The stochastic digital human is now enrolling for in silico imaging trials -- Methods and tools for generating digital cohorts

Stellen Sie sich vor, Sie sind Arzt oder Hersteller medizinischer Geräte. Sie haben eine neue Röntgenmaschine oder eine neue Methode zur Körperuntersuchung entwickelt und müssen deren Funktionsweise nachweisen, bevor Sie sie an Krankenhäuser verkaufen können. Üblicherweise müssen Sie dafür eine klinische Studie durchführen. Das bedeutet, dass Sie Hunderte von echten Personen finden, sie scannen und prüfen müssen, ob die Maschine Krankheiten korrekt erkennt.

Dieser Artikel argumentiert, dass dieser Prozess langsam, teuer und für die beteiligten Personen manchmal riskant ist. Stattdessen schlagen die Autoren eine „Videospiele"-Version dieser Studie vor. Sie wollen eine virtuelle Welt voller digitaler Menschen aufbauen, um die Geräte zu testen.

Hier ist eine Aufschlüsselung ihrer Ideen unter Verwendung einfacher Analogien:

1. Das Ziel: Das „Virtuelle Stadion"

Stellen Sie sich eine echte klinische Studie wie ein riesiges Sportturnier vor. Sie benötigen echte Athleten (Patienten), um das Spiel zu spielen. Doch die richtigen Spieler zu finden, ist schwierig; einige könnten sich verletzen, andere könnten abspringen, und es könnte nicht genügend Spieler aus seltenen Gruppen geben (wie sehr große Menschen oder Menschen mit einer bestimmten seltenen Krankheit).

Die Autoren wollen ein Virtuelles Stadion aufbauen (ein sogenannter in-silico-Versuch). In diesem Stadion sind die „Athleten" stochastische digitale Menschen.

• „Stochastisch" ist ein kompliziertes Wort für „zufällig". Es bedeutet, dass diese digitalen Menschen keine identischen Klone sind. Sie werden mit zufälligen Variationen in Größe, Form und Gewebedichte erzeugt, genau wie echte Menschen.
• Das Ziel ist es, eine Menge von Tausenden dieser digitalen Menschen zu schaffen, damit Sie Ihr medizinisches Gerät an einer riesigen, vielfältigen Gruppe testen können, ohne jemals eine echte Person bitten zu müssen, in den Scanner zu steigen.

2. Die Besetzung: Wie bauen wir sie?

Der Artikel erklärt, dass es verschiedene Möglichkeiten gibt, diese digitalen Menschen zu bauen, ähnlich wie man einen Charakter in einem Videospiel erstellt.

A. Die „photorealistischen" Avatare (Individuelle Modelle)

• Personalisierte Modelle: Stellen Sie sich vor, Sie nehmen den MRT-Scan einer bestimmten Person und verwandeln ihn in einen digitalen Zwilling. Das ist hervorragend für die Operationsplanung bei dieser einen Person, aber nicht nützlich, um eine Maschine an einer gesamten Population zu testen, da Sie zuvor Millionen echter Menschen scannen müssten.
• Familienmodelle: Stellen Sie sich eine kleine „Familie" digitaler Menschen vor (ein Vater, eine Mutter und zwei Kinder), die auf echten Scans basieren. Das ist besser, aber immer noch zu klein, um die ganze Welt zu repräsentieren.

B. Die „Generatoren" (Populationsmodelle)
Um eine riesige Menge zu erhalten, benötigen Sie eine Maschine, die Menschen aus dem Nichts erschaffen kann. Der Artikel diskutiert zwei Hauptmethoden, dies zu tun:

• Die „Form"-Methode (bildbasiert): Sie nehmen einen Haufen echter medizinischer Bilder (wie Tausende von Röntgenaufnahmen) und verwenden Mathematik, um sie zu dehnen, zu verkleinern und zu mischen, um neue zu erzeugen.
  • Der Haken: Wenn Ihre echten Röntgenaufnahmen unscharf sind oder Rauschen enthalten, erben Ihre digitalen Menschen diese Mängel. Es ist, als würde man versuchen, einen perfekten Kuchen zu backen, indem man ein Rezept verwendet, auf dem die Tinte verschmiert ist.
• Die „Blaupausen"-Methode (wissensbasiert): Anstatt echte Fotos zu kopieren, schreiben Sie eine Reihe von Regeln (eine Blaupause) basierend auf der Biologie. Sie sagen dem Computer: „Erstelle eine Brust, die zu 50 % aus Fett und zu 50 % aus Drüsengewebe besteht, mit Blutgefäßen, die sich wie ein Baum verzweigen."
  • Der Vorteil: Sie können auf diese Weise Millionen einzigartiger Menschen erzeugen, einschließlich seltener Typen, die möglicherweise nicht in Ihrer Fotodatenbank existieren.
  • Der Haken: Wenn Ihre Regeln falsch sind, könnten Sie einen digitalen Menschen erschaffen, dessen Leber aus Schwamm statt aus Gewebe besteht.

