达索系统的活体大脑、活体肝脏、活体眼睛项目

寂静回声

本文接续《达索系统的CAD和CAE能救命》http://jixietop.top/thread-62409-1-1.html

本文为《2024国际人体虚拟孪生大会》系列篇章之一，主要内容为Meditwin项目推动阿尔茨海默病医疗实践的进展、活体肝脏、活体眼睛等。

在这个圆桌讨论中，专家们齐聚一堂讨论了MediTwin项目如何推进阿尔茨海默病的医疗实践。此次会议汇集了来自不同领域的顶尖科学家和医疗专业人员，他们共同探讨了通过创建伪健康虚拟孪生来检测脑异常的新方法，并强调了人工智能驱动的成像技术和预测分析在早期诊断和个人化护理中的进步。
出席这次专题讨论会的有达索系统的健康创新项目经理Baptiste Demurger、巴黎脑研究所（Institut du Cerveau）的CNRS研究员Ninon Burgos、AP-HP神经科医生及索邦大学（Sorbonne University）神经学副教授Dr. Nicolas Villain，以及同样来自达索系统的活体大脑技术专家Louise Moreau。



与会者深入探讨了利用患者特定的异常映射来识别大脑中细微变化的技术。这些变化可能是阿尔茨海默病发展的早期迹象，而通过创建一个“伪健康”的虚拟孪生——即基于患者解剖结构的健康模型——研究人员能够对比实际的大脑图像，从而生成详细的异常图谱。这种方法可以揭示出那些肉眼难以察觉的病变区域，对于提前发现疾病至关重要。
此外，团队还介绍了他们正在开发的一种活体大脑查看器，它不仅是一个静态的图像比较工具，更是一个动态平台，可以整合多模式的患者信息，计算并展示大量生物标志物。这包括皮质和皮下区域的形态测量、标准化摄取值比率（SUVr）、记忆网络等数据点。通过结合MediTwin合作伙伴提供的其他类型的数据，如PET图谱或聚类分析结果，这种查看器使医疗团队能够在综合视图中全面了解患者的状况，支持更加精确的医疗决策。


MediTwin项目的目标是通过收集大规模多层次的数据，建立预测算法，告知个体其发展为阿尔茨海默病的风险百分比。这一进步不仅有助于指导治疗的发展，也实现了精准医学和个性化疗法的应用。了解个体风险对于评估治疗的风险收益比非常重要，可以帮助决定是否给予抗淀粉样蛋白药物。
总体而言，MediTwin项目可以提高对阿尔茨海默病的理解和管理能力，改善医疗实践的质量，使整个社会受益于个性化医疗的进步。随着这项工作的继续进行，未来的医疗实践有望变得更加高效且更具针对性，为全球数以千万计受此疾病影响的人们带来新的希望。



以下是圆桌论坛的主要内容：
Baptiste Demurger：大家好，欢迎来到第十届国际人体虚拟孪生体验研讨会的MediTwin项目圆桌会议。今天我们将讨论如何通过MediTwin项目推动阿尔茨海默病的医疗实践。我是达索系统的健康创新项目经理Baptiste Demurger。
Louise Moreau：各位早上好，我是达索系统的活体脑技术专家Louise Moreau。非常高兴能够在这里介绍我们即将展开的关于阿尔茨海默病的讨论。在这一环节中，我将与神经学家Dr. Nicolas Villain和研究员Ninon Burgos一起探讨这个话题。
Louise Moreau：首先，我想介绍一下阿尔茨海默病的基本情况。这是一种逐渐发展的神经退行性疾病，是全球痴呆症的主要原因，影响着大约5000万人。据估计，到2050年，这一数字将会翻三倍。虽然美国已经开始出现一些治疗方法，但早期诊断仍然是一个挑战，尤其是在人口老龄化的社会背景下。Dr. Villain，你能谈谈围绕阿尔茨海默病的一些医疗挑战吗？

Dr. Nicolas Villain：谢谢你，Louise，也感谢你对阿尔茨海默病的关注。正如你所提到的，当前的医疗挑战确实非常严峻。全世界有5000万患者，但目前尚无治愈方法。今天我们的讨论将集中在MediTwin联盟内尝试解决的问题上，尤其是诊断中的早期机制问题。
阿尔茨海默病的特点包括神经元丧失、大脑萎缩和突触丧失，以及两种异常蛋白质聚集——tau蛋白和β-淀粉样蛋白。这些特征可以通过检测脑脊液（CSF）中的生物标志物来诊断，例如，tau蛋白浓度增加和β-淀粉样蛋白浓度降低。我们已经从症状出现后的诊断转向更早的预测，通过长期监测脑脊液，可提前17年检测到异常变化。
现在，我们正逐步用血液检测替代脑脊液检测进行诊断，因为血液检测更容易实施。最近的研究表明，血液生物标志物的诊断准确性可达90%以上，可以在临床实践中使用。这将大大减少腰椎穿刺和PET扫描这两种侵入性且昂贵的检查需求。我们正在向精准医学迈进，但同时也带来了一些新的挑战。

