Transcription
今天，我们走进一家研究实验室，了解心脏数字孪生，这是一种计算复制品，可以彻底改变个性化医疗以及医生治疗心力衰竭的方式。我们的嘉宾是 NT Research 医学与健康信息学实验室主任 Joe Alexander 博士。我是 Michael Cricggsman。欢迎收听 CXO Talk 第 92 集，一集引人入胜的节目。
>> 医学与健康信息学实验室隶属于 NT Japan，该公司在硅谷成立了一家类似贝尔实验室的创新公司，名为 entity research。entity research 最初的三个实验室是物理实验室、密码学小组，然后是我的医学与健康信息学小组。我们致力于一些“登月”式的想法。物理小组正在研究量子计算。密码学小组正在研究甚至后量子密码学。而我的小组则致力于生物数字孪生。
>> 你是如何走到今天这一步的？
>> 尽管我在民权运动期间在阿拉巴马州贫困地长大，但我却在奥本大学的化学工程专业学习。有一次，我在一份暑期工作中，经历了一次热油爆炸，作为一名烧伤患者，这让我接触到了医学。后来我得知，照顾我的医生来自约翰霍普金斯大学。于是我回到奥本大学，说我想去医学院，我想去约翰霍普金斯大学，不知怎么的，这竟然实现了。在约翰霍普金斯大学，我了解了生物医学工程和心血管动力学。因此，我在约翰霍普金斯大学完成了医学博士和哲学博士联合项目。你只是说，我想去约翰霍普金斯大学，你知道他们有什么反应吗？这似乎不是一个常见的请求。
>> 所以，我当时完全在化学工程专业。于是，我去了预科专业咨询委员会，提出了这个非常具体的要求，他们嘲笑我，说：“我们从来没有送任何人去约翰霍普金斯大学。”但事实证明，事情对我来说都解决了。[笑声]
请告诉我们你正在做的工作。什么是生物数字孪生？
>> 我们主要从航空商业航空业中汲取例子，在那里，他们为每台喷气发动机构建数学模型。当发动机在空中飞行时，地面上有一个复制品，它会记录飞行中所有传感器的信息，并将这些信息在数学上整合到模型中。这对商业航空的意义在于，它使得对发动机进行预测性维护成为可能。你不必进行计划性维护。计算机模拟会告诉你何时需要维护什么。同样地，我们认为，如果患者得到了适当的仪器化，我们从可穿戴技术或其他地方获得了足够的数据，我们就可以预测患者何时需要某种干预。这让我们走上了预测性健康维护和构建生物数字孪生的道路。
>> 那么灵感就来自航空航天业。
>> 是的。你能谈谈你实际上正在试图解决的临床问题吗？然后我们将讨论构建生物数字孪生的复杂性。
>> 核心问题是我们希望改善心血管结局，因为心血管疾病是全球头号杀手，在 2022 年约占 2000 万例死亡。我们希望通过数学建模和模拟来量身定制一个针对个体患者的模型，以便该患者能够获得最佳的治疗效果。目前，我们依赖于群体水平数据的临床试验，而且通常有许多群体未被纳入临床试验，我们也不完全确定结果是否适用。当你谈论为特定患者量身定制特定结果时，通常如你所指出的，你会进行大规模群体研究，然后采取一种解决方案，比如药物，并将其应用于一个大群体，但你是在深入研究。你能谈谈这个吗？
>> 我们使用因果模型，我们理解其生理机制，以便能够洞察这些模型的行为。我们发现，对我们来说，与其使用涉及计算流体动力学和有限元分析的复杂模型，这些模型计算成本高昂，不如开发简单的模型来提供见解。我们特定的模型结构称为电气模拟模型。这意味着血液的流动类似于离子的流动。压力类似于电压。阀门类似于二极管，我们将一个代表整个循环系统的结构组合起来，并尝试将该模型中的参数与个体患者进行匹配。
