一个为癌症患者数字双胞胎(CPDTs)提出的框架——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
信贷:珍妮特·尤斯科和贾内尔·卡塔尔多/LLNL 一个多机构团队，包括劳伦斯利弗莫尔国家实验室(LLNL)的贡献者，提出了一个癌症患者数字孪生模型的框架，研究人员表示，这将为预测肿瘤学创造一个“范式转变”
11月16日在线发表于《自然医学》
25，癌症患者数字双胞胎(CPDTs)的建议框架——使用实时数据的癌症患者虚拟表示——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，CDPTs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和不同治疗方法而演变，并通过增加最佳护理的可能性来帮助“迎来医学的新时代”
“在高性能计算和肿瘤学的日益融合中，CPDTs是一个巨大的挑战性问题，”LLNL战略科学项目办公室负责人艾米·格里舒克说
“它们在推进预测医学方面有着巨大的潜力，但为了实现这一承诺，我们需要整合多尺度和多模态数据，然后大规模构建和测试动态模型
" CDPT的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伙伴关系，他们在2019年成立了癌症挑战的设想计算创新社区
LLNL主办了第一次ECCIC会议——由Gryshuk共同组织——该会议调查了先进计算和癌症研究的十字路口，并产生了这个想法
在提议的框架下，研究人员将从个体水平的患者数据以及临床试验和人群研究中创建多尺度和多模态数据集，以训练机械和人工智能(AI)模型
它将解决从分子水平到人群水平的跨时间尺度的变化，随着患者疾病状态的演变，数字孪生将结合实时观察数据来预测未来状态
研究人员设想临床医生将使用CPDTs进行虚拟实验，模拟患者在不同治疗下的疾病轨迹
在临床医生的每次访问中，预测值将与真实测量值进行比较，以评估数字双胞胎的表现，并在“持续学习”循环中对其进行更新，从而为患者的决策提供信息
研究人员报告称，除了对单个患者的预测，CPDTs还将为决策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
虽然慢性前列腺炎可能会彻底改变癌症和其他一系列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
该团队总结道，数据需要在不同人群中并根据FAIR(可发现性、可访问性、互操作性、可重用性)原则进行采集，以确保它们不会强化先前存在的偏见
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
