病人罹患癌症，现在必须做出诊疗决策。
面对这个艰难的决定，临床医生和患者本人都面临着巨大挑战。他们既需要考虑到患者的个人情况、可行的治疗方案、潜在副作用，也必须参考相关临床数据（如患者的基因图谱和癌症特征等）。
英国皇家马斯登医院肿瘤内科顾问、Concr LTD首席科学官、皇家内科医师学会会员（MRCP）Uzma Asghar博士表示，“需要考虑的信息太多了。”
那如果有一种方法能够快速准确地测试所有潜在治疗路径，结果又会怎样？
这正是数字孪生的意义所在。基于人工智能（AI）的程序参照关于患者及其疾病类型的所有已知数据，并建立一套能够反复使用的“孪生”副本，借此模拟疾病变化、测试治疗方法并预测个体对于特定疗法的反应。
Asghar指出，“数字孪生模型能够帮助临床医生保存所有信息，并在几分钟之内快速处理。”
数字孪生所代表的不仅仅是一套计算机模型或者模拟环境，而是重现了现实世界中的人体以反映其运作方式。某些数字孪生程序还会在新信息可用时持续加以集成。这项技术有望实现个性化医疗、药物发现、制定筛查策略并更好地探索疾病机理。
如何建立孪生模型
要构建一套数字孪生副本，专家需要首先开发出一套带有数据的计算机模型，通过训练使其掌握医学领域的专业知识，例如癌症类型和常见疗法。之后，Asghar表示“即可向已经完成训练的模型引入患者及其病症信息。”
Asghar目前正与同事们合作开发数字孪生，希望未来能够协助解决上述癌症诊疗难题，帮助医生和患者共同选定最佳癌症治疗方案。但除此之外，他们的方案还有其他多种用途，且主要集中在临床研究领域。
Asghar表示，数字孪生中通常包含机器学习组件，也就是AI的宏观大类，而且与ChatGPT等大家目前更为熟悉的生成式AI模块有所区别。
Asghar强调，“二者的不同之处在于，这类模型并不是要取代临床医生或者临床试验。”相反，数字孪生有助于效率更高、成本更低的方式快速做出决策。
用数字孪生预测癌症结果
Asghar目前参与了英国临床试验，招募癌症患者以测试其数字孪生程序的准确性。
目前这些研究还没有应用到数字孪生来指导治疗过程，而他们的目标就是尝试将二者相结合。当下项目仍处于验证阶段——由数字孪生程序对治疗方法做出预测，而后研究人员根据入选患者的真实信息评估预测结果的准确性。
他们目前的模型可以预测RECIST（实体瘤反应评估标准）、治疗反应和病人生存周期。除了持续收集进行中的临床试验数据之外，他们还使用到回顾性数据（例如来自Cancer Tumor Atlas的数据）以测试该模型的实际性能。
Asghar表示，“我们现在已经对9000多名患者进行了临床验证。”他解释称，他们正不断对新患者进行测试，涉及的数据包括30种化疗方法及23种癌症类型，但主要关注其中四种：三阴性乳腺癌、原发性不明癌症、胰腺癌以及结直肠癌。
Asghar补充称，“选择这四种癌症类型的原因，在于它们更具侵袭性，对化疗的反应不太好，而且这部分患者群体的治疗结果也有更大的改进空间。”
Asghar表示，目前该模型在预测实际临床结果方面的正确率为80%到90%。
在这项技术被广泛用于临床医生之前，研究小组还需要将数字孪生整合到临床试验当中。在此期间，将由部分临床医生使用该模型做出治疗决策，而另一些则不使用该模型。通过研究两组患者的疾病变化走向，即可确定他们创建的数字孪生程序是否具有价值。
数字孪生还能做什么？很多很多
虽然帮助临床医生做出癌症治疗决策的模型将成为首批得到广泛应用的数字孪生程序之一，但还有多种其他类型的数字孪生也在同步开发当中。
例如，数字孪生可以作为患者的参考基准，以确定如果不加治疗、他们的癌症会如何发展。印第安纳大学布卢明顿分样智能系统工程系教授Paul Macklin博士指出，假设患者的肿瘤在治疗期间增大，可能看似代表疗法已经失败。但数字孪生可能会证明，如果不加治疗，肿瘤的生长速度本该是现在的五倍。
或者，如果虚拟患者的肿瘤与真实患者的肿瘤尺寸相当，“则意味着治疗已经失败，必须抓紧时间尝试新的方案。”Macklin指出，数字孪生不仅可以帮助选择治疗方法，还可帮助选择给药方案。
随着新疗法的出现，模型也可接受相应更新，继续帮助临床医生在为患者更换治疗方法之前，提前以虚拟方式探索相关疗法可能对患者产生的影响。
数字孪生还可以根据患者的个人选择及现实生活情况对决策细节做出调整。Mcklin在谈到治疗的潜在副作用时表示“也许医生的首要目标不一定是不惜一切代价来缩小肿瘤……而是将疗效与生活质量结合起来做权衡。”或者，假如某人住在距离最近癌症中心三小时车程的偏远位置，数字孪生也可以帮助确定降低治疗频率是否仍可有效控制疾病发展。
虽然生物医学研究领域的大部分数字孪生探索都集中在癌症层面，但Asghar表示，这项技术亦有潜力在其他疾病中发挥作用。心血管疾病的数字孪生副本可以帮助医生选择最佳治疗方法。它还可以整合来自智能手表或血糖监测仪的实时信息，做出更好的预测并帮助医生调整治疗计划。
依托数字孪生，让研究更快、更高效
由于数字孪生程序能够快速分析大型数据集，因此能够让现实世界中的研究速度更快、更富实效。
虽然数字孪生不会完全取代真实的临床试验，但其有助于在开始全面临床试验之前更好地规划前期方案。MckLin强调，这将“为每个人节约大量金钱、时间，削减承受的痛苦和风险。”
匹兹堡大学生物工程学教授Ioannis Zervantonakis博士表示，数字孪生还可用于设计更好的筛查策略，借此改善早期癌症检测与监测效果。
Zervantonakis正运用数字孪生技术开展肿瘤相关研究。在他们的课题中，数字孪生反映的是真实肿瘤的虚拟表示，包括其复杂的细胞网络与周边组织。
Zervantonakis的实验室正使用该项技术研究肿瘤微环境下细胞之间的相互作用，且重点关注乳腺癌对于人类表皮生长因子受体2靶向治疗方案的耐药性。他们开发的数字孪生能够模拟肿瘤生长、预测药物反应、分析细胞间的相互作用并优化治疗策略。
优化健康的漫漫长路
拖慢数字孪生广泛应用的一大阻碍，在于该项技术仍缺少明确的监管框架。
Asghar解释称，“我们正在开发这项技术，但与之配套的监管框架也在同步制定当中。所以我们几乎是在盲目开发，靠猜测来判断监管机构能接受什么、不能接受什么。”
“对于这些技术加以适当监管确有必要，正如药品需要监管一样，我们也一直在推动和倡导这方面工作。”但Asghar也提醒称，普罗大众必须意识到，数字孪生跟药物一样也有其优点和局限性。
虽然从长远来看，数字孪生能够节约成本，但也需要大量资金来完成前期立项，而资金筹集往往困难重重——毕竟并不是每个人都知晓这项技术。而资金投入量越大，前期考察和试水周期也会越长。
有了更多数据，Asghar希望在几年之内将数字孪生模型交付给临床医生使用，帮助并引导他们完成治疗决策。这有望显著提升治疗效果，以更高的生活质量为患者开启人生新阶段。