我们无法给出明确的答案，因为我们缺乏足够的数据来量化他们的风险。这就是我们在MediTwin启动一项新核心项目的原因，旨在帮助识别导致认知衰退的终身风险因素。
Louise Moreau：谢谢Dr. Villain，您不仅强调了医疗挑战，还指出了希望，即通过血液测试实现早期诊断，但也提出了需要回答的新科学问题。现在，请Ninon Burgos博士为我们介绍一下你们团队为解决这些医疗挑战而开发的解决方案吧。
Ninon Burgos：大家好，我是Ninon Burgos，来自INRIA的高级研究员，在Aramis团队工作。虽然血液检测变得越来越重要，但我今天主要介绍的是影像分析。我们希望自动检测潜在阿尔茨海默病患者的脑部病变。通过将PET图像叠加在解剖MRI图像上，我们可以看到健康对照组的FDG-PET显示出神经元的葡萄糖代谢情况。

在阿尔茨海默病患者中，我们会看到代谢减慢，最终导致神经元死亡和萎缩。我们的目标是在病变仍然很轻微时就检测到它们。
为此，我们创建了一个“伪健康孪生”，这是一个特定于患者解剖结构的健康PET图像模型。通过比较实际PET图像和伪健康孪生，我们可以生成一个患者特异性异常图像，突出显示脑部的异常区域。

过去，我使用传统的图像处理技术来创建这些伪健康孪生，但现在我们使用深度生成模型，比如GANs或其他最新的生成模型，在训练阶段只生成健康的PET图像。在应用阶段，当给定一个解剖结构时，网络只能重建看起来健康的东西，因为它只知道如何做这一点。
然后我们可以比较真实PET图像和生成的伪健康图像，生成异常图。这种技术也可以应用于其他PET示踪剂，如用于显示β-淀粉样蛋白积累的示踪剂。
最后，我想谈谈我们如何利用这些技术来开发活体大脑孪生。我们构建了一个完全个性化的虚拟孪生，结合多模式患者信息，计算大量生物标志物，并在活体大脑查看器中可视化。这些生物标志物包括皮质和皮下区域的形态测量、标准化摄取值比率、记忆网络等。

通过整合来自MediTwin合作伙伴的其他生物标志物，如PET图像分析结果，活体大脑查看器使得医疗团队能够更好地分析和协作，从而做出更好的医疗决策。
Baptiste Demurger：感谢Ninon Burgos为我们呈现的解决方案，以及她对PET和AI定量分析的应用介绍。在MediTwin项目中，我们的目标是改进并适应这一解决方案，以适用于新的PET放射性示踪剂，特别是那些专门用于研究阿尔茨海默病的示踪剂。在达索系统，我们也在通过开发活体大脑孪生来应对这些医疗挑战。
我们开发了一种完全个性化的孪生，基于多模态患者信息，允许计算大量的生物标志物，并在我们正在开发的活体大脑查看器中进行可视化。例如，这些生物标志物可能包括皮质和皮下区域的形态测量、由PET扫描计算的标准摄取值比率，以及记忆网络等。


所有这些生物标志物都是从组合的成像模式中提取出来的，我们还可以集成由MediTwin合作伙伴计算的生物标志物，例如Ninon刚才展示的PET图谱或其它伙伴计算的聚类分析。活体脑查看器使我们能够在一个综合视图中看到所有这些个性化设置的生物标志物，这对于涉及患者护理网络的医务人员之间的更好分析和合作至关重要，有助于提供更加知情的医疗决策。