3. Die „Bösen" hinzufügen (Modellierung von Krankheiten)

Eine medizinische Studie geht nicht nur um gesunde Menschen; es geht darum, die kranken zu finden. Wie fügt man einen Tumor in einen digitalen Menschen ein?

• Die „Aufkleber"-Methode (bildbasiert): Sie nehmen ein echtes Bild eines Tumors und kleben es auf einen digitalen Körper.
  • Problem: Es sieht etwas gefälscht aus, wie ein Aufkleber auf einem Gemälde. Es interagiert nicht mit dem umgebenden Körper.
• Die „Wachstums"-Methode (wissensbasiert): Sie programmieren den Tumor so, dass er gemäß biologischen Regeln „wächst". Wenn das umgebende Gewebe steif ist, wächst der Tumor auf eine bestimmte Weise; wenn es weich ist, wächst er anders.
  • Vorteil: Dies erzeugt eine viel realistischere Simulation davon, wie sich eine Krankheit tatsächlich verhält.

4. Der „Foto-Editor"-Trick (Augmentierung)

Manchmal haben Sie nicht genug digitale Menschen. Also nehmen Sie die, die Sie haben, und „bearbeiten" sie.

• Sie können sie drehen, die Helligkeit ändern oder „Rauschen" (Statik) zum Bild hinzufügen, genau wie beim Verwenden von Filtern in einer Foto-App.
• Die Warnung: Die Autoren warnen, dass Sie, wenn Sie zu viel bearbeiten, etwas Unmögliches erschaffen könnten. Wenn Sie beispielsweise versehentlich einen Knochen weicher als Haut aussehen lassen, sind Ihre Testergebnisse wertlos. Sie müssen vorsichtig sein, die Gesetze der Physik nicht zu brechen, während Sie versuchen, mehr Daten zu erzeugen.

5. Die wichtigste Lektion: Betrügen Sie die Stichprobe nicht

Dies ist die größte Warnung des Artikels. Stellen Sie sich vor, Sie testen einen neuen Schuh.

• Wenn Sie die Schuhe nur an Läufern (einer bestimmten Gruppe) testen, könnten Sie denken, die Schuhe seien großartig.
• Aber wenn Sie sie tatsächlich an jeden verkaufen (einschließlich Menschen, die gehen, tanzen oder Plattfüße haben), könnten die Schuhe versagen.

In der digitalen Welt ist es sehr leicht, versehentlich eine „verzerrte" Gruppe digitaler Menschen auszuwählen.

• Die Falle: Wenn Sie zufällig digitale Menschen auswählen, ohne nachzudenken, landen Sie möglicherweise bei einer Gruppe, die hauptsächlich aus durchschnittlich großen Menschen besteht. Sie könnten die „Ausreißer" verpassen (sehr große oder sehr kleine Menschen).
• Das Ergebnis: Der Artikel zeigt, dass, wenn Sie die falsche Gruppe auswählen, Ihre Testergebnisse völlig falsch sein können. Sie könnten denken, eine Maschine sei zu 90 % genau, während sie für die reale Welt tatsächlich nur zu 77 % genau ist.

Zusammenfassung

Der Artikel ist ein Leitfaden für den Aufbau eines virtuellen Testgeländes für medizinische Geräte.

1. Warum? Echte Studien sind langsam, teuer und schwer zu organisieren.
2. Wie? Wir bauen „stochastische digitale Menschen" entweder mit echten Daten (Fotos) oder biologischen Regeln (Blaupausen).
3. Der Haken: Wir müssen sehr vorsichtig sein, um sicherzustellen, dass unsere virtuelle Menge genau wie die reale Welt aussieht. Wenn wir die falschen „digitalen Menschen" für den Test auswählen, könnten wir die falsche Antwort erhalten, und das könnte später für echte Patienten gefährlich sein.

Die Autoren kommen zu dem Schluss, dass wir zwar die Werkzeuge haben, um diese digitalen Mengen zu bauen, wir aber noch herausfinden müssen, wie wir genau sicherstellen können, dass sie realistisch genug sind, um mit Menschenleben vertraut zu werden.