返回栏目
首页人工智能 • 正文

遇见数字双胞胎:即将到来的药物开发革命

发布时间:  来源:河洛网

51年前,阿波罗13号被送往太空。 升空不久后,宇宙飞船遭遇了大爆炸。 宇宙飞船中的宝贵氧气开始泄漏到太空,宇宙飞船中的3名宇航员陷入危笃。

遇见数字双胞胎:即将到来的药物开发革命

时钟滴答滴答,美国航空航天局在休斯顿任务控制队不断工作。 他们如何诊断和解决漂浮在200,000英里之外的太空上的物理资产故障?

幸运的是,美国航天局有15个模拟器,用于训练执行任务的宇航员。 具有这些计算机系统的高保真度模拟器是“ 数字双胞胎” 的前身。 这些被用于复制受损的宇宙飞船,在成功救出船员方面起着重要的作用。

当今,人体数字双胞胎是生命科学领域的最新趋势。 制药公司正在探索这项技术,改变药物的开发和患者的护理。

什么是数字双胞胎? 数字双胞胎是现实世界中人、物理实体或过程的虚拟拷贝。 例如,飞机引擎的数字双胞胎是机器的精确虚拟副本,该副本受人工智能( AI )支持。 由引擎上的传感器收集的数据流被实时发送给数字双胞胎。 这样,飞机的工程师们就可以监视发动机的性能,预测故障何时发生。

在这里,想象一下为一个人建立数字双胞胎模型。 这个模型可以复制特定情况下的行为和反应。 可以跟踪他们的健康状况,诊断疾病,制定预防性治疗计划。

在虚拟世界中完全复制人类还是不可能的(虽然有,但在今天,即使是部分拷贝也带来了非常明显的好处。

为什么数字双人技术在医疗中这么重要? 可以测试新药,确认药物的安全性和有效性。 如果我们能在2020年使用这项技术,新冠引发肺炎的疫苗几个月前问世,就能拯救数百万人的生命。

为什么临床试验需要推翻今天? 临床试验面临四大挑战,药物研发不完全、缓慢、不可预测、甚至不安全。

1 .虽然不准确地表示现实世界人口庞大多样,但根据设计,临床试验只涉及其中的一小部分人。 地球上有数十亿人生存,但在临床试验中,每个人都不能根据自己的身心状况再现对药物的反应。

2 .能够及时招募必要患者的试验很少。 由于研究人员无法招募到合适的患者,一些临床试验永远不会有结果。 制药公司竭尽全力减少数量,招募指定数量和类型的患者,希望符合临床试验设计的严格规范。 事实上,招募患者的挑战推迟了80%的考试。

3 .并非所有患者都在接受的新药治疗,在大多数实验中,有一半患者实际得到了安慰剂或假药。 这有助于比较患有特定疾病的患者没有服用试剂时的反应。 但这意味着至少有一半想报名参加考试接受新药物治疗的患者没有接受。

4 .并非所有试验药物都如预期的那样安全,根据设计,在临床试验中评价试验药物的安全性和有效性。 虽然监管机构为了提高药物发现的安全性而进行检测和控制,但试验仍然会产生严重的不良影响,严重的情况下还可能导致死亡。 这阻止了很多患者报名参加临床试验,参加临床试验的人们也担心不安和安全的问题。

数字双技术可以应对这些挑战:

涵盖范围:数字双胞胎可以模拟各种患者的特征,表现药物对更广泛人群的影响。 速度:人工智能可以对纳入和排除各种标准提供患者可获得性的可视性,从而简化试验设计。 可预测性:如果数字双胞胎能够预测患者的反应,就不需要安慰剂和假药。 因此,所有参加试验的患者都可以放心使用新的治疗方法。 安全性:通过减少现实世界测试所需的参与患者人数,数字双胞胎可以最大限度地减少早期药物的危险影响。 但是,这里最大的问题是数字双胞胎是否做好了准备,在今天的药物发现中承担着这些责任。

现实还是科幻小说。 数字双技术在医疗领域的发展状况,我们还处于将数字双胞胎应用于生命科学的初期阶段。 今天,研究者们使用简单的数字双胞胎对人体的分子和细胞功能—; — 而不是在临床试验中模拟患者的整体反应。

Unlearn.AI是一家创业企业,已经筹集了1700万美元以上的资金,构建了考试用数字双胞胎。 该公司首席执行官Charles Fisher说: “ 我们还没有到可以模拟一个人实际生化反应的阶段。 ” 他补充道,“ 我们在生物学方面还不了解,也没有数据。 所以,我们不致力于预测患者对新治疗方法的反应。 ”

许多临床试验将患者分为两组。 治疗组接受试验药物,对照组接受安慰剂或模拟药物。 对照组有助于确定特定疾病患者未接受新治疗方法时的反应。

制药公司首先在对照组中尝试了使用数字双人技术。 Fisher是“ 我们可以从成千上万的人那里收集纵向患者数据,了解他们对治疗的反应。 这个做法把这个挑战变成了普通的机器学习问题。 可以从历史数据中学习。 ” 他说:““ 我们试图预测患者在接受现有治疗后会怎么样。 ”

