Cyfrowe bliźniaki to – jak wyjaśnił prof. Szałas – „wyjątkowo skomplikowane modele symulacyjne, które mają na celu odzwierciedlić konkretną rzeczywistość”.
– Przykładem cyfrowego bliźniaka dla połączeń drogowych mogą być mapy Google. Wyniki, jakie otrzymamy, zależą jednak od pytania, które postawimy. Jeśli interesuje nas czas podróży z punktu A do punktu B, taki model jest satysfakcjonujący. Jeśli jednak chcemy obliczyć np. wytrzymałość asfaltu lub zużycie opon, nie będzie on wystarczający – wytłumaczył profesor.
W dziedzinie medycyny – wyjaśnił – cyfrowe bliźniaki umożliwiają tworzenie replik ciała wraz z wirtualnymi modelami różnych organów: serca, wątroby czy płuc. Pozwalają one monitorować reakcję pacjentów na konkretne leczenie.
– Analizując historię pacjenta i różne parametry, można ocenić, jak dany pacjent może zareagować na terapię i czy warto ją zastosować, czy może konieczne jest inne podejście – powiedział ekspert.
Dzięki badaniom genetycznym można przewidzieć pewne rodzaje nowotworów, na które człowiek może być bardziej podatny. I to uwzględniając jego indywidualny zestaw genów.
– Istnieją modele oparte na tych informacjach, ale nie obejmują one pełnego spektrum możliwych chorób – zaznaczył prof. Szałas. Dodał przy tym, że obecne rozwiązania mają pewne ograniczenia i nie można sprawdzić reakcji organizmu na każdy możliwy lek.
Cyfrowe bliźniaki w diagnostyce
– Proces diagnozowania opiera się na szczegółowych badaniach, ale nie zawsze można być pewnym, że dana terapia będzie skuteczna w stu procentach. Są choroby, o których wiadomo, że określony lek w ich leczeniu ma np. tylko 38 proc. skuteczności. Stosuje się go, a jeśli nie przynosi rezultatów, próbuje się innych opcji. Niestety, w rezultacie stan pacjenta może się pogorszyć – zauważył specjalista. Gdybyśmy mogli od razu zastosować właściwą terapię, byłaby ona znacznie bardziej skuteczna, a w tym mogą pomóc cyfrowe bliźniaki.
Podkreślił, że mimo postępu medycyny ogromne wyzwanie dla naukowców stanowią nieuleczalne choroby. Opracowując nowe lekarstwo, najlepszym podejściem byłoby zaprojektowanie terapii w sposób pozwalający obserwować reakcję dużej grupy pacjentów na działanie danej substancji.
– Przeprowadzenie takich eksperymentów na ludziach byłoby niebezpieczne i nieetyczne. Jednak przy użyciu modeli symulacyjnych, które byłyby w stanie odpowiadać na pytania dotyczące reakcji całego organizmu, moglibyśmy szybko odrzucić wiele pomysłów i znaleźć właściwe rozwiązanie – podkreślił profesor.
Sztuczna inteligencja daje nowe możliwości
– Możemy się spodziewać, że dzięki postępom sztucznej inteligencji, zwłaszcza dotyczących głębokich sieci neuronowych, będzie możliwe analizowanie ogromnej ilości danych związanych z leczeniem pacjentów. Obecnie ten proces jest znacznie bardziej czasochłonny, ale z odpowiednimi zaawansowanymi modelami symulacyjnymi moglibyśmy przyspieszyć rozwój i selekcję najlepszych terapii – powiedział prof. Szałas, ale – jak zaznaczył – na razie nie jesteśmy jeszcze na tym etapie.
Podstawowym problemem w Polsce, zdaniem profesora, jest ograniczony dostęp do danych pacjentów. Są to dane wrażliwe i trudno je w pełni zanonimizować.
– Nawet jeśli usuniemy imię, nazwisko i adres, istnieje ryzyko, że na podstawie rodzaju terapii można zidentyfikować poszczególne osoby – zauważył profesor. – Dopóki nie powstaną ogólnodostępne zbiory, dla wielu firm, postęp w tej dziedzinie będzie moim zdaniem ograniczony i nie osiągniemy szybkiego postępu w tworzeniu zaawansowanych modeli dotyczących całego człowieka – powiedział prof. Szałas.
Źródło: Nauka w Polsce, Delfina Al Shehabi
