想象一下，医生告诉你患有癌症，需要立即治疗。 他们向你提供了两种治疗方案，请你选择其中一种。 显然，您希望根据您的身体结构，选择对您所患癌症最有效的治疗方法。 那么，如何在两种治疗方法中做出选择呢？研究人员让这一决定变得简单多了。 通过创建癌症患者的数字双胞胎，他们可以被用作虚拟的小白鼠，重现临床试验，以比较治疗效果并预测患者可能的反应。
乌兹玛-阿斯加尔博士说："在全世界，我们花费数十亿美元开发新的癌症治疗方法，有些会成功，但大多数不会。 我们可以使用数字孪生来代表单个患者，建立临床试验队列，并对治疗方法进行比较，以确定它们是否有可能取得成功，然后再在真正的患者身上进行试验。"她是一位肿瘤内科顾问，目前在伦敦皇家马斯登NHS基金会信托基金工作，同时也是一家专注于个性化癌症治疗的生物技术公司Concr的联合创始人兼首席科学官。
数字孪生体并不新鲜。 美国国家航空航天局（NASA）在 20 世纪 60 年代就提出了这一概念，当时它创建了多个模拟器来评估阿波罗 13 号上发生的氧气罐爆炸和随后的发动机损坏情况。 但现在，人工智能、下一代移动通信和大数据的进步意味着这项技术已经起飞，并有可能撼动包括医疗保健在内的多个行业。
研究人员将他们的技术称为 FarrSight-Twin。 它以天体物理学家常用的先进算法为基础，应用于大量分子和患者数据。 这样就能将不同的肿瘤学数据集整合到一个单一的患者反应整体模型中。
简单地说，每个数字孪生体都是根据数千名接受过不同类型治疗的癌症患者的生物数据创建的。 所有数据结合在一起，通过肿瘤的分子数据，再造出一个真实患者的癌症孪生体。 然后，这对孪生体可以接受直接从已公布的临床试验中提取的治疗方法。
研究人员发现，他们对数字孪生体进行的虚拟临床试验准确预测了实际II期或III期临床试验的结果，这些临床试验涉及乳腺癌、胰腺癌或卵巢癌患者，对两种不同的药物疗法进行了比较。 接受 FarrSight-Twin 预测的最佳治疗方法的患者的应答率为 75%，而接受其他治疗方法的患者的应答率为 53.5%。 反应率是指治疗后癌症缩小或消失的患者比例。
阿斯哈尔说："我们很高兴能应用这种技术，模拟不同肿瘤类型的临床试验，预测病人对不同化疗的反应，结果令人鼓舞。这项技术意味着研究人员可以在药物开发的更早阶段模拟患者试验，他们可以多次重新运行模拟，测试不同的情况，最大限度地提高成功的可能性。 它已经被用来模拟病人，作为对照组，比较新疗法与现有标准疗法的效果。"
三阴性乳腺癌是一种侵袭性较强的肿瘤，生长速度较快，扩散风险较高。 这是来自伦敦Concr、癌症研究所（ICR）、达勒姆大学和皇家马斯登医院的研究人员的合作成果。
他们在2024年10月下旬于西班牙巴塞罗那举行的第36届欧洲癌症研究和治疗组织-美国国家癌症研究所-美国癌症研究协会（EORTC-NCI-AACR/ENA）研讨会上展示了他们利用数字孪生技术预测患者对癌症治疗反应性的研究成果。
资料来源 EORTC-NCI-AACR (ENA)