治疗的优势变为现实。最近发表在《Digit Health》的一篇综述，总结了DT在医学上的应用实例，分析了其在医学诸多领域的应用。 

1、数字孪生技术介绍

与其他学科相比，医学具有内在的不确定性，这使得医疗实践具有挑战性。传统的药物治疗有许多局限性，例如药物治疗无效，而个性化医疗的概念已被证明在医疗保健领域发挥着重要作用。

在过去的几十年中，精准医学被描述为一种新兴的疾病治疗和预防方法，它考虑了个体基因、环境和生活方式的差异。大数据、云计算、虚拟技术和物联网（IoT）等的发展为数字孪生（DT）的应用奠定了技术基础。

DT的概念近年来越来越受到关注，通信技术、传感器技术、大数据分析、物联网和仿真技术的快速发展导致了DT 研究呈指数级增长。然后，DT 被重新定义为生物或非生物物理实体的数字复制，为人类在健康领域使用 DT 打开了大门。

DT是人体器官、组织、细胞或微环境的虚拟副本，它不断适应在线数据的变化，并可以预测相应对应物的未来。然而，DT不仅仅是通过各种新兴技术与现实生活中的孪生相连的数字模型，它是一个动态的、智能的和不断发展的模型，可以优化过程并通过DT和周围环境之间的闭环优化持续预测未来状态（例如缺陷、损坏和故障）。一般来说，DT需要的技术可以分为两类，一类是数据驱动的统计模型，另一类是集成了多规模知识和数据的机械模型。人工智能 (AI) 模型，用样本和数据训练，从实时传感器数据中获得实时结构性能。

DT正在彻底改变行业，并被许多大公司用来提高效率和发现问题，医疗保健是另一个可以应用DT的领域。从应用的角度来看，DT可以将患者视为虚拟化的独立资产，在患者或医院改善治疗和诊断方面具有巨大的应用潜力。

2、DT的临床应用

借助工程技术的进步，医疗行业逐渐从传统医学过渡到数字医学，再到信息医学，形成了今天的智慧医学概念，更大程度地满足了个人预防性、个性化的医疗需求。构建DT诊疗系统的目的是实现精准医疗，精准医疗的核心是个性化，通过人工智能等前沿技术精准定位患者病因，以患者为中心进行治疗。 

数字孪生在医学领域的应用

1） DT在心血管疾病中的应用

DT在心血管系统的应用包括DT心脏模型的建立和心血管疾病的精准治疗。模型可用于准确确定最有价值的诊断基础，并通过非侵入性过程可靠地推断生物标志物。依赖DT进行诊断的关键在于构建个性化模型。这种方法已被用于计算流动阻塞的压降，并已证明比遵循临床指南更准确。

飞利浦HeartNavigator工具将CT图像结合到患者心脏解剖结构的单个图像中，并在手术期间提供对设备定位的实时3D洞察，简化了之前的程序规划并帮助外科医生选择最佳设备。

Nelson等推出了 HeartFlow Analysis 技术，该技术可通过提供功能信息并改善患者的预后，更全面地评估冠状动脉疾病。

作为一种非侵入性心电图成像系统，Acorys Mapping系统将生物电势放大器和高密度传感器与创新的图像和信号处理技术相结合，以完全非侵入性的方式提供心脏表面的电活动。

DT可以模拟特定治疗前的剂量效应或设备反应，从而指示医疗设备或治疗是否适合患者，并改善不同病因患者的治疗。经导管主动脉瓣植入后，FEops 的 HEARTguide 用于预测设备与患者的相互作用。FEops 的尖端技术将心脏图像转换为DT，以改进和扩展对结构性心脏病患者的个性化管理。

将DT与支持AI的解剖分析相结合，可产生数据驱动的、旨在加强和改善整个患者路径中的结构性心脏病管理，涵盖从患者选择、手术计划、围手术期指导到患者随访的整个过程。心脏再同步化治疗 (CRT) 广泛用于QRS持续时间延长的患者，但在“灰色地带”的决策制定中仍存在不确定性。

Niederer等使用机械模型研究CRT功效对细胞尺度机制和器官的依赖性，并确定新的患者选择标准。这种模型用于确定作为CRT调节器的张力的长度依赖性，并预测如果患者具有细胞规模的不同步电激活但有效的长度依赖性张力调节，则患者对CRT治疗的反应会更小。

