导读 一个包括劳伦斯利弗莫尔国家实验室 (LLNL) 贡献者在内的多机构团队提出了一个癌症患者数字孪生模型框架，研究人员称该框架将为预测性肿瘤
一个包括劳伦斯利弗莫尔国家实验室 (LLNL) 贡献者在内的多机构团队提出了一个癌症患者数字孪生模型框架，研究人员称该框架将为预测性肿瘤学创造“范式转变”。
11 月 25 日在线发表在Nature Medicine上的癌症患者数字孪生 (CPDT) 框架——使用实时数据对癌症患者的虚拟表示——将结合高性能计算建模和模拟、模型推理和临床数据进行治疗癌症患者的预测和个性化医疗保健决策。作者总结说，当完全实现时，CDPT 将反映患者随着时间推移和不同治疗方法的演变而变化的分子、生理和生活方式特征，并通过增加最佳护理的可能性帮助“开创医学新时代”。
“在高性能计算和肿瘤学日益融合的过程中，CPDT 是一个巨大的挑战问题，”贡献者 Amy Gryshuk 说，他是 LLNL 战略科学参与办公室的负责人。“它们在推进预测医学方面具有巨大潜力，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 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，他们于 2019 年成立了展望癌症挑战的计算创新 (ECCIC) 社区。 LLNL 主办了第一次 ECCIC 会议——共同由 Gryshuk 组织——它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，研究人员将根据个人级别的患者数据以及临床试验和人群研究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跨时间尺度的变化，随着患者疾病状态的发展，数字双胞胎将结合实时观察数据来预测未来状态。
标签：
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。