达索系统人体虚拟孪生技术提高医疗研究的失败率

寂静回声

在现代医疗研究领域，存在着一个令人震惊的现实：药物研发的失败率高达90%，医疗器械的失败率超过50%。这就意味着，大量的研发投入、临床试验和患者的期待，最终都消失在从实验室到临床应用之间的巨大鸿沟中。美国国立卫生研究院将这一现象称为"死亡谷"——无数研究成果在这里折戟沉沙，无法真正惠及患者。

更令人警醒的是，90%的NIH预算曾经投向动物模型研究，但这些模型往往无法准确代表人体的真实反应。我们在动物身上投入巨资验证的疗法，到了人体试验阶段却频繁失败。
在达索系统第11届人体虚拟孪生体验研讨会上，达索系统生命科学与医疗保健高级总监、Living Heart项目创始人Steve Levine博士发表了一场振奋人心的闭幕演讲。他向全球人体虚拟孪生技术社群发出了一个紧迫的行动号召：应用经过验证的人体虚拟孪生技术填平这条"死亡谷"，将医疗研究的失败率从90%转化为90%的成功率。

Steve Levine博士的演讲不仅总结了研讨会上各个器官建模团队的突破性进展，更描绘了一个宏大愿景——如何将分散的器官虚拟孪生模型整合为一个互联互通的全身系统，如何将纯数据驱动的人工智能与基于物理规律的虚拟孪生相结合，以及如何在政府、学术界和产业界的共同支持下，开创一个医疗研究与临床实践的新时代。更为感人的是，Levine博士以自己女儿从患者到科学家再到医生的心脏健康逆转之旅为例，为这场科学革命注入了深刻的人文关怀。

以下是Steve Levine博士演讲的大致内容：

我非常荣幸能够站在这里，与各位分享过去一天半以来我们所见证的变革性进展。每次参加这样的会议，我都会带着全新的启发离开，这种激励往往会持续到来年年初。在这个讲台上，我聆听了众多杰出科学家的智慧，这给了我对未来巨大的信心。接下来的时间里，我希望能够把我对明年工作的设想传递给大家，这就是我所说的"行动号召"。
我们从研讨会上多位专家的报告中已经了解到这些惊人的失败率数据。在医疗器械领域，失败率超过50%；在药物研发领域，失败率高达90%。这样的模式显然是不可持续的。因此，我们的目标是探索能否用人体模型来构建这座桥梁，从而消除这条"死亡谷"。
当然，我们也清楚另一种正在兴起的方法论，那就是所谓的"蛮力大数据方法"。这种思路是：让我们把所有数据汇集到一个庞大的数据库中，应用机器学习和人工智能技术，看看它能告诉我们什么。这种方法的确在某些情况下有效，但在另一些情况下却不起作用，而且我们往往无法预知哪种情况会发生。更关键的是，这种方法并不能真正产生理解。


在研讨会上，我们反复听到一个词——"信任"。在医疗保健领域，信任是基础性的要求。如果你不理解某件事，你就不会信任它。这一直是我们构建虚拟孪生模型工作的基石。我记得Christen提出的那个精彩观点："眼见为实"——人们需要理解事物才能相信它。
我想分享一个我特别喜欢的洞见。我常常这样描述Living Heart项目：要理解心脏这样复杂的器官如何运作，我们必须亲手构建一个。当你必须构建某样东西时，你的理解层次会发生根本性的改变，人类的思维开始以完全不同的方式处理信息。诺贝尔物理学奖得主理查德·费曼有一句名言——这句话在他去世时还写在黑板上——他告诉所有学生："如果你无法创造它，你就不是真正理解它。"