在梗死相关的室性心动过速领域，研究人员使用DT在临床手术前准确识别患者特定的最佳目标来改进消融指导。

Mazumder等使用两腔心脏、血液动力学方程和基于压力反射的压力控制机制来构建心血管系统的DT。

合成生理学光电体积描记图（PPG）等数据是从健康模型和动脉粥样硬化模型中生成的，可以生成大量关于血压和血流变化的数据。

2）DT在外科手术中的应用

在外科领域使用DT，是创建一个患者模型来为多学科团队计划手术和验证解剖结构，从而避免对结构的意外损坏。

许多外科专家评估了针对特定患者的模拟，包括神经外科、血管外科和介入放射学。例如，DT在治疗心血管疾病方面的应用越来越多，人们对人工智能在血管手术中的应用产生了新的兴趣。使用DT技术建立的虚拟模型可用于开发诊断工具。Chakshu等提出了一个结合血流和头部振动的半主动DT模型，将体内振动与虚拟数据进行比较，以找到虚拟数据和体内数据之间的最佳匹配，以从人脸视频中检测颈动脉狭窄的严重程度。

颅内动脉瘤可引起中风和血栓形成，严重者可立即死亡。Suzuki等结合临床、形态学和血液动力学参数，并使用计算流体动力学从CT图像计算血液动力学参数，通过多变量逻辑回归获得破裂风险模型。

由于手术风险极高，医生通常使用分流器来引导血流远离动脉瘤囊。这种方法侵入性较小，但手术更加复杂，因为植入物可能会对动脉造成额外的损伤。Sim&Cure采用3D旋转血管造影术在手术前创建动脉瘤和周围血管的3D模型，并将该模型呈现给外科医生以完成模拟并帮助选择定义理想最终位置、植入物大小和位置。

Cydar公司的Intelligent Maps应用了最新的云图形处理单元计算、计算机视觉和机器学习技术，以推进整个手术路径的手术可视化和决策制定。

Golse等人根据患者特征自动校准，建立了整个血液循环的数学模型，并证明使用估计的肝流速作为输入数据，DT模型可以正确预测术后门静脉高压症。

结合仿真与虚拟现实平台，DT可用于教授各种外科专业的基础技术技能并改进住院医师的手术培训，同时提供真实的手术表现。

3）T在用药、制药、药物开发中的应用

由于人体和生理机能不同，治疗用药应因人而异。使用遗传密码创建的DT模型可以揭示身体性能的变化，并为研究人员提供更具成本效益的机会来评估新药物并获得更准确的结果。

Takeda制药已在生产中使用DT技术，以在全球范围内提供变革性疗法。DT模型的创建可以缩短制药过程，并允许对生化反应进行实际的输入-输出预测。此外，Atos和Siemens与制药行业合作，使用物理DT模型改进制造过程，以克服效率和生产方面的困难。

在运营阶段，DT可以不断提供实时过程控制和优化信息，以支持产品开发和风险分析。Subramanian 提出了一种自上而下的方法来创建DT，该DT集成了来自科学和临床来源的信息，以帮助药物发现和研究、生物标志物识别、测试开发、筛选和临床试验优化。DT模型已被证明运行良好，并得到物联网、人工智能和许多其他先进技术的支持。

4）DT在骨科中的应用

随着数字模拟和穿戴设备的发展，利用DT对腰椎进行实时监测和分析已成为生物力学领域极具前景的前沿技术。在骨科领域应用DT，重要的是开发具有低成本、高完整性、基于物理的实验模型和数据驱动的数值模型。

国内李忠海团队尝试了DT在人体腰椎上的应用。通过收集特定实验者腰椎骨骼的定制信息，构建形状性能综合DT体，用于预测不同人体姿势下真实腰椎的生物力学特性。利用人体动作捕捉技术获取人体的实时运动姿态和空间位置。使用可穿戴设备和传感器数据计算相应人体的腰椎姿势。利用逆向运动学系统信息，采用有限元法和高斯过程回归，建立腰椎DT体，实时评估和预测腰椎的生物力学特性。最后，利用Unity3D软件开发了3D虚拟现实系统，记录了腰椎在身体运动过程中的实时生物力学性能，为腰椎运动领域的预警和实时规划提供了一种新的有效方法。

