Кажется, каждый день какой-то новый алгоритм позволяет компьютерам диагностировать болезнь с беспрецедентной точностью, обновляя прогнозы о том, что компьютеры скоро заменят врачей. Что, если бы компьютеры могли заменить и пациентов? Если бы виртуальные люди могли заменить реальных людей, например, на некоторых этапах испытания вакцины против коронавируса, это могло бы ускорить разработку профилактического инструмента и замедлить пандемию. Точно так же потенциальные вакцины, которые вряд ли подействовали, могли быть выявлены на раннем этапе, что снизило затраты на испытания и позволило избежать тестирования плохих вакцин-кандидатов на живых добровольцах. Это некоторые из преимуществ «медицины in silico», или тестирования лекарств и лечения виртуальных органов или систем организма, чтобы предсказать, как реальный человек отреагирует на терапию. В обозримом будущем на поздних стадиях исследований потребуются реальные пациенты, но испытания in silico позволят провести быстрые и недорогие первые оценки безопасности и эффективности, резко сократив количество живых людей, необходимых для экспериментов. В случае виртуальных органов моделирование начинается с передачи анатомических данных, полученных из неинвазивных изображений реального органа человека с высоким разрешением, в сложную математическую модель механизмов, управляющих функцией этого органа. Алгоритмы, работающие на мощных компьютерах, разрешают полученные уравнения и неизвестные, генерируя виртуальный орган, который выглядит и ведет себя как настоящий. В определенной степени уже проводятся клинические испытания in silico. Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA), например, использует компьютерное моделирование вместо испытаний на людях для оценки новых систем маммографии. Агентство также опубликовало руководство по разработке испытаний лекарств и устройств с участием виртуальных пациентов. Помимо ускорения результатов и снижения рисков клинических испытаний, медицина in silico может использоваться вместо рискованных вмешательств, которые необходимы для диагностики или планирования лечения определенных заболеваний. Например, HeartFlow Analysis, облачный сервис, одобренный FDA, позволяет клиницистам идентифицировать ишемическую болезнь сердца на основе компьютерных томографов сердца пациента.
Система HeartFlow использует эти изображения для построения гидродинамической модели крови, проходящей через коронарные кровеносные сосуды, тем самым выявляя аномальные состояния и их тяжесть. Без этой технологии врачам необходимо было бы выполнить инвазивную ангиограмму, чтобы решить, следует ли и как вмешиваться. Эксперименты на цифровых моделях отдельных пациентов также могут помочь персонализировать терапию для любого количества состояний и уже используются в лечении диабета. Философия in silico медицины не нова. Возможность создавать и моделировать характеристики объекта в сотнях рабочих условий была краеугольным камнем инженерии на протяжении десятилетий, например, для проектирования электронных схем, самолетов и зданий. На пути его широкого внедрения в медицинские исследования и лечение остаются различные препятствия. Во-первых, необходимо подтвердить предсказательную силу и надежность этой технологии, а это потребует некоторых улучшений. К ним относятся создание высококачественных медицинских баз данных на основе большой, этнически разнообразной базы пациентов, в которую входят как женщины, так и мужчины; уточнение математических моделей для учета множества взаимодействующих процессов в организме; и дальнейшая модификация методов искусственного интеллекта, которые были разработаны в первую очередь для компьютерного распознавания речи и изображений и нуждаются в расширении, чтобы обеспечить биологическое понимание. Научное сообщество и отраслевые партнеры решают эти проблемы с помощью таких инициатив, как проект «Живое сердце». Dassault Systèmes, Виртуальный физиологический институт человека интегративной биомедицинской Исследования и Microsoft Healthcare NExT. В последние годы FDA и европейские регулирующие органы одобрили некоторые коммерческие применения компьютерной диагностики, но выполнение нормативных требований требует значительных затрат времени и денег. Создание спроса на эти инструменты является сложной задачей, учитывая сложность экосистемы здравоохранения. In silico медицина должна быть в состоянии обеспечить рентабельность для пациентов и врачей. и медицинских организаций, чтобы ускорить внедрение технологии.