在医疗健康行业，无论是新药研发，还是为患者制定治疗或手术方案，都需要经过多轮验证和测试，这一过程不仅成本高、耗时长，甚至在某些情况下还行不通。
数字孪生技术（Digital Twins）的出现，可以使这一流程变得更高效、更安全。从临床试验到护理再到外科手术，该技术让医疗健康的相关工作变得更高效、更个性化且更具预测性。
数字孪生，指的是创建物理实体或工作过程的虚拟版本，比如虚拟的患者、解剖结构或医院环境。简单来说，就是在虚拟世界中创建一个基于真实数据构建的模型，然后观察并分析该模型对新药物或新治疗方案的反馈。在这一过程中，创建模型所用到的数据来自于数字病历、疾病登记库、穿戴式传感器等等。
以临床试验设计为例，研究人员可以借助已完成试验的数据，建立数字孪生代替人类志愿者，以缓解患者招募的压力。
在新冠肺炎疫情期间的临床试验中，数字孪生技术就发挥了很大的作用，因为人类志愿者做人体实验往往会面临较大的风险。疫情期间，数字孪生技术也引起了媒体的广泛关注。
图 | 近年来，有关数字孪生话题的新闻报道数量变化（来源：CB Insights）
根据 CB Insights 的数据，到 2025 年，全球数字孪生市场规模预计将达到 360 亿美元，随着更多新的医疗健康应用案例的出现，该技术或迎来重大发展机遇。
接下来，我们将重点介绍数字孪生技术在医疗健康领域的应用方法和案例。
临床试验设计
临床试验有着成本高、耗时长、效率低下的特点。
一般来说，临床试验包括两个研究组：实验组和对照组。其中，实验组由接受治疗的试验对象组成；而对照组由接受无活性安慰剂的试验对象组成。
平均而言，80％ 的临床研究项目出现过注册延迟的情况，另有 20％ 经历过没有招募到足够多志愿者的情况。
寻找符合标准并愿意参与试验的患者对临床试验的开展来说是一项巨大的挑战，最终会影响到患者接受某些关键疗法的治疗时间。为试验参与者打造数字孪生，可以在一定程度上解决该问题。
初创公司 Unlearn.ai 是一家探索数字孪生技术的公司。该公司通过收集参与者的身体数据，创建数字孪生来作为对照组使用。这样可以让尽量多的参与者加入实验组，提升试验效率。2020 年 4 月，Unlearn.ai 获得了 1200 万美元的股权融资，用于加速数字孪生的临床试验。
（来源：Unlearn.ai）
专注于这一领域研究的公司还有 Novadiscovery 和 Jinkō，其中 Jinkō 主要使用数字孪生进行计算机模拟的临床试验，以探索各种药物靶标的有效性，加速对肺癌和乙肝等疾病的研究和治疗方案的应用。
医疗器械设计
对医疗器械制造商来说，设计符合个人生理构造的定制医疗设备是一个巨大挑战。一些企业正在开发器官和其他解剖结构的“数字模型”，以简化定制医疗设备的设计过程。
法国公司达索系统（Dassault Systèmes ）使用磁共振图像（MRI）和心电图（ECG）测量结果开发了一种数字孪生模型，可以模拟人心脏的结构和某些生理功能。该公司发起的“活体心脏项目”（Living Heart Project），成员单位包括美敦力、波士顿科学（Boston Scientific）和飞利浦等学术机构和行业公司。它们正在利用数字心脏模拟真实状况，将难以看到的解剖结构可视化，以开发更安全、更有效、更完善的心脏设备。
（来源：Dassault Systèmes）
西门子医疗也在开发一种“数字心脏”系统。研究人员使用该系统的算法来最大程度地提高患者对心脏再同步治疗（CRT）的反应。在一项研究中，心脏病学家在西门子数字心脏中植入了虚拟电极并产生电脉冲来模拟对患者进行心脏再同步治疗。如果在数字心脏上获得成功，就表明该疗法有望在患者身上成功。
