通過創(chuàng)建循環(huán)系統(tǒng)的數(shù)字孿生，Amanda Randles希望為醫(yī)療預測帶來前所未有的精準度。
Amanda Randles希望復制你的身體。這位計算機科學家希望擁有足夠的數(shù)據(jù)和處理能力，能夠在她的電腦上有效地克隆你，快進時間，看看你的冠狀動脈或紅細胞在一周內(nèi)會發(fā)生什么。盡管完全個性化的醫(yī)學模擬(即“數(shù)字孿生”)目前還超出我們的能力范圍，但Randles已經(jīng)在長期血流計算模型方面取得了突破，這些模型已經(jīng)在幫助醫(yī)生非侵入性地診斷和治療疾病。
在1990年代的密歇根州，作為一名青少年，Randles已經(jīng)設想了一種結(jié)合編碼和生物學的職業(yè)。她畢業(yè)于杜克大學，獲得了物理學和計算機科學學位，在IBM工作了三年，期間她接觸到了Blue Gene超級計算機。之后，她在哈佛大學獲得了應用物理學博士學位。在那里，她建立了一個名為Harvey的血液循環(huán)模型，后來將其搬到了杜克大學的數(shù)字孿生實驗室。2023年4月，她因其開創(chuàng)性的研究獲得了計算機協(xié)會計算獎和25萬美元的獎金。
她的最新系統(tǒng)可以獲取患者血管的3D圖像，然后模擬并預測血液的流體動力學變化。使用該系統(tǒng)的醫(yī)生不僅可以測量脈搏和血壓等常規(guī)數(shù)據(jù)，還可以觀察血管內(nèi)的血液行為。這使得他們能夠觀察到血流中的漩渦和血管壁所承受的壓力——這兩者都與心臟病有關。十年前，Randles的團隊只能模擬大約30個心跳的血流，但現(xiàn)在他們可以預測超過70萬次心跳(大約一周的時間)。由于他們的模型是交互式的，醫(yī)生還可以預測如果他們采取如開藥或植入支架等措施會發(fā)生什么。
Quanta雜志與Randles就過多數(shù)據(jù)的利弊、圖形如何幫助橋接生物學和計算以及機器學習的潛在影響進行了對話。以下是經(jīng)過整理和編輯的采訪內(nèi)容。
你何時首次想到計算可以幫助醫(yī)生治療患者？
我上高中時就讀于一個數(shù)學和科學中心。我們在學習生物學和科學的同時也在學習計算機編程，所以兩者有很多交叉點。然后我在大學二年級時在一個遺傳學實驗室工作，那里使用了大量計算技術來進行患者特定的基因組分析和其他細胞技術。
那時候你對超級計算機感興趣了嗎？
我甚至不知道怎么說——當我加入IBM時，我不知道什么是超級計算機。我只知道他們在用計算機進行生物研究。我不太理解超級計算機的意義。我原本在德州面試一個操作系統(tǒng)的職位，后來他們打電話說，“我們在明尼蘇達有一個IBM Blue Gene超級計算機團隊的空缺?！蔽液苄疫\能加入那個團隊。
你是何時意識到循環(huán)模型可以工作的？
我們的2010年論文是首次捕捉整個冠狀動脈樹的——即你所有的冠狀動脈——在一個心跳期間的細胞分辨率。這篇論文使用了Harvey的前身MUPHY?？吹揭粋€二維或三維的模擬圖像有正確的幾何結(jié)構真的很有成就感。
當我們需要做一些改變時，我們轉(zhuǎn)向我自己從頭開始編寫的模型。第一次看到Harvey中的動脈和血流時，我記得對實驗室的某人說，“我有一張圖！”
為什么這張圖很重要？
我有一個共同導師，Hanspeter Pfister，他是圖形專家。我們引入了他團隊的一些人在迪士尼和皮克斯等地實習的人才。我們從他們已經(jīng)在為這些計算機優(yōu)化圖形的方法中汲取了很多經(jīng)驗：我們創(chuàng)建的動脈3D網(wǎng)格文件與他們?yōu)閯赢嫿巧谱鞯姆浅Ｏ嗨?。移動角色的手臂并變形那個網(wǎng)格的方式與我們放入虛擬支架的方式相同。
這些預測不僅僅是你想得到的一個數(shù)字。有一個叫“壁剪應力”的量，它只是對壁的摩擦力。我們已經(jīng)證明，當醫(yī)生能夠在動脈的不同部分可視化壁剪應力時，他們可能會改變所選擇的支架長度。這確實影響了他們的決定。
