从数字孪生到虚拟人类孪生体：数字健康领域的“登月计划”

一、学术背景与研究动因

当前，全球医疗健康体系依然存在诸多未被满足的临床和社会需求，其表现例如治疗选择的缺乏、不足与昂贵的医疗资源、漫长的候诊时间，以及对儿童和罕见病等弱势群体关注的不足（unmet needs）。尽管医学对健康和疾病的生理机制理解不断加深，新的诊疗技术也在持续涌现，但医疗服务的普及性、效率和个性化始终有所欠缺。为此，医学界和产业界不断探索以数字化和信息化手段推动变革。

类似于人类基因组计划（Human Genome Project）彻底解读人类遗传信息，IUPS生理组项目（Physiome Project）首次提出了“系统性数字化动态人类生理模型”的构想，即构建包含全部已知人类病理生理特征的虚拟“数字人类”模型。而后，欧盟主导的“虚拟生理人”（Virtual Physiological Human, VPH）倡议进一步强调这种计算机模型在临床决策支持系统（Clinical Decision Support System, DSS）中的应用潜力，推动了个性化医学及“数字孪生”（Digital Twin, DT）技术的初步商业化。

所谓数字孪生，最初起源于制造业领域，借助计算机模型和实时数据构建物理实体的虚拟镜像。近年来，这一理念跨界应用到医疗领域，发展为“医疗数字孪生”（Digital Twin in Healthcare, DTH）——面向每一位具体患者，融合各类生理数据、医学影像和机械性知识，生成可预测疾病发展和治疗反应的精确个性化模型。例如，HeartFlow FFRct产品以患者医学影像驱动的计算流体力学模型无创取代了冠状动脉狭窄测量中的侵入性操作，成为首代数字孪生医疗产品中的代表。

尽管部分解决方案已进入临床实践，“医疗数字孪生”离其预言中“数字孪生革命”的全面普及仍距离甚远。原因在于，大多数当前产品聚焦易落地的单一环节，缺乏系统性、可扩展的协作平台，致使数据孤岛、模型难以复用、多学科协作与市场机制建立存在重大障碍。因此，本文作者提出了“虚拟人类孪生体”（Virtual Human Twin, VHT）的宏伟蓝图，作为数字健康领域的“登月计划”，力求从根本上推动该领域的创新与共识。

二、论文来源与作者介绍

本文为定位论文，由Marco Viceconti、Maarten de Vos、Sabato Mellone及Liesbet Geris共同撰写，分别来自意大利博洛尼亚大学（University of Bologna）、比利时鲁汶大学（Katholieke Universiteit Leuven）、比利时列日大学（University of Liège）等多家欧洲高等学府及医疗机构。论文发表于《IEEE Journal of Biomedical and Health Informatics》2024年1月第28卷第1期，属于开放获取（open access）文献。论文受欧盟委员会H2020项目、Horizon Europe EDITH协调与支持行动资助，旨在构建欧洲数字健康的未来研究规划。

三、论文主旨与逻辑结构

3.1 主要术语梳理

• In Silico Medicine（计算机医学）：所有疾病预防、诊断、预后和治疗过程中通过计算手段实现的建模与模拟统称为In Silico医学。其模型可为数据驱动（AI预测）或知识驱动（物理/机制预测），二者各有长短，但都依赖假设与证据。
• Digital Twin in Healthcare（医疗数字孪生）：基于个体数据驱动，能为每一具体患者提供高可信度预测与决策依据的模型。区别于以群体为对象的传统模型，强调个人化、可实时更新。
• Virtual Physiological Human（虚拟生理人）：作为欧盟发起的科技框架，旨在建构全人类病理生理的协作模型体系，为临床与研究提供工具。
• In Silico Trials（计算机临床试验）：以大量数字孪生模型为对象，替代或减少实际临床试验中的人体或动物实验，推进药品和医疗器械的研发与市场准入。
• Intended Use（预定用途）与Context of Use（使用情境）：分别用于软件型医疗器械的临床决策支持、或In Silico临床试验中的技术目的和实际应用场景。
• 知识驱动（Knowledge-Driven）与数据驱动（Data-Driven）模型：前者基于理论和机制知识，后者以大数据统计及AI算法为核心，两者通常需结合使用。

3.2 挑战——为何数字孪生难以落地

“计算机世界实践者”社区（in silico world community of practice, isw_cop）系统性总结了数字孪生在医疗领域难以推广的七个主要障碍：