我们在研讨会上也看到了医学界和工程界之间的认知鸿沟，医学专业人员在培训中不需要学习事物的工作原理，因为他们不需要构建它们；而工程师则被训练去构建事物，这就是为什么他们学会了理解事物的运作机制。这正是我们努力架设的桥梁。
但这并不意味着人工智能对我们不重要。恰恰相反，AI对我们至关重要。我现在展示的这张幻灯片大约有八年历史了，它汇集了Living Heart项目被应用的各个领域，在底部你们可以看到AI和机器学习——从一开始它们就在那里。我们很早就发现，特别是与麻省理工学院的团队合作时，虚拟孪生模型是训练AI的绝佳方式，因为它提供了对系统功能的全面理解，而且是用计算机能够理解的语言表达的。

当我们输入临床数据或医疗数据时，存在着多层转译：从真实的生理现象到人类对这一现象的理解，再到我们所捕获的数据表示，最后喂给机器——在这个过程中我们损失了大量信息。而通过直接输入虚拟孪生数据，我们消除了所有这些转译层次的信息损失，保留了惊人丰富的信息含量。


这种信息的丰富性在我们开始克服从器官模型到人体数据的桥接挑战时真正显现出来。我们无法直接从器官模型跳到人体数据，但我们发现AI在这里成为了极其强大的工具——它能够从有限的模型集合(在过去一天半的研讨会上大家听到了许多这样的例子)扩展到整个人群。这简直就是魔法。
更令人惊讶的是，这一突破发生在最不起眼的地方——当我们直接与美国食品药品监督管理局(FDA)合作克服这座桥梁时。当我刚开始与FDA合作时，他们无法想象我们如何能从有限数量的真实患者数据扩展到整个人群，成千上万的个体。他们说："你不可能对数千名不同的患者进行测试，然后对每一个都进行计算——计算需求太大了。"我回答说："这正是AI发挥作用的地方。"他们一开始非常怀疑，直到他们不再怀疑。

正如我们从Joe Rizzo博士和Christen那里听到的，如果你有一个良好的训练集，实际上可以将这种方法论标准化。FDA意识到，与其依赖判断(正如我们也听到的，问十个医生会得到十个不同的审查意见)，AI实际上可以作为一种标准化工具，你可以构建能够被检查、验证和复现的智能代理。这对我而言是革命性的，它极大地增强了我的信心，让我相信这就是我们一直在寻找的加速器，能够让我们从手工制作走向批量生产和民主化。
重新创建AI生成的虚拟孪生，检查它是否给出了正确的答案。这样你就有了一个闭环系统。有趣的是，正是这个应用在今年让Living Heart项目获得了广泛认可。尽管Living Heart项目已经存在了十年，但Fast Company杂志将它评为"2025年改变世界的顶尖创意"之一。直到我们将这两种技术结合在一起，我相信我们的工作才获得了应有的认可，因为现在它可以规模化了——只要你有坚实的基础，规模化就真正变得重要。
除了普遍的认可之外，我们都知道来自FDA的直接支持意义重大。这是今年四月FDA发布的公告，我当然参与了enrichment项目的工作。这是一份关于药物方面的出版物，他们明确表示正在寻求基于AI的计算建模证据，而且如果你仔细阅读细节，你会发现如果你提供这类数据，他们实际上会加速你的临床试验或审查流程。因此，他们正在激励公众提供基于AI的计算建模数据。

美国国立卫生研究院紧随其后。两周后，NIH宣布他们将优先支持基于人体的研究，以找到跨越那道鸿沟的方法。我有幸前往华盛顿特区，会见了NIH的一些工作人员。后来那一年，我实际上见到了Nicole，我们讨论了动物模型的局限性。她当时指出，NIH 90%的预算都投向了动物模型研究，这就是我们所说的"死亡谷"的来源。

我们讨论了如何架设这座桥梁。两周后，他们宣布将不再资助任何仅使用动物模型且不致力于生成人体模型的项目。所以现在政府支持我们，相信这是新一代的研究方向。我们确实拥有了推进下一步所需的所有要素，今天我们在这里听到了许多这方面的基础进展。