>> 所以这不仅仅是一个心脏模型，而是一个整个心血管模型。这样说对吗？
>> 是的。这是一个整个心血管模型，我们对心脏和冠状动脉循环有更具体的模型，而且该心血管模型还包含我们目前想要做的必要组成部分，即管理急性心肌梗死和急性心力衰竭。这意味着同一个简单的心血管系统必须有肺、肾脏和神经调节。
>> 所以你正在创建一个非常广泛的模型。所以它比仅仅创建一个心脏模拟要复杂得多。
>> 是的。你能深入探讨你对数字孪生的愿景以及你设计解决方案的方式吗？让我们深入了解你在做什么，你是如何做的，面临的挑战等等。
>> 考虑这种方法优势的一种最简单的方式是使用一个用例，即你介绍中提到的自主闭环干预系统。在这种情况下，我们试图引入一个管理急性心肌梗死和急性心力衰竭的系统。在患者来到急诊室，进入心脏导管插入实验室，罪犯病灶得到缓解后，他们被带到 CCU 或 ICU，并接受某些药物治疗以稳定患者，让心脏休息并从心脏病发作中恢复。这些药物通常包括我们称之为儿茶酚胺的药物，以帮助心脏收缩。硝酸盐类药物用于释放或降低血压。利尿剂用于清除血容量。这些药物由医生连续给予，医生会监测患者的反应。
>> [哼鼻声]
>> 我们正在做的自主闭环干预系统，或者我们的目标是建立一个系统，你只需在键盘上输入所需的左心房压、心输出量、全身动脉压，然后一个装有每种必需药物的注射器系统就会自动输送达到所需终点所需的药物量。然后我们监测患者的反应，将其反馈给我们的系统，并根据我们告诉注射器机器要给予的量与患者反应之间的误差进行调整。这是一个反馈控制系统，用于以所需的左心房压、心输出量和动脉压为单位，通过键盘指定的护理。
这与现有模型有什么不同？对吧？我的意思是，有机器可以输送药物。那么，是什么让它独一无二呢？
>> 麻醉学是一个领域，在维持手术中患者血压的药物输送方面存在一定程度的自动化。我们正在做的事情是其他人没有做过的，而且非常具有挑战性，那就是不仅控制血压，还要控制心输出量和左心房压，并以尽量减少心肌耗氧量的方式进行。所以整个要点是，心脏需要放松和恢复，而外周需要得到灌注。所以，如果我们能让心脏以最小的代价工作，同时实现所有这些目标，那么这对心肌恢复来说就是最好的情况。因此，心肌耗氧量的最小化是我们一直未能实现的一个特殊之处。
>> 你正在做什么，希望能够实现这一点？
>> 我们受益于一些顾问和一些工作，这些工作为我们提供了一种监测和快速测量心肌耗氧量的方法，而且我们还拥有基于心输出量表面的一些生理结构，这使我们能够很好地将左心房压维持在特定范围内，同时调节右心房压。因此，心房回流表面和瞬时跟踪或定期跟踪心肌耗氧量的技术是其中的一些优势，但我们还有其他一些技术。
各位，你们可以提问。如果你在 LinkedIn 上观看，请将你的问题输入 LinkedIn 聊天。如果你在 Twitter 上观看，请使用话题标签 CXOTalk 并询问 Alexander 博士任何你想问的问题。现在是一个特别的机会。Joe，你刚才描述的内容与数字孪生有什么关系？
