癌症患者的数字孪生体可能是预测性肿瘤学的"范式转变"

癌症患者的数字孪生体可能是预测性肿瘤学的"范式转变"

包括劳伦斯利弗莫尔国家实验室（LLNL）贡献者在内的一个多机构团队提出了一个癌症患者数字孪生模型的框架，研究人员称这将为预测性肿瘤学创造"范式转变"。

11月25日在线发表在《自然医学》杂志上，拟议的癌症患者数字孪生（CPDT）框架 - 使用实时数据对癌症患者进行虚拟表示 - 将结合高性能计算建模和模拟，模型推断和临床数据，为癌症患者做出治疗预测和个性化医疗保健决策。.作者总结说，当完全实现时，CDPT将反映患者的分子，生理和生活方式特征，因为它们随着时间的推移而发展和不同的治疗方法，并通过增加最佳护理的可能性来帮助"开创医学的新时代"。

"CPDT是高性能计算和肿瘤学日益融合的一个巨大挑战问题，"担任LLNL战略科学参与办公室负责人的撰稿人Amy Gryshuk说。"它们在推进预测医学方面具有巨大的潜力，但为了实现这一承诺，我们需要集成多尺度和多模式数据，然后大规模构建和测试动态模型。

CDPT概念源于能源部实验室，国家癌症研究所（NCI），学术界和工业界之间的合作伙伴关系，他们于2019年成立了癌症挑战的展望计算创新（ECCIC）社区。LLNL主办了由Gryshuk共同组织的第一次ECCIC会议，该会议调查了先进计算和癌症研究的十字路口，并提出了这个想法。

在拟议的框架下，研究人员将从个体水平的患者数据以及临床试验和人口研究中创建一个多尺度和多模式数据集，以训练机械和人工智能（AI）模型。它将解决从分子水平到人口水平的时间尺度上的变化，并且随着患者疾病状态的发展，数字孪生体将结合实时观察数据来预测未来的状态。

研究人员设想临床医生将使用CPDT进行虚拟实验，模拟患者在不同治疗下的疾病轨迹。在每次与临床医生一起就诊时，预测将与现实生活中的测量结果进行比较，以评估数字孪生体的性能，并在"持续学习"循环中对其进行更新，以便为患者做出决策提供信息。

研究人员报告说，除了个人患者预测外，CPDT还将为政策制定者提供关于哪些癌症疗法最有希望的见解，为投资和资源分配提供信息，并帮助医疗保健系统更好地实时应对公共卫生状况。

虽然CPDT可以彻底改变癌症和许多其他复杂疾病的治疗和管理方式，但作者警告说，科学界需要克服数据，建模和整合方面的障碍，以及伦理问题。该团队总结说，数据将需要在不同的人群中捕获，并根据FAIR（可查找性，可访问性，互操作性，可重用性）原则，以确保它们不会加强预先存在的偏见。