Виртуальные близнецы: как цифровые двойники меняют здравоохранение

Виртуальные близнецы: как цифровые двойники меняют здравоохранение

30 May 2022
115
Прослушать

Согласно данным опроса Accenture 2021 года, 66% руководителей здравоохранения ожидают увеличения инвестиций в цифровые двойники (ЦД) в течение следующих трех лет. Большинство респондентов убеждены: используя эту технологию, организация может повысить предсказуемость и снизить риски. Самое главное, виртуальные близнецы могут улучшить качество лечения и безопасности пациентов.

Из космоса — на Землю

Считается, что концепция моделирования цифровых близнецов была впервые использована для космического корабля “Аполлон-13”. Цифровой двойник — это актуальная и точная копия свойств и состояний физического объекта, включая положение, форму, статус и движение. Он предоставляет как элементы, так и динамику того, как подключенный актив работает на протяжении всего жизненного цикла. 

Использование исторических данных и данных, собираемых в режиме реального времени, о работе больниц и окружающей среде (например, о случаях COVID-19, автомобильных авариях, пыльных бурях) для создания цифровых двойников позволяет руководству больницы выявлять нехватку коек, оптимизировать графики работы персонала и помогать управлять палатами. Такая информация повышает эффективность использования ресурсов и оптимизирует работу больницы и персонала при одновременном снижении затрат. 

Обзорное исследование в больницах MUSC Health показало, что использование цифровых двойников позволило сократить время лечения пациентов, перенесших инсульт, снизить число внутрибольничных осложнений, повысить удовлетворенность пациентов и сократить расходы клиники. 

ЦД — незаменимые помощники для управления рисками. Они обеспечивают безопасную среду для тестирования изменений в производительности системы (число сотрудников, вакансии в операционных, техническое обслуживание устройств), что позволяет принимать стратегические решения на основе данных в сложной и чувствительной среде.

ЦД лекарств и химических веществ позволяют ученым модифицировать или переделывать препараты с учетом размера частиц и характеристик состава для повышения эффективности доставки. Например, технологию использовали при создании западных вакцин от COVID-19. Во многом благодаря ей сроки запуска производства этих препаратов удалось существенно сократить.

ЦД медицинского устройства позволяют разработчикам тестировать характеристики или использование устройства, вносить изменения в дизайн или материалы, проверять эффективность различных модификаций изделия в виртуальной среде перед запуском в производство. Это значительно снижает вероятность неудачных лончей и повышает производительность и безопасность конечного продукта.

Цифровой двойник человеческого тела применяется для моделирования органов и отдельных клеток или индивидуального генетического состава, физиологических характеристик и привычек (образа жизни) для создания персонализированных лекарств и планов лечения. Эти копии внутренних систем тела улучшают медицинское обслуживание и лечение пациентов за счет персонализации  диагностики.

Сосредоточив внимание на каждом человеке в отдельности, врачи не проводят лечение на основе больших выборок. Скорее, они полагаются на индивидуальное моделирование для отслеживания реакции каждого пациента на различные виды лечения, что повышает точность общего плана лечения. Также они в состоянии обнаружить патологию еще до того, как нарушения станут очевидными. Впрочем, несмотря на интерес к персонализированной медицины, приложений ЦД для реальных пациентов пока не существует. А что уже есть на рынке?

Что предлагают ученые и разработчики

Генератор цифровых двойников Unlearn, стремящийся разработать цифровые копии пациентов для клинических испытаний, привлек 50 млн долларов для проведения машинного обучения.

Стартап работает с биофармацевтическими компаниями, чтобы собрать исторические данные о пациентах и ​​создать их цифровых близнецов. Цель состоит в том, чтобы помочь производителям лекарств и академическим исследователям завершить клинические испытания, привлекая меньшее число участников, путем интеграции цифровых двойников в относительно меньшие контрольные группы.

Испытания можно проводить быстрее и с теми же ресурсами, чтобы пациенты могли быстрее получить доступ к более эффективному лечению, отмечают в Unlearn.

Unlearn заявила, что ее модели, управляемые искусственным интеллектом, могут генерировать цифровых двойников, которые на бумаге могут быть «статистически неотличимы» от реальных пациентов с точки зрения отслеживания прогрессирования болезни Альцгеймера. Еще стартап работал с болезнями Паркинсона, Гентингтона и Крона, БАС, рассеянным склерозом, волчанкой, ревматоидным артритом, псориазом, язвенным колитом.

В Медицинской школе Миллера при университете Майами (США) создают цифрового двойника, который должен заменить пациента в процессе тестирования новых методов лечения.

Система MILBox будет использовать цифровые носимые устройства и умных помощников в доме для сбора биологических, клинических, поведенческих и экологических данных о пациенте. Информация будет собираться в течение семи дней подряд, а затем на ее основе создадут модель, которая может быть использована для тестирования новых методов лечения до того, как они будут опробованы на реальном пациенте.