>> 我的实验室对人类数字孪生感兴趣。我们从心血管系统开始，因为我们有专业知识，而且它是全球头号杀手，我们认为这是一个很好的起点，而且心血管系统，即使是治疗心肌梗死，也需要考虑其他器官系统，如肺和肾脏以及神经调节。这个自主闭环干预系统。第一个猜测是由我们的人类心血管系统的电气模拟模型给出的，该模型最适合走进来的特定患者。现在，我们如何确定最适合我们面前患者的电气模拟模型？这首先依赖于大量的群体水平数据，在那里我们构建了一个虚拟患者群体，这些患者在年龄和合并症等方面与走进来的患者相似。我们构建了一个与该患者相似的虚拟患者群体。然后，基于特定特征，我们缩小范围，找到最佳猜测，这可能是几百名接近该患者的患者，我们用它来获得对这个闭环自主闭环干预系统的初始猜测。然后，由于它是一个反馈系统，它将自动调整这些参数以提供指定的左心房压、心输出量、动脉压。请注意，反馈回来的误差信号、校正信号中的信息会教会该患者的模型这些参数应该是什么。因此，随着通过这个自主闭环干预系统进行治疗，模型对该患者变得越来越具体。因此，它既能精确地确定最佳参数选择，又能教会我们对该患者而言最佳参数选择是什么。所以我们将创建一个注册表，包括该患者和这些选择。
所以你正在收集广泛的群体数据，然后为每个个体患者从这个广泛的群体中分离出最能对应于该特定患者情况的正确数据子集。然后，你从那里构建该特定患者的数字孪生。这样说对吗？
>> 非常正确。我们认为数字孪生是一组代表患者的特征。特征如电阻器、电容器、二极管等。所以我们希望这些参数，最能代表该患者及其特征的最佳选择。因此，我们从文献中的群体水平数据开始。然后，我们构建一个与该特定患者相关的虚拟群体。然后，在该虚拟群体中，我们找到与该患者最接近的患者。然后，我们开始驱动自主闭环干预系统的过程。在反馈调节和调整过程中，我们学会了滴定或调整这些参数以匹配该特定患者。
>> 你在所有这些输入中使用什么样的数据？
>> 在心血管生物数字孪生领域，我们可以从很多地方开始。我们主要从急性心肌梗死和急性心力衰竭开始，主要是因为它很急性，而且患者通常会在 ICU 或 CCU，并受到严密监测和仪器化，我们可以获得动态信号的读数，如动态压力和容量，以及超声心动图。因此，我们有很多时间相关的信号可以用来训练我们患者的模型并设置这些参数，并收集数据。因此，ICU/CCU 的输入是左心房压、右心房压、心输出量的测量值。我们可以使用斯旺导管。我们可以监测一段时间内的压力，通常患者的住院时间约为四到五天，因此我们可以获得四到五天的急性信息来调整到该特定患者。说实话，我们选择了一个最简单的选项作为起点。当你转向慢性心力衰竭时，你必须依赖于非住院患者的数据，这些数据是静态测量，并且基于可穿戴技术，其侵入性不足以参数化这样的系统。但接下来我们将转向慢性心力衰竭。
>> 这一系列开发的进展如何？
>> 我们有一群合作者，其中最与我们今天讨论相关的是日本国家心血管中心的团队，他们有心脏病专家、麻醉师、实验人员，能够进行从老鼠到牛的各种大小的动物实验。因此，我们正在进行动物实验来验证这些方法并测试这些技术。去年，我们首次在实验动物狗身上成功演示了自主闭环干预系统治疗心力衰竭的正常功能，这只狗患有实验诱导的心力衰竭。该系统进行了补偿，并自动治疗了这只狗，同时最大限度地减少了心肌耗氧量。我们现在正处于收集一系列动物实验数据的阶段，我们将证明，自主闭环干预系统优于标准护理，通过显示这些心脏病专家在治疗中与自主系统相比，无法获得像自主闭环干预系统那样小的梗死面积。因此，梗死面积的减少将是该系统如何优于临床医生的物理证据，而这正是我们打算做的。
那么，自主系统依赖于这些群体数据加上来自 ICU 或 CCU 的特定患者的详细数据，因为数据量很大，而且你迄今为止发现的是在具体产生结果的准确性方面有更高的准确性。