1. 缺乏高级模型：尤其在多尺度、多系统建模方面，算法与知识难以准确反映个体生理变异。
2. 缺乏可用、代表性数据用于开发与独立验证：数据分享障碍严峻，数据隐私法律严格，缺乏高质量注释数据。
3. 监管路径不明：对于新药和医疗器械的审批，计算机模拟的证据尚未完全被接受；现有评估标准（如ASME VV-40:2018）有待全面适配数据驱动模型，监管周期冗长。
4. 利益相关方认知不足：从患者到政策制定者，对数字孪生机会和风险缺乏统一、明确的信息解读和评估体系。
5. 可扩展性与效率低：现有模型算力需求大，环境安全性与便捷性不够。
6. 专业人才不足：相关技术人才培训机制尚未完善，产业、科研及监管人才短缺。
7. 商业模式未成熟：缺乏可持续的商业机制，数据/模型共享与变现方式有待探索。

3.3 虚拟人类孪生体（VHT）：生态系统的蓝图

针对上述挑战，作者提出VHT的概念。VHT不是单一模型，而是涵盖数据、模型与规范的分布式协同基础设施，具有如下关键特性：

1. 基础定位：VHT并非无所不包的超级模型，而是一个开放式生态平台，允许多源数据、模型以及知识的积累与互联，极大促进DTH（医疗数字孪生）的开发与验证。

2. 数据对象与模型对象：VHT的数据对象遵循FAIR（Findable, Accessible, Interoperable, Reusable）原则，兼顾定量、个体化数据优先收录，标注完整元数据。模型对象则作为“数据空间爬虫”，实现输入输出自动配置与计算。

3. 六维数据空间：

   • 空间：人体解剖模板上的0~3维空间映射。
   • 时间：采集时间/年龄/寿命范围。
   • 可信度：数据验证与来源标注，支持逐级认证。
   • 聚类：支持按年龄、性别、健康状况等多重聚类，促使个体、群体数据灵活切换。
   • 身体体态、测量尺度等：兼容机械模型与弹性注册，便于多尺度对齐。
   • 其他维度：如数据粒度、范围的精细定义，方便研究者查找和应用。

4. 模型编排与远程执行：支持多模型间逻辑流转，既能自动批处理，也为强耦合模型（如实时互动计算）配备专用编排库。

5. 生态系统角色定位与运作机制：VHT既服务于临床、研发及监管需求，也连接各类数据/模型提供者与终端用户。其结构支持灵活的数据存储与模型迁移，可应对法律、技术、商业等多重约束。生态系统初期可依赖公共资金与预竞争机制，逐步引入市场化运作，最终形成自我循环、可持续的开放协作平台。

3.4 技术与应用价值评析

科学创新性与应用前景：

• 打破数据孤岛与模型壁垒，以数据和模型高质量共享为基础，极大提升多学科之间的合作，加速新型个性化医疗工具研发。
• 推动In Silico试验实际落地，大幅降低对人体和动物实验的依赖，节约研发成本，缩短周期。
• 建立清晰的监管与验证机制，开放、独立的数据和模型验证集合将帮助监管机构和市场参与者加速技术认定与标准制定。
• 面向所有利益相关方的信息平台，患者、医生、科研人员、工业界、监管层都可以基于VHT进行知识检索、模型测试和最佳实践共享。
• 赋能AI与机制模型有机结合，“物理驱动的机器学习”方法促进既有模型提速，推动复杂病理机制解析和预测。
• 人才培养与教育创新，数字孪生与虚拟人类模板为医学教育提供生动的模拟与实验环境，有望培养新一代跨界医学工程师。

重要观点和突破： - VHT不是特定疾病或单一问题的解决方案，而是促进多种问题共同进步的基础设施。 - 强调“模型的复用性、数据的互操作性与标准化”，力图建立类似于“生物数据库”一样的开放科学基础。 - 明确提出多尺度、多系统建模的技术方向和标准要求，回应当前单一器官、单一时间尺度带来的局限性。

商业与社会影响： - VHT将带动数据、模型、算力等多重资源的流通与增值，为学术界和产业界创造新的商业模式和市场链条。数据和模型提供者将获得公平激励和权利保障，有效推进数字健康领域整体繁荣。

伦理与法律挑战： - 虽然本文没有详述伦理和法律问题，但强调需与欧洲及全球相关法规保持一致，并在后续共识过程中逐步完善相关机制。

四、结语：意义与展望

本文作为数字健康领域“虚拟人类孪生体”项目的宣言和蓝图，标志着医学数字化从单点突破进入体系化、生态化的新阶段。它既为学术界打开全新研究空间，也给产业界、监管层和社会各方提出了协作、创新和共享的新思路。仅凭单家机构、传统模型及分散数据远无法达成医学个性化和普惠的终极目标，必须依赖像VHT这样的大规模开放协同平台推动产业升级和科学革命。

随着EDITH等欧盟项目的推进，以及VHT生态系统的构建，这一“登月计划”有望在未来五到十年内真正驱动医疗健康的数字转型，实现从科学探索到临床落地、从数据孤岛到协作共赢的历史性跨越。