Проект осуществляет Лаборатория медиа и инноваций Школы Миллера совместно с Amazon Web Services и Open Health Network. Сначала ученые сфокусируются на лечении проблем со сном. 

Австрийская компания Golem создает цифровых двойников уязвимых людей, живущих в одиночестве. Стартап реализует принципиально новую концепцию: обеспечить каждого человека личным цифровым помощником по здоровью на основе искусственного интеллекта, который:

  • Общается с человеком и его опекунами по мобильным телефонам и через умные колонки на естественном языке.
  • Помогает составить и соблюдать запланированный распорядок дня (прием лекарств, выполнение медицинских процедур, визиты к врачам и т. д.)
  • Непрерывно измеряет и рассчитывает различные биомаркеры (показатели жизнедеятельности, активность, обмен веществ, ИМТ), психологические/эмоциональные показатели и условия жизни в доме (качество воздуха, безопасность). 
  • Анализирует состояние здоровья и самочувствия в режиме реального времени и составляет прогнозы.
  • Интерпретирует результаты и предоставляет человеку рекомендации, напоминания и аналитику с рекомендациями, направленными на поддержание здоровья и благополучия.   

Приложение Intelligent Personal Digital Twin работает на платформе PharosN, управляемой AI, Big Data и IoT. 

Несколько коллективов стремятся создать ЦД сердца. В этом направлении работает исследовательская программа под названием Echoes, в которой участвуют исследователи из Европы, Великобритании и США, немецкий производитель медицинского оборудования Siemens Healthineers, французский разработчиков ПО Dassault Systèmes. 

Финансируемый ЕС проект Neurotwin намерен разработать компьютеризированную модель всего мозга отдельного пациента. 

Команда Neurotwin надеется, что модель можно будет использовать для прогнозирования эффектов стимуляции при лечении неврологических расстройств, включая эпилепсию и болезнь Альцгеймера. 

Примерно трети больных эпилепсией лекарства не помогают. Было показано, что неинвазивная стимуляция, при которой электрические токи безболезненно доставляются в мозг, помогает уменьшить частоту и интенсивность приступов. Но технология все еще довольно новая и нуждается в доработке. Вот где “виртуальный мозг” может оказаться полезным. 

Чтобы создать цифрового двойника пациента с эпилепсией, команда Neurotwin берет около получаса данных МРТ и около 10 минут показаний ЭЭГ и строит компьютерную модель. Чем-то это напоминает вычислительную модель прогноза погоды, говорят в стартапе. 

Neurotwin планирует запустить клиническое испытание в этом году и создать цифровых близнецов примерно 60 пациентов с болезнью Альцгеймера, которые получат лечение стимуляцией мозга, оптимизированное специально для их мозга. Второе клиническое исследование, запланированное на 2023 год, охватит пациентов с резистентной к лечению фокальной эпилепсией. Оба испытания являются проверкой концепции. 

В случае успеха команда планирует расширить свою технологию для изучения других аспектов мозга, например, связанных с рассеянным склерозом, реабилитацией после инсульта, депрессией и воздействием психоделиков. 

Цифровое дублирование органа или всего организма поднимает целый ряд этических вопросов, констатируют эксперты. Например, имеет ли пациент право знать, если, скажем, его близнец “предсказывает”, что через две недели у него будет сердечный приступ? Что происходит с близнецом после смерти пациента? Чтобы не нарушать автономию и неприкосновенность частной жизни, крайне важно, чтобы человек контролировал использование своего цифрового двойника. Потеря этого контроля приведет к тому, что называют “цифровым рабством”. 

В специализированной литературе отдельно обсуждается тема использования ЦД при лечении ребенка: кто должен принимать решение об использовании этой технологии для конкретного несовершеннолетнего пациента, смогут ли наиболее уязвимые дети получить доступ к ней. 

Что дальше?

Согласно отчету IMARC Group, в 2021 году мировой рынок цифровых двойников, который охватывает различные отрасли, не только здравоохранения, составил 10,3 млрд долларов. По прогнозу аналитиков, к 2027 году рынок достигнет 54,6 млрд долларов, а среднегодовой темп роста в прогнозируемом периоде составит рекордные 31,7%. 

Растущее использование виртуальных близнецов в фармацевтической промышленности является одним из факторов, стимулирующих рост рынка. 

Но есть и ряд сдерживающих факторов. Технология до сих пор не получила широкого распространения в клинической практике из-за своей дороговизны. По мнению аналитиков, в ближайшее время она будет по карману лишь людям с большими финансовыми возможностями, что приведет к неравенству в системе здравоохранения.

По-прежнему барьером является отсутствие или низкое качество данных. Система искусственного интеллекта в цифровых двойниках учится на доступных биомедицинских данных, но поскольку те собираются частными компаниями, качество не всегда соответствует требованиям разработчиков. Это негативно влияет на модели, их точности и надежности.

Корреспондент МВ и ФВ Екатерина Погонцева специально для evercare.ru