Louise Moreau：听完这些解决方案后，Dr. Villain，你觉得这对你的未来医疗实践和阿尔茨海默病研究有多大的帮助呢？
Dr. Nicolas Villain：绝对有很大的帮助。刚才提到的内容和Ninon所说的将使我们能够收集大规模多层次的数据，这正是我们今天一上午都在讨论的内容。收集这些数据，无论是对于正常人还是其中一部分处于阿尔茨海默病路径上的人来说，都将允许我们描述并建立预测算法。
然后，对于每个个体，根据我们在项目中收集的数据集，我们可以描述和发展预测算法。在这个项目中，我们还将涉及血管测量，作为常规检查的一部分，因此我们将拥有大量的数据集，用于这些认知功能正常的个体，他们将在五年内被跟踪观察。
再接下来，我们可以对信息进行分层，并创建一个算法，告诉我们某个人是否会患上阿尔茨海默病，其血液测试是阳性的，是的，他会；或者不，他不会。我们甚至可以说出他在五年、十年或十五年内患病的风险百分比。
这对我们来说将是巨大的一步，它对治疗开发也非常关键。如果你可以根据个体的风险来分层治疗开发，那非常重要。你之前提到了今年夏天欧盟拒绝批准抗淀粉样蛋白疗法的事情，因为目前的风险收益比率并不理想。
如果我们考虑给无症状个体用药，而他们仅有20%的风险在一生中发展出症状，那么这可能不是一个好主意。如果我们告诉你现在你有95%的风险患阿尔茨海默病，你可能会考虑承担5%的水肿或出血风险。
所以，我们需要这个百分比，因为如果我们告诉一个人他们有20%的风险，他们可能不会愿意冒那个险。我们正在迈向精准医学和精准治疗，而MediTwin将帮助我们解决这个问题。
Baptiste Demurger：感谢Dr. Villain和Ninon Burgos对疾病和MediTwin项目的洞察。此外，除了神经学领域，MediTwin项目还将解决心血管和其他治疗领域的用例。我们将从特定的用例开始，如罕见疾病或特定治疗领域的神经退行性疾病，然后扩展虚拟孪生组件的开发。虚拟孪生旨在整合复杂性，将其纳入多学科、多尺度和纵向的解释框架中，使用系统方法共享复杂的医疗信息，促进不同医疗实体之间的协作。
我们的梦想之一是创建临床试验虚拟孪生，作为真实临床试验的指南；另一个梦想是让人们更多地参与到自己的健康管理中，通过数字孪生赋予医疗从业者最新知识，使整个社会受益于个性化医疗。
Baptiste Demurger：感谢大家的关注，希望这段演讲能激发你们对未来医学发展的兴趣。让我们继续努力，共同创造一个更美好的未来。



Sharmila Anandasabapathy博士是贝勒医学院（Baylor College of Medicine，简称BCM）全球项目的副校长和高级副院长，以及胃肠病学的医学教授，她在演讲中深入探讨了生成式科学和虚拟孪生技术对全球医疗保健变革性的深远影响。Anandasabapathy博士展示了这些前沿技术如何革新癌症预防、预测肝脏毒性、优化心脏设备，并应对太空医学中的挑战，从而推动精准医疗的发展。
Anandasabapathy博士强调，生成式科学与虚拟孪生的应用不仅限于理论研究，更在于其实际应用。例如，在食道癌筛查方面，她的团队开发了一种低成本且便携式的胶囊内窥镜，可以控制速度并配有先进的光学成像功能，能够在清醒状态下对患者进行检查，无需复杂的设备或专业医生操作。这一创新使得即使是在资源有限的地区也能实现有效的癌症筛查。
此外，Anandasabapathy博士还介绍了她与达索系统合作的一个项目，该项目旨在通过虚拟孪生模拟来评估药物对肝脏的影响。由于肝脏是药物代谢的重要器官，了解药物可能引发的肝毒性对于确保药物安全至关重要。虚拟模型能够帮助研究人员更好地理解不同人群之间的肝脏代谢差异，进而提高临床试验的设计质量和结果准确性。
在心脏设备优化领域，Anandasabapathy博士提到他们正在探索使用虚拟孪生来改进心脏再同步治疗装置的效果。这类设备用于改善心力衰竭患者的心脏泵血功能，而通过个性化的虚拟建模，可以为每位患者量身定制最适合他们的治疗方案，从而提升疗效并减少副作用。

面对太空旅行带来的健康挑战，Anandasabapathy博士指出，随着人类探索宇宙的步伐加快，如即将开展的火星任务，长期太空飞行对人体健康的潜在影响不容忽视。虚拟孪生技术可以帮助科学家们更好地预测和监测宇航员在长时间太空环境中可能会遇到的各种生理变化，确保他们在极端条件下的健康与安全。
展望未来，Anandasabapathy博士表达了她对于全球卫生公平性和协作的美好愿景。她坚信，借助科技的力量与人类智慧的结合，可以创造出改变生命的医疗进步，使世界各地的人们都能受益于这些创新成果。她呼吁各界携手合作，共同致力于构建一个更加公正、高效且可持续发展的全球医疗体系。

面对太空旅行带来的健康挑战，Anandasabapathy博士指出，随着人类探索宇宙的步伐加快，如即将开展的火星任务，长期太空飞行对人体健康的潜在影响不容忽视。虚拟孪生技术可以帮助科学家们更好地预测和监测宇航员在长时间太空环境中可能会遇到的各种生理变化，确保他们在极端条件下的健康与安全。



