布兰卡·罗德里格斯：人体心脏的计算模拟
牛津大学教授布兰卡·罗德里格斯坚信，利用计算机建模和仿真技术，有望在心内科患者的诊断、治疗和护理领域引发重大突破。
当布兰卡·罗德里格斯在20多年前开始探索人体心脏的计算模拟时，利用人工智能和机器学习数字化重建并分析个体心脏，以模拟何种疗法能最有效地治疗心脏疾病的想法，还仅仅是一个充满希望的概念。如今，罗德里格斯——牛津大学计算医学教授、威康信托基金会高级研究员——已将她的职业生涯奉献给计算心脏病学这一新兴领域，她深信，心脏的计算机建模和模拟即将为心脏病患者的诊断、治疗和护理带来重大突破。
计算机模拟并非一项新技术。1960年，牛津大学生物学家丹尼斯·诺布尔就开始尝试心脏的数学模型。罗德里格斯指出，汽车和航空航天工业的工程师们早已采用了此类模拟技术。所有新车辆和飞机的设计都将基于人工智能的计算机模拟作为关键工具，以虚拟方式建模每个功能、设计元素和潜在结果。这种被称为“数字孪生”的概念现已在心脏病学领域得到采纳，而罗德里格斯是其主要倡导者之一。“我们正在对心脏做同样的事情，这极具挑战性，”罗德里格斯说。“我们正在收集患者的临床数据，并尝试用这些数据构建一个虚拟工具。我们希望模拟那个特定心脏的工作原理，并模拟某些疗法或设备是否会比其他方案更有效，以便我们了解疾病是如何以特定方式影响特定患者的。”
罗德里格斯表示，利用人工智能和机器学习来处理海量临床数据，并能够为每位患者个性化这些数据，代表了计算心血管科学的一项重大突破。随着技术的完善和改进，适应每位患者独特生理机能的能力，将不可避免地带来更好、创伤更小的治疗结果。“我们试图理解和预测某些疗法是否对特定患者效果更好，并以更个性化的方式理解疾病状况，”罗德里格斯解释道。
“硅上”方法
这种“硅上”（或称计算）方法论——与“体外”或“体内”实验相对——很可能成为未来药物开发，乃至心脏病患者临床治疗的默认方法。数字孪生模型将揭示以独特方式影响每个人的复杂性和疾病状况，而非采用通用的一刀切模型。
作为2018年某中心机器学习研究奖的获得者，罗德里格斯沉浸于心脏病学和计算机科学的交叉领域，这并非她最初设想的职业道路。罗德里格斯来自西班牙地中海港口城市瓦伦西亚，1997年从瓦伦西亚理工大学获得电气工程学位。“当时我对医学或心脏病学一无所知，家里也没有人从事这类工作，”她说。但在参加了一次由密歇根大学著名心律失常专家何塞·哈利菲主讲的关于心脏病学研究的讲座后，她“对这个主题完全着迷了”。她当即决定攻读计算医学博士学位。她于2004年作为高级博士后研究员加入牛津大学，并将职业生涯奉献给了该领域的突破性研究。
她的工作已引起了学术界和工业界的关注。计算机模拟已经在医疗和制药界产生影响。直到最近，制药公司仍主要依赖动物试验作为测试新药有效性和副作用最准确可靠的方法。研究表明，动物试验的准确率在75%到85%之间，有时还会因安全问题导致药物撤市。
计算模型的承诺
人类心脏细胞的计算模型已经提供了更高的准确度，并且具有减少有争议的动物实验、提高药物安全性以及更有可能预测人类药物不良反应的额外优势。“对于心脏药物毒性或对心脏副作用 的预测，我们的计算机模型准确率已经达到90%，这正是行业非常感兴趣的原因，”罗德里格斯说。“我们可以取代部分动物实验并降低成本。而且，它速度很快。”
“对于心脏药物毒性或对心脏副作用 的预测，我们的计算机模型准确率已经达到90%。”
布兰卡·罗德里格斯
为此，罗德里格斯在牛津的实验室不仅与临床医生合作，还与制药行业合作，后者对利用计算机模型在临床试验前测试药物疗法的前景很感兴趣。她正在与葛兰素史克、阿斯利康、赛诺菲、UCB和默克等巨头公司合作。
罗德里格斯认为，获得这种行业认可是最重要的成果之一，因为几年前这些公司“非常怀疑。他们对这些计算方法知之甚少，所以我们必须与他们合作，让软件真正易于使用，”她解释道。“我们不仅在计算方面下功夫，也在人文方面努力，为这些方法建立可信度。这一直是个挑战。”
利用这些技术，制药商可以尽早确定某种药物是否有副作用。“我们对人类心脏的了解程度，足以让我们基于现有数据构建数学方程，并将这些方程嵌入软件程序中，用来模拟药物对人类心脏的作用，”她解释说。
此外，这项工作还吸引了美国食品药品监督管理局和各种欧洲监管机构等重要监管机构的关注与合作。罗德里格斯的牛津实验室已经与这些机构联合发表白皮书。
罗德里格斯表示，某中心机器学习研究奖为其团队现有资源提供了重要补充。“该研究奖对于我们在产生方法论进步和展示硅上临床试验潜力方面的工作至关重要，”罗德里格斯说。“我们发表了重要的论文，描述了人类心脏数学模型的开发。这些模型正被学术界、工业界和像FDA这样的监管机构用于药物测试。”
更快（更好）的数据分析
近年来，人工智能和机器学习技术的突破通过极大加速大型数据集的分析速度，使得计算模拟的有效性大大提高。成千上万个人类心脏的图像可以在纳秒内被分析，同时，新的生物标志物会出现，从而更准确地预测患者结果和优选疗法。
这些人工智能程序还能识别出具有相似特征但可能患有不同病症的患者亚组。例如，心脏病发作过的患者往往被归入一个庞大的群体。“但实际上，心脏病发作的表现形式在个体患者中差异很大。人工智能和机器学习有助于识别具有相同特征、可能从特定疗法中受益的患者亚组，”罗德里格斯说。
对于人工智能和机器学习研究人员来说，面临的挑战之一是获取庞大的临床数据库，以便测试这些模型并训练算法。在牛津，罗德里格斯的团队可以访问庞大的英国生物样本库，这是一个大规模的生物医学数据库和研究资源，一些医院已经开始共享数字化的临床数据。但由于隐私问题和成本限制，像这样重要的数据集仍然难以获得。
“我们的工作取决于能否获得好的数据集，”罗德里格斯指出。“并非所有医院都在收集数据，而且涉及很多伦理问题。另一个挑战是找到合适的研究人选，特别是能够理解医学的计算机科学家。人们不仅需要技术天赋，还需要了解并知晓临床挑战。”
罗德里格斯已经看到了她工作的影响，她表示这项技术可以加速重要心血管疗法的开发和应用，使这些疗法对患者更有效、更安全。未来十年有望取得巨大进展。“我不认为这是个梦想。它正在发生，”她宣称。“这只需要时间。”
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）