近年来,在患者护理领域使用人工智能的呼声越来越高。 在新冠引起的肺炎疫情肆虐之际,这一趋势越来越明显。 据报道,美国食品药品监督管理局( FDA )建立了监管框架对此进行监督。 Fisher是“ 目前正在进行FDA和欧洲药品管理局( EMA )的资格认证审查,验证是否满足当前的监管要求。 ”

哪种病有可能是最先看到数字双胞胎的使用? 我们拥有高质量、高维临床试验和真实世界数据的领域最有可能。 例如,Unlearn是一种神经系统疾病— — 如老年痴呆症和多发性硬化症。

三个可能阻碍数字双胎使用的障碍通常是阻碍人工智能创新成为主流的最大障碍与技术本身无关,算法和模型正确性方面的突破性进展证明了这一点。 虽然这些进展很好,但是数据收集、用户招聘和可靠的APP应用与步伐不符。

1 .医疗行业面临着数据规模太小、过于杂乱的挑战

Junaid Bajwa,微软首席医学科学家和英国国民健康服务( NHS )的执业医生,指出“ 健康不仅包括你的生物学特征,还包括基因组、社会决定因素以及介于其中的所有因素。 ” 他补充道,“ 为了使数字双胞胎更加个性化,需要使用有关这些参数的更多数据。 ”

在扩展新的患者数据源时,还需要修复现有的数据。 Fisher是“ 今天,电子健康记录( EHR )的存在主要是为了向患者通知账单信息,而不是为了推动研究的发展。 ” 他说,数字双人技术的下一个重要里程碑不是来自人工智能研究方面,而是来自医疗领域数据规模小、解决杂乱无章问题方面。

我希望它已经出现了。 来自可穿戴设备、手机等设备的数据流可以提供高保真度的真实世界数据。 23andMe和Datavant等公司正在努力提高高质量医疗数据的可用性进行研究。

2 .改变心态和行为不是件容易的事

即使创新者们想办法,制造出了可以模拟患者行为的完美数字双胞胎,我们也会马上采用它吗? 技术革新的历史表明,情况可能不会这么顺利。

Bajwa是“ 在我的临床实践中,被委托对数字双胞胎进行一天的诊断,第二天让现实生活中的人重复同样的过程,我觉得很不可思议。 ” 改变技术和流程可能很容易,但改变人的心情并不容易。

Bajwa说:““ 在新冠引发肺炎疫情到来之前,人们想通过视频会议进行在线咨询。 ” 他说:““ 该技术(视频会议)已经存在10多年,在便利连接和公平方面的潜力十分明显。 但是,我们为了接受这种低风险的变化,离全球大危机到来还有这么长的时间。 ”

3 .人工智能的信任、隐私、偏见等棘手问题

我们讨论了应用这项技术的好处,但无法避免这种做法带来的有害后果。 Shwen Gwee,Bristol Myers Squibb的副总裁兼数字战略负责人,曾表示“ 数字双胞胎的使用需要高分辨率的数据才能有意义,但需要平衡这种效用和信任、隐私、偏见等问题。 ”

你能相信患者们不会在自己个人的数字双胞胎不同意的药物和场景中用于测试吗? 另外,今天的临床试验数据集不能很好地代表种族和人种。 如果使用这样带有偏见的数据训练数字双胞胎,可能无法准确地表示人的特定部分。

Fisher是“ 我认为你不能做出没有偏见的人工智能算法。 ” 他说:““ 因为人工智能是由数据驱动的,所以它反映了数据中的偏见。 不是想让算法变得完美,而是必须集中于在临床试验中使用算法进行预测的方法。 ” 同样,解决方案不是技术,而是取决于正确的流程、人文关怀和人类的参与。

基于人工智能的数字双人技术的美好未来

然而,虽然数字双技术可以通过临床试验合成对照组来引发革命,但该技术在生命科学领域拥有的潜力要大得多。 积极应对数据收集、用户招聘和可信APP三大挑战有助于该技术成为主流。

数字双人技术在遥远的未来会怎么样?

Fisher是“ 看到了安全地减少临床试验规模的可能性— — 例如减少25%。 ” 他说:““ 这可以给医药研究和患者带来乘数效应。 这样,所有生物技术和制药公司都可以更快、更低成本地进行临床试验。 ”

Bajwa以个人经历为例,分享了癌症患者所经历的痛苦。 “ 目前,尽管有手术、化疗、免疫疗法等治疗选择,但为患者找到最佳药物仍处于黑暗中摸索的阶段。 ”

Bajwa思考了数字双技术可以如何改变这种治疗方式的未来。 “ 假设我的多学科临床团队中有癌症患者& mdash & mdash; 她是伦敦郊外出生的50岁的母亲,她有两个孩子。 我们可以用患者的数字双胞胎尝试所有可能的组合,找到定制的最佳治疗方案吗? 快速准确地做到这一点,可以为个人提供最好的生活质量。 这可以帮助数百万人在对抗癌症这种疾病中生存下来。 ”

他总结说,这将是数字双人技术的美好未来。

【编辑推荐】

    相关文章Related

    返回栏目>>

    河洛网首页

    Copyright © 2019 河洛网 版权所有 dahuimr@163.com