Sharmila Anandasabapathy演讲的主要内容如下：
非常荣幸能够在这里与大家分享。正如刚才提到的，我是贝勒医学院全球项目的副校长和高级副院长。今天，我会为大家提供一个路线图，引导我们接下来15或16分钟的讨论。我想谈谈贝勒医学院的全球项目，我们与达索系统的持续合作，并介绍三个支撑我们合作的基础支柱：这些包括设备开发、药物开发、肝脏毒性研究以及过渡性精准医学，这些都是在学习型健康系统的大背景下。最后，我将向大家提出一个行动号召，并提供一个潜在的合作框架，以促进全球卫生和健康公平。

我们在全世界范围内开展临床护理、教育和研究的全球项目。我自己是一名从事胃肠道神经学和内窥镜检查的医生，大部分时间都在进行像这样的程序。在休斯顿的一个内窥镜单元中，周围环绕着复杂的设备，这个房间里的设备价值超过一百万美元。然而，这种配置对于世界大部分地区来说是不可行的，甚至对发达国家而言也未必可持续。
因此，我一直思考如何将我们所知和所做的带到世界的其他地方，确保资源分配得更加公平。这是我们全球项目的指导原则。我们致力于通过技术与创新减少健康差距，提高临床试验、教育和临床护理中的多样性，可能还包括开发便携式、离网、电池供电且低成本的设备，利用人工智能克服用户专业知识不足的问题，使用数字工具进行远程教育和培训，发展能力建设等。
大约两年前，我们与达索系统开始了合作，最初关注的是心脏病学和太空医学领域的一些新兴项目。最近，我们开始计划在德克萨斯州休斯顿的德克萨斯医疗中心建立一个人体虚拟孪生卓越中心。
现在，让我从第一个基础项目开始，这是一个装置。食道癌在全球范围内越来越普遍，而内窥镜检查在许多地方并不可行。为了解决这个问题，我们设计了一种带有绳索的胶囊内窥镜，用于成像食道。

它可以在控制速度的情况下前进，配有先进的光学成像功能，可以区分正常和异常的食道粘膜。这种胶囊可以重复使用，最重要的是，它可以低于75美元的价格开发出来，并可在现场无麻醉状态下使用。
患者可以在清醒状态下接受检查，无需医生亲自操作。我们可以记录图像，必要时由医生进行诊断，或者添加AI辅助诊断来识别异常区域。
我们遇到的挑战在于，设备测试的标准通常是动物模型，但这种胶囊设计用于清醒的人类，具有活跃的蠕动作用。任何动物模型都需要动物处于睡眠状态，没有蠕动作用，否则会吞下胶囊。


为了解决这个问题，我们使用虚拟孪生模拟了食道的几何结构和解剖结构，利用横断面CT钡餐造影和高分辨率测压法有效地模拟了胶囊通过一系列食道疾病的运动。这样，我们就能优化路径，使该设备进入初步临床研究。

第二个主题是活体肝脏项目，我们已经讨论过心脏、肺脏和大脑，但我认为肝脏是人体内的无名英雄，没有它人类不能生存，我们必须善待它。
在药物开发过程中，肝脏至关重要，经常是药物失败的原因之一，包括上市后的撤回。药物毒性可能是特异性的，不可预测，不一定与剂量有关。因此，理解肝脏对药物开发评估、临床试验和癌症护理等非常重要。
我们正在与达索系统和长岛大学合作，在Dr. Shawi的带领下，开发一个肝脏模型，旨在评估药物毒性，从简单的氨敏毒性开始。这也是虚拟孪生发展的重要一步。数据集的多样性同样重要，我们可以观察不同人群的肝脏代谢情况。

另一个现有合作点是我们位于休斯顿的NASA约翰逊航天中心。因为我们也负责太空计划的医疗工作，所以另一个潜在的合作领域是预测和监测长期太空飞行的影响。我们正准备前往火星的任务。
此外，还有心脏再同步治疗，这是第四个项目。第五个也是最重要的方面是虚拟孪生在临床护理、教育及研究中使用的伦理和监管影响。
随着这些项目的推进，这也是我们正在积极考虑的内容。如今，学术医学界的所有人都在朝着学习型健康系统迈进，这是一种良性循环，其中信息来自患者，数据被聚合，然后用来开发模型，改善患者护理和路径，最终改善患者的健康状况以及人群健康，结合基因型和表型信息，创建这样一个学习型健康系统。
我认为虚拟孪生在这个学习型健康系统中扮演着关键角色。我们正在测试这一点，特别是在巴雷特食管及其前体病变中，这是一种在美国人群中发病率约为1.5%至2%的疾病，由于反流病的增加而变得更为常见。
我们正在开发多尺度模型，结合宏观数据（如CT扫描和内窥镜）和微观数据（包括病理和微生物群落分析），以创建正常、反流病、巴雷特食管和食道癌的多尺度模型。这些队列可以用作患者的预测模型，用于开发新药疗法，甚至潜在的饮食干预措施。
当我们展望未来时，我们的路径跨越了所有任务线，从教育、临床护理到研究，甚至可能扩展到技术和加速器的发展，如设备和药物的开发。我们认为教育组件应立即从我们在德克萨斯州的学习者开始，逐步扩大到全球社区的学习者和临床医生，他们遍布60个国家。
我们希望扩大合作，从胃肠肝病学和空间医学延伸到矫形术、假肢、创伤外科和基因组学等领域。最终，你可以看到虚拟孪生基本上反映了这个学习型健康系统，我们采用多尺度生物数据，开发虚拟孪生，创建个性化模型，实现精确护理，最终创造基于人口的数据，增强人群健康，我希望也能提升全球健康。