>> 我们仍处于非常早期阶段，正在开发我们在现实临床情况中可以做的事情。因此，我所说的一切都基于希望，这些希望取决于我们在动物实验中能够验证和确认的内容。所以我们仍处于动物实验阶段，而且我们没有在动物身上研究群体水平数据。我们甚至开始时也没有那种参考模型参数，除了我们能从文献中非常简单地获得的东西，而且这个自主系统仍然能够运行。我们去年已经演示过了。但是，你对这个过程的描述是正确的。这就是我们希望实现的，而且正如你可以想象的，有很多挑战。再次，我们仍处于在动物身上实现这一目标的早期阶段，在获得任何监管批准之前，我们必须经历，我相信你了解这些障碍，我们必须使用这种系统进行临床决策支持，然后才能实现完全自主。这意味着反馈将通过医生进行。医生将处于闭环中，我们将为医生提供建议，医生将决定是否执行软件所说的操作。因此，在我们能够真正回答你的问题之前，我们还有很多事情要做。
>> 我想，这与自动驾驶汽车类似，在让自动驾驶出租车队上路之前，车里会有一个司机，因为你真的不知道会发生什么，直到你尝试一下，因为它很新。
>> 完全正确。所以有些人建议我们不要称之为自主干预，而称之为协同驾驶系统，但我们雄心勃勃地认为，这种系统可以取代专科医生在患者床边的需求。它可以是一个由另一位临床专业人士监控的系统，但可能不需要，很可能不需要专科医生，这使得它能够触及资源较少的偏远医院，所以这是我们愿景的一部分，即健康公平。
我们有一个来自 Twitter 的重要问题，来自 Arcelon Khan，他是一位常客。他总是问一些很棒的问题，他说：“你如何确保这些医疗器械的数据是正确的，以及医生是根据数据而不是他或她的个人经验做出正确决定？”
>> 老实说，我的偏见是，一位临床医生曾评论说，他宁愿有一个自主系统，能够逐拍地调整患者的药物，也不愿有一个筋疲力尽的住院医生站在走廊里查看手机，没有足够的时间去看病人。我们的偏见是，如果系统构建正确，它将纠正医生可能犯的错误。但是，正如你所描述的，在车辆的自主性方面，需要有这种监督。FDA 不会批准任何自主设备，无论它经过多少测试，如果没有临床决策支持这一步。所以我们必须这样做。我们不能将医生排除在外。
然后我们有另一个相关问题，来自 Elizabeth Shaw，她说：“你怎么知道你可以信任这个模型，以及医疗保健中的决定，标准是让 AI 指导你，但医生应该做出决定。”
>> 是的，这很相关。我们的第一步是让医生参与进来，这样医生就可以判断系统告诉他或她的信息。让我说，我们的系统与 AI 的不同之处在于它是基于因果关系的。即使心脏病专家不像过去那样了解生理学，但我们系统将做出的决定将基于临床实践、心血管生理学、心血管动力学，而不是一个无法审查和批评的黑箱深度学习类型的输出。[哼鼻声]。我是一名技术专家，我绝对支持 AI 和自主系统，只要它们得到妥善使用并具有适当的治理。但如果我们以波音 737 Max 坠机为例，那是由有缺陷的传感器算法以及不正确或不完整的恢复程序造成的。这是一个关于自主生命和死亡系统的例子，因此，关于这种自主系统与医疗相关的想法有点令人恐惧。