我們還表明，在邊界情況下，渦流與長期的不良效果有關。所以醫(yī)生可以看到哪里有高渦流。這可以幫助醫(yī)生決定需要什么類型的干預，比如支架或藥物。
Harvey還有哪些不同之處？
我們想要一個可以測試不同物理模型的代碼，能夠擴展到模擬全身血流，捕捉復雜的細胞行為，并能很好地與虛擬現(xiàn)實接口集成以進行虛擬手術。MUPHY并沒有研究全身的血流。我們試圖將其拓展。
此外，MUPHY是由意大利人編寫的。許多注釋是意大利文的，我看不懂(笑)。
你如何知道這些預測實際上是準確的？
在一項160名患者的研究中，我們表明Harvey可以準確匹配患者的測量值。標準護理是將導絲直接插入動脈以在任何狹窄前后測量壓力——這兩個數(shù)字的比值稱為“分數(shù)流儲備”。我們用模擬來非侵入性地計算相同的東西。
但這種對視覺的需求使得計算更加困難，對嗎？
是的，現(xiàn)在我們面臨的一個大難題是數(shù)據(jù)量。數(shù)據(jù)量很大。我們正在運行的模擬有多達5.8億個紅細胞。有與流體和紅細胞的相互作用，細胞之間的相互作用，細胞與壁的相互作用——你試圖捕捉這一切。對于每個模型，一個時間點可能是半個TB，而每個心跳有數(shù)百萬個時間步。這真的很計算密集。
你的團隊試圖使用機器學習工具來減少計算需求。效果如何？
我們最近有一篇論文介紹了一種系統(tǒng)，該系統(tǒng)需要大約10分鐘來訓練每個患者的新模型。然后你可以使用機器學習來預測，例如，如果你改變動脈狹窄的程度(即動脈狹窄的程度)，總體血壓會變成什么樣？目前FDA批準的工具需要大約24小時為那個患者訓練。在這里，你可以在患者還在診所時實時互動。
這種巨大飛躍的背后是什么？
這是機器學習與較小物理模型的結(jié)合。我們計算出每個患者的訓練需要模擬多少種外科治療選項才能提供實時預測。我們使用一維模型，而不是依賴三維模型進行機器學習訓練。它只是沿著血管的中心線計算——這捕捉了三維結(jié)構但不是流動的完整x、y、z坐標。這是較小的數(shù)據(jù)，因此訓練速度更快。而且你可以使用不同的機器學習算法，使其運行速度更快。
這種改進肯定有代價。使用機器學習會失去什么？
我們總是希望事情是可解釋的，特別是當它進入臨床時。我們希望確保醫(yī)生知道他們?yōu)槭裁醋龀鰶Q定，并能解釋哪些因素影響了那個預測。當它變成黑箱時，你會失去一些這種解釋性?，F(xiàn)在，我們的很多工作都是試圖理解不確定性。傳感器需要多精確才能導致血流模擬的變化？
此外，你還需要注意潛在的偏見，特別是對于可穿戴傳感器。很多數(shù)據(jù)可能來自更富裕的地區(qū)。如果你只訓練Apple Watch的數(shù)據(jù)，你是否得到了正確的人口組合？擁有不同年齡、不同性別、不同活動水平和不同合并癥的大量人群數(shù)據(jù)將是很好的。
擁有這些數(shù)據(jù)你能做什么？
擁有3D模型的最新醫(yī)學圖像和連續(xù)、動態(tài)、高分辨率的傳感器數(shù)據(jù)，我們可以弄清楚，例如：如果你在65歲時心臟病發(fā)作，那么在63歲時發(fā)生了什么？我們是否可以更積極地識別血流中的某些細微差別？
幾何結(jié)構在不同人之間真的很不同。你需要大量的數(shù)據(jù)才能弄清楚血流中的小差異是什么以及為什么它重要。
這種健康模擬的極限是什么？
我不認為有必要的極限——只是很多挑戰(zhàn)。有很多我們可以結(jié)合的東西，比如神經(jīng)系統(tǒng)和淋巴系統(tǒng)。我們希望整合來自許多不同系統(tǒng)的數(shù)據(jù)，但讓它們在反饋回路中相互通信非常復雜。我認為我們會達到那個目標。這只是關于一個系統(tǒng)一個系統(tǒng)地添加。
本文譯自 Quanta Magazine，由 BALI 編輯發(fā)布。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