我们开发了一个可扩展的集装箱，标准ISO集装箱，可以通过货船运输，打开后形成400平方英尺的诊所。第一个这样的诊所被送往利比里亚。我们有一个想法，开发一个更先进的结构，即手术室，服务于最需要妇产科护理的地区。

每一个母亲和婴儿都应该享有安全快乐的分娩。我们为此设计了这个结构，包含两个可扩展的集装箱，一个恢复室和一个手术室，一个门厅。这个设计使用了3DEXPERIENCE，部署效果很好。
现在，你们可能想知道为什么我要去西非。这张图片显示的是塞内加尔和邻国冈比亚，我们在那里有活动项目。大约八年前，当我接手全球项目负责人时，面对了埃博拉疫情。
然后我们的团队成员在冈比亚执行第一例剖宫产手术，这是一个巨大的时刻，对我们来说是一次非凡的经历。这些单元配备了Wi-Fi和GPS，可以进行远程教育，因为我们可以在内部直播手术。
我们可以与他们一起工作，进行临床研究，评估这些单元内部的成果和指标。这提供了连续性和访问途径，也是一种促进全球教育、培训和研究的方法。
当考虑到临床研究和模型时，我们必须考虑多样性，而且必须在全球范围内思考。如果我们从新冠疫情期间学到了什么，那就是我们都在一起，世界很小。谢谢大家。


Delft大学生物力学工程系助理教授Mathias Peirlinck博士展示了使用构成神经网络（constitutive neural networks）进行自动化材料模型发现的最新进展。这项开创性的工作正在彻底改变心脏、动脉和大脑等软组织的模拟方法。通过利用AI驱动的神经网络自动发现数十亿种可能的组织材料模型，这项工作不仅消除了偏差，还简化了这些模型在有限元分析中的集成，从而推动了精确且用户友好的心脏和血管组织建模。
Peirlinck博士的研究不仅展示了虚拟孪生技术在临床研究与培训中的巨大潜力，还突显了自动化材料模型发现对人类生物力学领域的深远影响。这项工作不仅促进了对疾病机制的理解，也为个性化治疗和先进医疗设备的发展开辟了新路径。



Mathias Peirlinck演讲的主要内容如下：
非常荣幸能够在这里与大家分享。我是Delft大学生物力学工程系的助理教授Mathias Peirlinck。今天，我将向大家介绍我们在自动化软物质材料模型发现方面的工作。这项工作使用构成神经网络（constitutive neural networks）来自动选择最佳材料模型，简化了心脏、动脉和大脑等软组织的模拟，推动了个性化医疗和新型医疗设备的发展。