>> 当然有一些经验教训可以吸取，其中一些经验教训是避免走捷径，还有一些经验教训与傲慢有关。当然必须建立故障安全机制，当然你不想把关键部件放在 AI 的手中，至少我不想。简而言之，我们的工作是创造力和怀疑精神之间的一次美妙的舞蹈，我们总是持怀疑态度，我们确实不信任，当然也不完全依赖像 AI 这样的系统，或者我会说我们依赖 AI 来处理特定的算法，用于特定的应用或特定的方面，这就是为什么我们的方法至关重要地是因果和机械的，并且基于生理学，以便我们能够比所谓的“可解释 AI”更好地理解。可解释 AI 无法提供心脏病专家在生理学和机制方面所理解的那种解释。而我们确实提供了这些，我们的系统会向医生提供理由，当医生在循环中时。现在，当医生在循环中时，我们就不能说系统会一次性完美，但我们肯定会考虑安全性和风险。我还需要提到，一些更深层次的问题，如测试和实施，将涉及大规模临床试验，就像药物一样。因此，关于算法以及如何知道它们是否安全的问题，也可以应用于药物开发。而且，我们接受临床试验的结果，即使我们看到这些广告说某些药物在某些条件下有死亡风险，并且这在试验中得到了证明。因此，没有完美的解决方案，总会存在一定程度的风险，而目标将是尽量减少这些风险。现在，作为 entity research，这个贝尔实验室式的登月想法的地方，我们正在寻求开发概念验证，制定监管策略，并将专业知识和投资移交给那些知道如何在风险安全环境中进行操作的公司，如制药公司和医疗设备公司。我们还没有触及医疗设备，但所有我描述的关于药物治疗的内容也适用于管理患有严重疾病的患者的设备控制。因此，我们将寻求与制药公司、医疗设备公司合作，这些公司有能力、有专业知识处理伦理、安全方面的问题，并进行大规模临床试验。然后，我们将继续前进，在我们的狭小牢房墙壁上描绘美丽的图画和辉煌的风景。
>> 你多次提到你的工作是因果和机械的。你能详细解释一下，与那些不是因果或机械的相比，你的意思是什么？
>> 如果我们考虑一个患有心力衰竭的患者，心力衰竭通常会导致患者出现一定程度的肾衰竭。肾衰竭导致容量潴留增加。容量潴留意味着循环系统中会出现液体，这些液体会回流到肺部，导致肺部积液。左心房压升高意味着氧气扩散能力差。因此，你无法将足够的氧气通过肺部输送到循环系统中。由于氧气不足，心脏必须更用力、更快地跳动。因为为了输送足够的氧气来灌注组织，心脏必须更努力地工作。患有心力衰竭的患者，其心脏必须更努力地工作，消耗更多的心肌氧气。它需要更多的氧气，但它无法获得更多的氧气。[哼鼻声]所以，心脏在为自己供血，但它无法获得足够的氧气来为自己供血，你很快就会恶化。这是一系列事件，由各种原因引起，这些原因源于心力衰竭。这与仅通过 AI 输入的斑点跟踪图像来推断患者通气不良的原因不同，对我来说，这是模式识别，并试图推断因果关系。但是，我刚才描述的这一系列事件，也包括贫血，并且会使情况更加恶化。这些都是生理学和机制上已知的对心力衰竭起重要作用的因素。而且所有已开发的药物大多都在解决这些方面的问题：利尿剂用于清除容量；儿茶酚胺用于改善收缩功能。但最终，心肌耗氧量的成本对于慢性心力衰竭患者来说是最后的稻草。这是非常非常严重的。你所说的干预，如果我没记错的话，是注射特定类型的药物，剂量和时间都恰到好处。是这样吗，还是有更多？
>> 对于我们急性心肌梗死、急性心力衰竭的特定用例来说，这是正确的，因为我们对一切都有控制，并且我们测量一切。它进行这些注射来管理急性病例。但我们对该自主闭环干预系统所能期望的最好结果是急性病例，因此是四到五天的住院时间。它没有，它给了我们一些知识，有助于慢性病例，当患者不在医院时。[哼鼻声]我们有一些起点，但我们需要更多的数据。我们需要更多的实验室化学。我们需要监测患者使用可穿戴技术等设备，持续更长时间。然而，我们预计，在急性情况下的优质护理将对患者出院后有益。例如，他们不会再次入院，或者入院时间会比标准护理长。