我们也听到了来自临床界的声音。我想分享的这张图表实际上引用的是Partho Sengupta博士的观点，他本来希望能够参加会议。这是他三年前在大会上的演讲内容，展现了他的愿景。他是新泽西州Robert Wood Johnson医疗中心的心脏病学主任，有趣的是，这恰好是我女儿出生的医院。我曾经提到过她的故事。所以我对帮助他的科室取得成功有着特殊的兴趣。


Sengupta博士分享了他所设想的心脏病学的未来。他认为，今天心脏病学的实践方式已经不再适应我们的生活方式。他提出了一个"心脏控制室"的概念。在这个设想中，当医生见到你之前，你已经完成了所有扫描，收集了所有数据，你的传感器信息都已经在控制室中处理完毕，他们已经完成了分析。所以当医生进来时，他已经拥有了你的虚拟孪生的分析结果。现在他可以与你进行对话，因为有一个团队在后台支持他进行这些分析——这处理过的信息让对话更加高效。
这是Hoganson医生在个体患者基础上所做工作的下一个演进层次，但要在统一的医院范围内实现，他们实际上使用孪生技术处理这些数据。数字技术已经具备了今天实现这一目标的能力。因此，我的目标是展望未来，看看我们能否将这一模式扩展到整个人体。如果我们回顾2015年，我们基本上用心脏定义了虚拟孪生的领域。我们只有一个模型，管理起来并不复杂。五年后，我们开始开发多个模型。我们看到了跨器官层面的社群，今天在这里有代表。我们还有其他团队。到2025年，你们可以阅读相关出版物，各种器官的数字孪生和虚拟孪生正在各处涌现。现在有了AI，我们将能够生成数百个、数千个这样的模型。问题是，未来会是什么样子？我相信我们社群有两条发展路径，而这个社群一直在孤立地运作。我想指出这两条路径。我们要么以自然已经给我们提供的蓝图来组织——我们在肺团队的工作中听到了这一点，他们说我们应该把肺和心脏结合在一起形成一个系统，肝脏也应该是其中的一部分，对了，肾脏也需要加入，而大脑在控制这一切。人体已经给了我们这个模板。

那么我们为什么要独立运作？为什么要以下面这种模式发展？因为这最终会导向两种结果：要么我们最终向医疗保健人员交付一堆无法协同工作的模型，要么交付一个系统的系统。每个人都有自己的数字孪生、虚拟孪生合作伙伴，因为我们可以从这些模型中选择，而它们都能协同工作。
我希望，也期待这个社群选择上面的路径。我相信这是我们发展历程中的一个真正的拐点，也可能是一个分岔点——我们要么选择共同走上面的道路，要么继续孤立发展。你们可以想象，如果你们了解我，我完全支持上面的路径。这就是我将投入时间去做的事情——帮助组织各个社群走到一起。
希望如果你们在这里听了不同团队的发言，你们会意识到不同团队之间的共性。他们可能处于不同的成熟度水平，他们可能在解决不同的问题或医疗问题，但医疗保健问题、计算问题、组织问题都是共通的，我们可以分享这些信息。
我想今天的演讲以这一愿景结束。这是我希望我们明年能够聚焦构建的图景——针对所有战略性的、关键的器官，所有关键系统建立团队，并尝试定义一种让它们都能协同工作的方式。如果你们感兴趣，在这次会议之后，我会发出倡议，看看我们能否召集一个社群，开始围绕这个主题进行一些规划。

如果我们做到了这一点，我们就能更好地解决这个问题，因为现在我们有了一个共同的框架。我们用一个实际上按照自然已经给我们的蓝图组织起来的系统，取代了那条"死亡谷"或那堆杂乱无章的信息。然后我们就能拥有一个对每个人都高效的可信AI平台，同一信息被提供给研究社群，也被提供给医学社群，双向流动，现在我们有了一个以虚拟孪生为中心的AI连续体。这就是我的希望。