让我们从一个基本问题开始：当我们谈论虚拟人体孪生时，我们实际上是在谈论什么？简单来说，人体虚拟孪生是一种工具，它结合了物理学、生物学和数据科学，用以实现研究、诊断和治疗方法的转型。
通过这种工具，我们可以创建一个器官的数字副本，这个副本可以用来模拟和预测该器官在不同条件下的行为。但是，如何开发这些孪生呢？
无论是哪种器官，配方总是相同的。我们需要解决物理问题，应用边界条件，选择和校准本构定律，并考虑几何形状。我们将这些元素结合在一起，进行有限元分析，从而可以像这里展示的心脏那样建模。
然而，如何选择本构定律，应该使用哪种材料模型？这对新手或新加入社区的人来说并不容易决定。在软组织力学领域，我们通常会变形一小块组织样本，测量力，预先选择某个材料模型，然后选择该本构模型并拟合材料属性，使得我们预测的结果与测量结果尽可能匹配。
接下来，我们应该选择哪个材料模型？如果选择了，它是否是最好的选择？这并不是一件容易的事。除此之外，实施这些材料模型也不总是那么简单，很容易出错。所以我们想要做的是能否改变这一范式，能否将变形和测量到的力结合起来，自动发现材料模型并同时校准参数？
这听起来很简单，实际上却并非如此。如果你这样做，就会忽略一些物理学原理。例如，你会看到应力下降，即使继续拉伸组织。这不是正常的行为。
其次，我们还会得到无法解释的模型，这意味着更多的参数需要确定，这成为了一个难题。此外，这些模型往往无法外推。如果没有足够的数据，你会发现这种通用的简单神经网络在某些点之后表现不佳。
为了规避这些问题，我们开发了构成神经网络，并通过将已知的物理学硬连接到这种架构中，将数据科学与已知的物理学合并。我们不是直接处理拉伸，而是处理应变及其不变量，以保证材料客观性、对称性和不可压缩性。
我们不是直接学习应力张量，而是学习应变能量函数，然后从应变能量函数中得出应力张量，以遵守热力学定律。此外，我们还非常聪明地选择了允许网络使用的激活函数，以便仍然符合物理约束。最后，我们确保这个网络是多凸的，以便在有限元分析求解器中易于操作。我们做出了选择，只允许各层之间没有连接，只保留你在网络中看到的连接。
接下来，我想分享一下我们的具体工作。我们从心肌本构模型的历史开始，大约每三年就有一个新的模型被引入，尤其是在过去的十年间。我们想直接从数据中学习，找出最适合的模型，然后实际开始使用它。
我们使用了最新可用的数据，从2015年Summer等人发表的小组织立方体取自人心样本的研究中，进行了双向拉伸测试和双向剪切测试。我们已经知道大多数模型在双向剪切测试数据上表现良好，但在双向拉伸测试数据上不一定如此。
因此，我们开发了这种非常通用的构成神经网络，考虑到所有不同的各向异性，组合了2的32次方个模型选项。我们使用这个模型和我们拥有的数据，通过数据科学方法发现哪种模型最适合特定数据。
我们不再先提出一个模型，然后拟合参数，一遍又一遍地尝试不同模型，而是自动化这个过程。我们得到了以下模型，它在某种程度上与我们已经在该领域使用的心肌组织模型相似，尽管存在一些细微差别，特别是在各向同性贡献方面。
然后我们不仅针对心肌组织做了这件事，还针对动脉组织进行了同样的工作。我们再次使用了组织测试数据，包括双向拉伸测试数据，查看了动脉壁的内外层。
我们使用了这个网络，考虑到预期的横向各向异性行为，将数据输入构成神经网络，以学习最适合的数据材料模型。这为我们带来了如下模型，它与我们一直使用的模型相当不同。特别是，我们发现需要更多非线性来描述组织的各向同性行为，而不是指数项，而是五阶不变量的二次项。这比原始模型更好地描述了数据。
有趣的是，对于这个具体的网络，我们发现了完全相同的单一模型。这是不同的组织，但我们仍然为另一部分组织发现了类似的模型。这也证明了我们方法的稳健性，能够自动发现这些材料模型。我们最近也开始为大动脉进行这项工作，不同的样本，尚未发表的工作，但我们发现了完全相同的模型。
这一切都解决了，对吧？我们有了材料模型。但还有一个挑战，如果我们发现了新材料模型，我们的求解器需要准备好将其纳入有限元分析模拟。我们不想依赖用户再次来做这件事，因为这可能会导致人为错误。我们与达索系统合作开发了一个通用材料模型子程序，可以直接将数百万个模型带入一个总体材料子程序中。
我们如何做到这一点？我们从最通用的构成神经网络架构开始，这甚至超出了我们能为心肌组织拥有的模型种类。我做了计算，这会有数万亿个模型，但这确实是可能的。我们把这个网络架构融入到材料子程序中，定义应力和刚度张量。
我们自动化了这个过程，最终子程序是一个嵌套激活函数的集合，给出了各个特征的单个贡献，我们从材料模型发现中提取这些贡献。要调用你的求解器，你需要定义的就是那些特征或功能。你只需要给求解器提供这个参数表，每一行都是一个从材料模型发现中重要的构成神经元。一旦我们做到了这一点，我们就可以开始真正的模拟。
我们首先尝试了心脏。你看到了新发现的材料模型，有四个术语，所以只需四行定义参数表，然后轻松地带入Abaqus，现在可以开始模拟，例如膨胀或心室内压力对几何形状的影响。这使我们能够模拟这种更现实的材料模型在组织中的应力。
类似地，对于动脉，我们发现了非常不同的材料模型，也在这里应用了它。我们还想了解心脏周期期间动脉壁的应力模式。结果显示，即使是微小的差异也可能产生重大影响。比如主动脉的弯曲方式不同，不同区域的应力集中也不同。除了材料模型，其他一切保持不变。这是这项工作中一个重要结论。
总之，我们开发了构成神经网络，自动选择和校准材料模型；我们发现了心肌组织和动脉组织的新材料模型；我们还与达索系统合作开发了通用材料模型子程序，可以直接将任何发现的材料模型带入有限元分析求解器中。
我们相信，通过民主化建模，可以拓宽科学发现的范围，这就是我们今天分享这项工作的原因。