>> 你之前描述了电气系统的类比，带有二极管和电阻器。当我阅读你的论文和演示文稿时，我被这些电气图所打动。我的意思是，就像你为电器看到的示意图一样。你能多谈谈这方面吗？
>> 当我们自然地看到那张图时，我们看到的是看起来像电路的东西。而循环系统就是一个电路。所以这部分对我们来说很自然。实际上，电气模拟图中的元素代表左心室收缩、右心房收缩、右心室收缩、心房收缩。熟悉这些符号的人可以看到整个循环系统在那里表示。但它们表示得非常简单。例如，为了给你一个概念，左心室通过主动脉瓣射入全身动脉系统。所以对我们来说，左心室是一个电容器，在一定容量下，你知道，它会产生一定的力。我们称之为时变电容器，因为我们让电容器水平变化或让心室变得更硬以产生压力。在电气模拟意义上，这种压力是电压，而这种电压在心脏中，在左心室中，比下游的主动脉瓣更高，那么该瓣膜就会打开，或者该二极管就会打开，然后流量就会从二极管流出，或者通过主动脉瓣流入另一组代表全身动脉系统的电阻器和电容器。因此，电气模拟网络中的电阻是真实系统中流量和压力之间的关系。电容器在电气模拟网络中是进入弹性动脉的体积的表示，它会拉伸动脉壁，从而产生一定的压力。因此，通过一系列电阻器、电容器和二极管，代表动脉全身系统、静脉全身系统、肺动脉系统、肺静脉系统中的不同隔室。我们可以简单地表示整个循环回路，以及对急性心肌梗死和急性心力衰竭应用重要的基本测量值、参数或变量。
>> 这种表示方式如何与数字孪生的创建相互作用？
>> 这种表示就是我们的数字孪生。它是这些方面的患者的数学表示。现在，我向你描述的是简单的循环回路。我们还有其他更专业的子系统，它们可能不像你看到的图表中那样表示，它们代表冠状动脉循环。现在，如果你想到心脏，心脏会产生压力并产生流量。这些流量通过主动脉进入全身动脉。但同一主动脉有冠状动脉循环，为心脏本身供血。这就是为什么我说心脏在为自己供血。冠状动脉成分，冠状动脉循环具有一定的复杂性，我们需要考虑。冠状动脉流量有自身调节。我们需要考虑这一点。当心脏跳动时，它会挤压周围的血管。它挤压自己的冠状动脉血管，所以我们需要考虑这一点来描述有多少流量到达缺血的心脏。因此，我们需要一个更复杂的模型来深入研究心脏及其代谢。现在，事实证明，心肌耗氧量和心脏代谢已经用简单的术语得到了充分描述，这些术语与压力和容量力学有关。同样，我们一直在测量的那些信号，我们对压力和容量感兴趣。你可以测量，你可以使用压力容量回路来表示心脏腔室的力学，其中压力容量关系的斜率是心脏收缩能力的指标。因此，通过压力容量测量也可以获得心脏收缩能力的一个简单指标。压力容量中的那些相同简单信号和区域可以显示心脏的势能，心脏所做的工作，并且它们与心肌耗氧量相关。因此，通过我们研究心脏的方式，即使用压力、流量和容量，可以获得大量关于心脏的数据。
>> Arcelon Khan 在 Twitter 上再次出现，他问道：“通过你的研究，你发现传统描述身体的系统和过程要么没用，要么过于复杂。你是如何最终得出电气模拟这个概念的？”