初创公司 OnScale 也在利用数字孪生技术改善医疗设备的设计。这是一家由英特尔投资（Intel Capital）和谷歌旗下的 Gradient Ventures 共同投资的云工程仿真公司，目前已与生物仿真软件公司 LEXMA Technology 合作，共同开发了“数字双肺”模型，帮助临床医生预测新冠肺炎患者的通气需求。
（来源：OnScale）
此外，瑞士洛桑联邦理工学院（EPFL）和惠普合作推出了“蓝脑计划”（Blue Brain Project ），旨在开发哺乳动物大脑的数字孪生（数字大脑模型）。
单个器官的数字孪生标志着医疗健康在向基于价值的系统转移，可以节省设备制造商和医生的时间和资源，让他们更专注于患者护理。
从长远来看，该领域的目标是创建整个人体的数字孪生。这对算力和数据存储提出了更高要求，相关技术必须进一步发展进步，才能处理人体解剖结构的复杂性。
药物研发
药物研发可能面临着很高的失败风险，一款成功的新药平均要花费 26 亿美元，从开始研发到面市平均至少需要 10 年。
许多初创企业正尝试利用人工智能和数字孪生技术，通过识别成功率更高的药物靶点来加快这一过程。
例如，DeepLife 将机器学习和数字孪生相结合，以识别新的靶标、生物标志物和潜在的候选药物。该公司还用计算机模拟基因组筛选，以帮助研究人员了解耐药性和敏感性。
（来源：DeepLife）
另一家初创公司 Insilico Biotechnology 正在开发数字孪生软件，对制药过程进行更好的预测。目前，该公司与 Teva Pharmaceuticals 和葛兰素史克（GSK）等生物制药公司展开合作，以优化生物药物的生产过程。
护理服务
数字孪生技术可以使用电子病历、疾病注册库和可穿戴设备等中的数据来创建患者的“数字模型”，随后医护人员就可以按需调取和查看患者的数据，以便为患者提供更好的护理服务。
Verto Health 公司推出了 Verto Flow 平台，通过机器学习技术集成和连接来自各种数据源的患者健康数据。根据患者所处的护理阶段，数字孪生技术可以将各种数据关联起来。这意味着医护人员能获取更多有价值的信息，帮助他们提供更快、更有效的护理服务。
（来源：Verto Health）
另一家使用数字孪生技术改善护理服务的公司是 ThoughtWire。该公司提供的软件可以优化医院运营模式。其平台会模拟患者的健康状况，帮助医生预测患者何时可能出现紧急状况并发出提醒。如果软件发现某个患者模型出现心脏骤停的几率升高，就会提前通知医护人员留意。该软件还集成了医院地图和医疗设备追踪数据，以帮助医生协调资源。
（来源：ThoughtWire）
GE 医疗和西门子医疗等行业领导者也已开始探索使用数字孪生技术优化护理服务。
GE 医疗与医院开展了试点计划，旨在优化外科手术的时间表并简化人员配备。西门子医疗则选择与南卡罗来纳州医科大学合作，通过数字孪生技术模拟新的工作流程或医疗设备对医院效率的影响。
手术规划
手术是一个复杂而精细的过程。手术中一旦出现问题，很可能给患者带来不利甚至致命的后果，因此手术之前要经过细致的规划。
许多公司正在探索如何在这方面应用数字孪生技术，比如通过建立解剖结构模型，帮助医生在实际操作之前模拟手术过程。
飞利浦研发的 HeartNavigator 通过 CT 图像来创建心脏的数字模型，可用于规划复杂的心脏手术，例如经导管主动脉瓣置换术（TAVR）。此外，该软件还可以将实时 3D 成像数据与由 CT 扫描构建的虚拟模型相叠加，从而更好地在手术过程中为医生提供指导。
（来源：飞利浦）
另一家公司 Digital Orthopedics 也开发了足部和踝部的数字模型，允许外科医生模拟手术结果并优化手术计划，让患者获得更好的治疗。
结语
未来，数字孪生技术将模拟出更多解剖结构，同时随着成像技术和物联网等新兴技术的进一步发展，其应用领域有望得到进一步拓展和广泛部署。
下一篇：注意！四川天府健康通有新变化