Aubert等人创建了DT使用患者的术后3D X射线图像，从中模拟4种稳定方法和3种骨愈合条件，从而模拟DT的12种场景。通过在步态期间施加最大负荷来评估机械强度、应力分布、骨折间应变和骨折运动学，从而评估复发性骨折的风险。

Hernigou等人基于CT、AI和DT技术建立了患者模型，最大限度地减少了影像系统手动选择解剖标志的不准确性，提高了模型的准确性。

5）DT在新冠肺炎中的应用

COVID-19的大流行引起了人们对传染病建模和模拟的极大兴趣。冠状病毒通过呼吸道飞沫在人与人之间传播。Zohdi建立了一个可快速计算的呼吸排放模型，并开发了一个DT和机器学习框架组合，用于优化通风系统。该框架基于基因组算法，并结合颗粒与流体之间关系的简化方程，以确定多个通风单元的位置和流速，以便最佳地隔离从咳嗽或打喷嚏的患者释放的颗粒。

在大流行期间，尤其是在医护人员稀缺的情况下，有必要找到一种在更短的时间内为更多的人接种疫苗的方法。Pilati等为疫苗接种过程开发了DT系统，并在诊所进行了验证。该系统允许对患者进行实时模拟，并创建一个动态的疫苗接种中心。运行虚拟模型可以在真实系统中发现问题并解决问题，从而提高接种效率。

6）DT的其他应用领域

DT在医学上的应用主要集中在个人健康管理上，尤其是老年人。例如，Gkouskou 等描述了用于精准营养的虚拟DT，将从基因组中提取的信息与免疫、纵向和生物变量相结合。这种模式可以改善饮食选择并提供高度个性化的生活方式建议。它可能会彻底改变肥胖及其合并症的管理，并为健康老龄化提供支持。

Laybenbacher等概述了构建免疫DT以捕获免疫系统关键特征的路线图，该路线图分为四个阶段：规范、模型构建、个性化和持续改进。这将有助于改变生物医学研究的性质，加速基础研究的临床转化。

在1型糖尿病患者的人工胰腺模型中，将人体葡萄糖代谢的数学模型和模拟胰岛素输送的数据算法定制为患者特异性DT模型，持续计算胰岛素需求量，调节血胰岛素浓度。例如, Grosman等人使用来自系统用户的磨合数据生成个性化系统设置的DT，结果表明，个性化自动模式降低了传感器葡萄糖的平均值，首次证明DT可以通过自动化和个性化成功地执行胰岛素泵治疗。

3、DT面临的挑战

DT将在医疗领域得到更广泛的应用，以解决传统方法无法实现的疾病实时监测、动态分析和精准治疗等问题，但仍存在以下挑战。 

1.DT技术的有效性在很大程度上取决于模拟的准确性，如何解决DT计算出的结果与实际情况的差距，是DT的一个难点。

2. 在某种程度上，DT医疗保健面临着法律和经济问题。政府和国际立法机构应进行严格监管，制定对本国或地区有效和可行的标准。

3. 需要更多的投资来支持DT的发展。

4. 一个人的DT会对真实的人造成歧视或干扰，可能会给他的工作和生活带来麻烦。

5. DT医疗保健的高成本可能导致不平等和不公正，从而扩大现有的社会经济差距。

6. 由于DT对个性化医疗的承诺是建立在广泛的健康相关数据之上，传感器的数据通过5G网络传输到云端，因此DT运行过程中的安全系统至关重要。此外，实时数据采集会增加模拟的准确性，一些侵入性检查也增加了技术本身的风险。

结语：DT通过使用基于计算机算法的方法和生物信息学原理，可以为个体患者选择更精确的治疗方案，使患者行使更大程度的自主权，实现患者不分种族或性别的公平治疗。DT技术可用于患者保健和医院管理，在虚拟环境中对场景进行预测和评估，以便在真实环境中进行调度和实施，降低风险，节省成本。它还可以将治疗方法和药物的信息传输到DT模型进行验证，从而优化治疗方案，最终实现疾病的早期诊断或预防。