>> 在心脏病学领域，尽管电气模拟模型不像我们使用的那样被彻底代表，[哼鼻声]但它已经成为表征血流动力学的传统方法。因此，压力容量面积、舒张期压力容量关系、循环系统动力学的表示、通过压力感受器进行的神经控制等等，这种电气模拟方式是传统的。只是许多从业者不理解它。他们正在使用导管室中的容量传导导管来测量容量和压力，生成压力容量回路，并生成收缩力指数。所以它不是非传统的。只是我们将其提升到了一个全新的水平，并对其进行了扩展，并使用了一些非传统或我们发现的元素，这些元素已经发表但由于生物医学工程相对于临床医学的复杂性而未被传统使用。因此，许多临床心脏病专家正在使用这些原理，但并不完全理解它们。现在，我提到我可能提到过我们项目中的一位顾问。他的名字叫 Kenji Sunagawa。他发现了许多今天在临床心脏病学中使用的原理，这些原理基于压力容量特征和电气模拟模型。存在一个全身动脉系统的电气模拟模型，称为阻抗，它不仅代表了电阻，还代表了材料系统动力学中压力和流量的频率依赖性。人们正在使用阻抗特征的结果，而无法测量阻抗，这是另一个电气术语，因为它比人们准备好的要复杂一点。因此，所有这些见解，例如另一个例子是心室血管耦合。心脏病专家谈论心室血管耦合，一个概念是把心脏看作一个电池，有电荷，动脉系统由压力、舒张期压力和每搏输出量关系表示，其中有两个电容器，打开主动脉瓣是电容器之间的开关，体积会从一个电容器移动到另一个。心室血管耦合的概念也是由 Kenji Sunagawa 博士发现的，他是一位顾问。我还要补充一点，我与 Kenji Sunugawa 在约翰霍普金斯大学读研究生时一起做了很多工作。因此，我们使用电气模拟模型有着悠久的历史，可以追溯到 70 年代。
>> 你需要开发多少数学，而不是依赖于对这些各种关系的传统或现有理解？
>> 作为一名生物医学工程师，我们使用了当时流行的任何数学，这些数学可能能够揭示生物学的新信息或使其有意义。所以，我早在 70 年代就开始研究神经网络，当时它很流行。我们对波形进行了波长分析，以及反射系数和反射波。所以，作为生物医学工程师，我们热爱复杂性，我们会使用同胚去卷积，测量地震的数学，任何可用的东西，我们会学习并尽可能多地使用。所以，我们过去建造了，我们有收音机商店的计算机控制着模拟计算机，我们通过修补来实时控制一个隔离的灌注犬心制备。这就是我们做事的方式。所以我不知道需要多少数学，但只要是实用的就足够了。在 MIT 有一位工程师叫 Ian Hunter，他曾对我说，他说科学家喜欢拆解事物，而工程师喜欢组装事物。所以，回顾过去，我所做的一切，我更像一个工程师而不是一个科学家，都是整合性的。如何解释一个已经组装好的系统。有时这需要大量的数学，我们会尽力而为。
>> 听起来你正在构建仿生系统。还记得以前有一部电视节目叫《六百万美元 رجل》吗？
>> 是的。
>> 听起来你正在构建仿生方法。
>> 关于构建这个团队需要什么？涉及如此多的不同技能。关于仿生人、仿生女人的评论是，Kenji 曾写过一篇关于仿生压力感受器反射的文章，正是出于这个想法，即有一个设备可以自动调节动脉压，复制一个失败的自主系统，还有一个叫做 Shy-Drager 综合征的疾病，其中压力感受器不起作用，而那种系统已被证明是有效的。所以，我们在 70 年代或 80 年代开发了一个仿生压力感受器反射。是的，在我们实验室的 May 实验室，我们有许多生物医学工程博士和硕士。我们有医学博士，有硕士学位的人，每个人都会编程，每个人都了解生理学，要么从一开始就了解，要么从我们的顾问那里学到，我们有定期的会议，与心脏病专家和麻醉师一起进行实验。所以我们有这个专业水平。而在我之前提到的国家心血管中心，那些人一方面看病人，另一方面在动物身上做实验，然后编写程序，然后构建电气模拟电路，同一个人在做所有这些事情，所以我们能够获得他们所有的培训和专业知识。这是一个场合，我应该提到，我谈到了我们在 Ator 的主要合作和我们更大规模的主要项目。