Steve Levine博士的演讲不仅仅是对人体虚拟孪生技术的展望，更是对整个医疗研究和临床实践范式转变的深刻呼吁。他用11年Living Heart项目的实践证明，当我们将基于物理规律的虚拟孪生模型与人工智能相结合，当我们建立起可信的社群协作模式，当我们获得政府机构和产业界的支持，我们就有可能真正填平那条吞噬了无数研发投入和患者希望的"死亡谷"。

达索系统的"3D UNIV+RSES"理念和"生成式经济"愿景正是这一变革的技术基础和哲学支撑。虚拟孪生不仅仅是数字模型，它代表着一种全新的科学方法论——通过在虚拟世界中的探索、理解、想象、创造和测试，我们能够更有效地解决真实世界中最重大的挑战。当我们说"虚拟孪生，为每个人创造一切"时，我们谈论的是一个民主化的未来，在这个未来中，精准医疗不再是少数人的特权，而是每个人都能享有的权利。

Levine博士女儿的故事为这场科学革命注入了最动人的人文维度。在没有任何药物干预的情况下，通过对心脏功能的深刻理解和基于数据的生活方式调整，一个注定在30岁需要心脏移植的患者实现了心脏功能的逆转。这不是奇迹，而是"科学时代的体验"——当理解取代盲目，当知识指引实践，当虚拟孪生技术让我们能够真正看到并理解自己身体的运作方式，医疗保健的本质就发生了根本改变。

正如这次达索系统科学周所展示的，我们正站在一个历史性的拐点上。各个器官的虚拟孪生模型已经成熟，人工智能技术正在快速发展，传感器技术让实时数据采集成为可能，政府机构开始转变资助政策，临床实践正在寻求新的范式。所有这些要素都已就绪，现在需要的是社群的协同行动——打破器官之间的壁垒，建立互联互通的全身系统，创造一个真正的人体虚拟孪生生态系统。
这不仅是技术的进步，更是对人类健康和生命价值的重新定义。当我们能够在虚拟环境中预测、验证和优化治疗方案，当我们能够将90%的失败率转化为90%的成功率，当我们能够让每个患者都拥有自己的虚拟孪生作为终身健康伴侣，我们就真正实现了从"体验时代的科学"到"科学时代的体验"的跨越。
这场变革需要的不是数百万人，而是"一小群有思想、有承诺的公民"。正如Levine博士所言，这样的一小群人，正是历史上唯一真正改变世界的力量。而现在，这个历史性时刻已经到来，行动的号角已经吹响。



达索系统通过其3DEXPERIENCE平台和科学UNIV+RSES愿景，正在为这场革命提供技术基础和协作平台。从产品设计到生命科学，从材料工程到医疗保健，虚拟孪生技术正在重塑我们理解和改造世界的方式。Living Heart项目只是开始，接下来是肺、肝、肾、大脑以及整个人体系统的虚拟孪生。这不是科幻，而是正在发生的现实。
在这个生成式经济时代，虚拟世界与真实世界的界限正在消融，体验与科学的边界正在融合。我们不再满足于观察和记录，我们要理解和创造。我们不再接受高失败率和漫长的研发周期，我们要用虚拟孪生技术在数字空间中完成绝大部分验证工作，只把最有把握的方案推向临床。我们不再让患者被动接受治疗，我们要让每个人都能通过自己的虚拟孪生深刻理解自己的身体，成为自己健康的主动管理者。
这就是Levine博士所描绘的未来，这就是达索系统科学周所展示的愿景，这就是人体虚拟孪生社群正在共同构建的明天。从死亡谷到生命重生，从孤立的器官模型到整合的全身系统，从少数专家的工具到人人可用的平台——这场革命的每一步都需要理解、信任和协作。而最终，所有这些努力的意义都将体现在一个个真实的生命故事中，就像Levine博士女儿的心脏重获新生那样，让科学的力量真正服务于人类的健康与幸福。