马萨诸塞州眼耳研究院（Mass Eye and Ear Institute）医疗与生命科学研究所主任Joseph Rizzo博士介绍了“活体眼睛项目”（The Living Eye Project）。该项目致力于创建最详细的人类眼睛虚拟孪生，通过结合工程和生物医学的专业知识，旨在彻底改变眼科治疗领域。
Rizzo博士的研究展示了虚拟孪生技术在眼科领域的巨大潜力，通过创建详细的虚拟模型，不仅有助于深入理解视觉系统的运作机制，还为开发更有效的治疗方法开辟了新途径。活体眼睛项目代表了未来眼科研究和临床实践的一个重要里程碑，有望显著改善全球数百万视力受损患者的生活质量。


Joseph Rizzo演讲的主要内容如下：
非常荣幸能够在这里与大家分享。我是Joseph Rizzo，马萨诸塞州眼耳研究院医疗与生命科学研究所的主任。今天，我将带您走进“活体眼睛项目”（The Living Eye Project），一个旨在创建最详细的人类眼睛虚拟孪生的创新计划。通过这个项目，我们希望能够彻底改变眼科治疗领域，并为视力挑战提供全新的解决方案。

首先，我想谈谈为什么我们选择关注眼睛。视觉是人类最重要的感官之一，它赋予了我们感知世界的能力。然而，失明或视力下降会严重影响一个人的生活质量。无论是青光眼还是非动脉炎性前部缺血性视神经病变（NAION），这些疾病都会夺走人们的视觉。因此，理解这些疾病的机制并找到有效的治疗方法至关重要。
几年前，达索系统和哈佛医学院共同发起了这个项目。起初，达索系统的Phil Borchard联系了我，几年后Steve又找到了我，这引发了进一步的讨论。Steve真的很有远见卓识，使我们能够深入挖掘，我非常感谢Steve和Joe Baldwin，他每天，至少每周都在提供战术和战略上的指导，这确实帮助推动了这个项目向前发展。

现代影像技术的进步令人惊叹。例如，一张图片展示了果蝇大脑中14万个神经细胞和5000万个突触。不仅可以三维可视化这些结构，还可以解析其功能特性。
尽管目前人类大脑的研究还远没有达到这种程度，但艾伦研究所正在努力实现这一目标。我们谈到了血液流动问题，尤其是视神经的血液供应。眼睛负责捕捉图像，但真正的视觉部分在脑后。视神经头，长度仅5-6毫米，但这里是失明发生的地方。人们长期以来一直在寻找解决方案，直到1543年的安德烈·维萨留斯和1754年的Haller才开始详细描绘这些血管。

不幸的是，这些图像大多是艺术家的创作，而非真实的解剖图像，因为我们从未真正获得过人眼后部血管的三维图像。磁共振血管成像或CT血管成像都无法看到这些血管。我们只能通过切片和艺术再现来了解它们。
最近，我和一位杰出的研究助理Drenushe Krasniqi在实验室里花了两年时间，利用光片荧光显微镜技术，首次应用于人眼。通过将视神经头抬高，翻转视神经头，可以看到视神经下方的睫状动脉。
我们能够将这个小动脉插管，并注入染料，然后移除整个眼窝组织，通过所谓的清除技术，使用光片荧光显微镜成像血管。
第一次尝试时，我们成功地捕获了一些血管，但未能完全到达视神经头。第二次尝试时，我们获得了更多细节，看到大量血管沿视神经长度分布，并进入视神经头。第三次尝试则进一步提高了信号噪声比，显示出一致的主题，即血管沿视神经长度分布并进入视神经头。
我们有信心能够开发出合理的视网膜血流模型。最终，这些组织需要氧气。我们还需要理解氧扩散的过程。
我们已经取得了进展，例如，利用CATIA工具，我们能够获取人类血管的图像，并开发理想化的视网膜血管化模型。
我们还开发了工具来观察血流速度，颜色变化表明了中间的速度变化。这个模型需要基于现实，我们有大量关于视网膜血管血流的信息，因为我们每天在医院都会注射染料，观察视网膜血管的血流模式。我们已经展示了这个模型，它使用了400万六面体，边长40微米，显示的血流速度与实际情况非常接近。我们的长远目标是开发一个流体模拟模型，以了解血流动力学的变化。