我们还与哈佛大学疾病生物物理学小组合作，研究数字孪生的其他方面，我们正在努力构建一个生物混合数字孪生策略，使用干细胞制造患者自身的干细胞工程心脏，然后研究这些腔室的搏动。他们有一个目标，我们正在努力帮助他们根据患者自身的干细胞和从这些干细胞中产生的生物反应器中的组织来构建心脏。在那里，我们正在利用组织工程和大量的机器学习。我们与他们一起在《科学机器人》上发表了一篇关于机器学习启发式阵列设计的论文，他们认为，通过人工智能和机器学习，生物设计可能会以比基于我们已知的一些基本原理的演化更快的速度演化。不是必然的试错式演化，而是受机器学习启发的特定设计。然后，我们与慕尼黑工业大学合作，他们正在开发不同类型的生物传感器和用于体内电信号测量的不同类型技术。因此，我们的合作中有大量的专业知识，我们的小团队也有大量的本地专业知识，目前只有大约九个人。
>> 所以你真的将生理学与医学实践和研究、机器人技术以及抽象的数学结合起来创造你的模型。我的意思是，它是如此的跨学科。
>> 是的。虽然我们有一个战略，但我们又回到了贝尔实验室那种类型的团队，那里有一群富有创造力的人，他们有很多新想法。所以我们所做的一些工作源于许多需要追求的伟大想法。与此同时，我们努力保持一个更大的战略，以便每个人都围绕着我们想要实现的目标进行工作，而主要目标之一是改善患者的治疗效果。我们希望在更长远的未来实现其中一些目标，但有些我们希望在短期内实现。自主闭环干预系统正在成为，至少在首次人体研究方面，我们预计在五年内会看到一些首次人体研究。
>> 你之前提到了你的健康公平愿景，以及这项研究如何与之相关，而且我们很快就要没时间了。
>> 如果你考虑医疗保健的五重目标，那就是改善患者体验、改善临床医生体验、改善人口健康、降低成本、改善健康公平，那么我认为，例如，自主闭环干预系统可以实现所有这些目标。它通过不要求那么多专科医生来治疗一种致命的心血管疾病来改善健康公平。我们希望成本会降低，尽管医学史表明，无论我们取得多么显著的科学进步，企业家总会找到使其成本更高的方法。[哼鼻声]但我们认为，这项技术成本会更低，并且应该改善医生的体验。他们不会因为要花费大量精力来管理特定患者而筋疲力尽，而且我认为这些好处直接符合改善医疗保健的五重目标。
>> 这所有的一切将走向何方？你的研究目前正朝着哪个方向发展？
>> 在短期内，我们正朝着那些与临床决策支持相关的首次人体研究迈进。我们正在寻求与合作伙伴制定监管策略，并将专业知识和投资移交给他们，让他们进行大规模临床试验并开发技术设备或药品。然后，我们将转向关注慢性心力衰竭。在那里，我们预计将更多地利用我们与哈佛大学疾病生物物理学小组以及我们在慕尼黑工业大学的同事在可穿戴设备等方面的合作。同样，这一切都始于人类生物数字孪生或人类生物数字孪生的概念，而不仅仅是心血管系统。这是一个起点。我个人对神经退行性疾病感兴趣。所以，如果我活得够久，我希望我们也能涉足那个领域的工作。
>> 好的。到此为止，恐怕我们时间到了。非常感谢 Joe Alexander 博士。他是 NT Research 医学与健康信息学实验室主任。[音乐] Joe，非常感谢你抽出时间与我们在一起。这是一次非常迷人的[音乐]对你工作的深入了解。
>> 非常感谢你，Michael，邀请我。
>> 各位，感谢您的观看。在[音乐]您离开之前，请订阅 CXO Talk 时事通讯，以便我们通知您即将举行的节目。[音乐]我们即将推出精彩的节目。非常感谢大家的观看，下次再见。祝您有美好的一天。