为了更深入地理解视网膜血流，我们不仅依赖于静态图像，还需要动态的数据。为此，我们与哈佛学院的实验室和一家中国公司合作，他们专门生产光片荧光显微镜，并为我们提供图像处理服务。
我们手动追踪血管，然后将其转化为样条曲线，以开发视网膜血流模型。未来，我们希望能够调整模型参数，适应个体患者的不同情况，例如高红细胞压积或低红细胞压积、高蛋白水平等，这些都会影响眼部血流。我们还希望研究老化和眼部运动对血流的影响。最终，我们的目标是理解氧气输送，并开发治疗方案。

现在，让我们回到最初的问题：为什么我们需要一个详细的虚拟眼睛模型？传统的医学研究通常依赖于动物模型或尸体样本，但这两种方法都有局限性。动物模型无法完全复制人类的生理条件，而尸体样本则缺乏实时的动态信息。虚拟眼睛模型可以弥补这些不足，提供一个更为准确和全面的平台来研究和治疗眼部疾病。
在构建虚拟眼睛模型的过程中，我们面临的第一个挑战是如何获取高质量的解剖数据。我们使用了多种成像技术，包括光学相干断层扫描（OCT）、磁共振成像（MRI）和计算机断层扫描（CT）。这些技术为我们提供了不同层次的解剖信息，从宏观到微观，覆盖了从眼球整体结构到细胞级别的细节。通过整合这些数据，我们可以构建出一个高度逼真的虚拟眼模型。
接下来是材料属性的选择。不同的组织有不同的物理和化学特性，如何准确描述这些特性是一个复杂的问题。我们结合实验数据和理论模型，开发了一套适合各种眼部组织的材料属性库。这套库不仅涵盖了常见的角膜、晶状体和视网膜，还包括较少被研究的巩膜和脉络膜。通过这种方式，我们确保了虚拟眼模型的真实性和可靠性。
另一个重要的方面是模拟生理过程。眼睛不仅仅是一个静态的结构，它是一个复杂的系统，涉及到液体流动、气体交换和电信号传递等多种生理过程。为了模拟这些过程，我们引入了多尺度建模的方法。这种方法可以从分子层面一直扩展到器官层面，涵盖了从离子通道到血液循环的所有关键环节。通过多尺度建模，我们可以更全面地理解眼部疾病的发生机制和发展过程。

最后，我们要考虑的是个性化医疗的应用。每个患者的病情都是独一无二的，因此我们需要一个能够根据个体差异进行调整的模型。为了实现这一点，我们开发了一系列算法，可以从患者的临床数据中提取特征，并自动调整虚拟眼模型的参数。这样一来，医生就可以根据每位患者的具体情况制定个性化的治疗方案，提高治疗效果并减少副作用。
除了上述技术层面的内容，我还想分享一些实际应用的例子。例如，在青光眼的研究中，我们利用虚拟眼模型模拟了房水的流动路径。通过改变模型中的参数，如房角宽度和小梁网阻力，我们可以预测不同条件下房水流出的压力变化。这为开发新的药物输送途径提供了宝贵的参考信息。
此外，对于NAION这种较为罕见的疾病，我们使用虚拟眼睛模型分析了视神经头的血流动力学特征。结果显示，某些特定的血管阻塞可能是导致该病的主要原因。这些发现有助于我们更好地理解疾病的发病机制，并为未来的治疗策略提供指导。
未来，我们希望能够调整模型参数，适应个体患者的不同情况。例如，有人有高血红蛋白或低血红蛋白或非常高的蛋白质水平，这些因素都会影响眼部的血流。我们希望有一个可以定制为个别患者的模型，以便更好地预测和理解每个患者的独特状况。

此外，我们还希望研究老化和眼部运动对血流的影响。人们已经研究了眼睛的力学——眼睛的日常运动——数百万次，眼睛来回移动。我们知道它如何拉伸眼睛周围的组织，但没有人研究过年龄和眼睛运动对血管的影响。我们认为这很可能是有意义的。
必须开发眼部流体模型，以可预测地显示血液如何到达视神经头。通过这些模型，我们可以更好地理解氧气输送的过程，这对于维持视网膜和视神经的功能至关重要。
总的来说，“活体眼睛项目”不仅仅是创建一个虚拟的眼球模型，更重要的是它为我们提供了一个全新的视角来看待和解决眼部疾病。通过结合先进的成像技术、材料科学和计算模拟，我们能够更深入地理解眼部结构和功能之间的关系。这不仅有助于提高诊断和治疗的准确性，也为个性化医疗的发展奠定了坚实的基础。
未来，随着技术的不断进步，我相信虚拟眼模型将在眼科领域发挥越来越重要的作用，为人类健康带来更多的福祉。