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

あなたは医師か医療機器メーカーだと想像してください。新しいX線装置や新しい身体スキャン手法を開発し、病院に販売する前にその有効性を証明する必要があります。通常、そのためには臨床試験を実施しなければなりません。つまり、数百人の実在する人々を見つけてスキャンし、その装置が疾患を正しく検出できるかを確認するのです。

この論文は、このプロセスが時間がかかり、高額であり、場合によっては関係する人々にとってリスクを伴うと主張しています。その代わりとして、著者らはこの試験の「ビデオゲーム」版を提案しています。彼らは、装置をテストするためにデジタル人間で満たされた仮想世界を構築したいと考えています。

以下に、彼らのアイデアをシンプルなアナロジーを用いて解説します。

1. 目標：「仮想スタジアム」

実際の臨床試験を大規模なスポーツ大会だと考えてみてください。ゲームをプレイする必要があるのは、実在するアスリート（患者）です。しかし、適切な選手を見つけるのは困難です。怪我をする選手もいれば、脱落する選手もおり、特定の稀な背景を持つ選手（背の高い人々や特定の希少疾患を持つ人々など）が不足する可能性があります。

著者らは、仮想スタジアム（in silico trial と呼ばれる）を構築したいと考えています。このスタジアムでは、「アスリート」は確率的デジタル人間です。

• **「確率的（Stochastic）」**とは、「ランダム」を意味する難しい言葉です。つまり、これらのデジタル人間はすべて同一のクローンではなく、サイズ、形状、組織密度にランダムな変異を与えて生成され、実在する人々のように多様です。
• 目標は、これらのデジタル人間を数千人規模の群衆として作成し、実在する誰かにスキャナーに入るよう頼むことなく、医療機器を巨大で多様な集団でテストできるようにすることです。

2. キャラクターの構成：どのように彼らを構築するか

この論文は、ビデオゲームでキャラクターを作成する場合と同様に、これらのデジタル人間を構築する方法がいくつかあると説明しています。

A. 「フォトリアリスティック」アバター（個別モデル）

• 個別化モデル: 特定の人々のMRIスキャンを撮影し、それを3Dのデジタルツインに変換すると想像してください。これはその一人の手術を計画するには優れていますが、装置を全人口でテストするには役立ちません。なぜなら、まず数百万人の実在する人をスキャンする必要があるからです。
• 家族モデル: 実在するスキャンに基づいたデジタル人間の小さな「家族」（父親、母親、そして2人の子供）を想像してください。これはより良いですが、それでも世界全体を代表するには小さすぎます。

B. 「ジェネレーター」（集団モデル）
巨大な群衆を得るためには、ゼロから人を作成できる機械が必要です。論文では、これを行う2つの主要な方法について議論しています。

• 「金型」方式（画像ベース）: 数千枚のX線写真などの実在する医療画像の山を取り出し、数学を用いてそれらを伸縮・混合させて新しい画像を作成します。
  • 欠点: 実在するX線写真がぼやけていたりノイズがあったりすると、そのデジタル人間はその欠陥を継承します。これは、インクが滲んだレシピを使って完璧なケーキを焼こうとするようなものです。
• 「設計図」方式（知識ベース）: 実在する写真をコピーする代わりに、生物学に基づいた一連のルール（設計図）を書きます。コンピュータに「脂肪50%、腺組織50%の乳房を作り、血管が木のように分岐するように」と指示します。
  • 利点: この方法で数百万人のユニークな人間を生成でき、写真データベースに存在しない稀なタイプも含めることができます。
  • 欠点: ルールが間違っていると、組織の代わりにスポンジでできた肝臓を持つデジタル人間ができてしまう可能性があります。

3. 「悪役」の追加（疾患のモデル化）

医療試験は健康な人々だけでなく、病気を発見することにも関わるものです。デジタル人間に腫瘍をどのように組み込むのでしょうか？

• 「シール」方式（画像ベース）: 腫瘍の実在する写真をデジタルの体に貼り付けます。
  • 問題: 絵にシールを貼ったように少し不自然に見えます。周囲の体と相互作用しません。
• 「成長」方式（知識ベース）: 腫瘍が生物学的ルールに従って「成長」するようにプログラムします。周囲の組織が硬ければ腫瘍は特定の形で成長し、柔らかければ異なる形で成長します。
  • 利点: これにより、疾患が実際にどのように振る舞うかをより現実的にシミュレートできます。

4. 「写真編集」のトリック（拡張）

時には、十分な数のデジタル人間がいないことがあります。そのため、手持ちのものを「編集」します。

• 写真アプリのフィルターを使うように、それらを回転させたり、明るさを変えたり、画像に「ノイズ（静電気）」を加えたりできます。
• 警告: 著者らは、編集しすぎると不可能なものができてしまうと警告しています。例えば、誤って骨が皮膚よりも柔らかく見えるようにすると、テスト結果はゴミになります。より多くのデータを作ろうとして、物理法則を破らないよう注意する必要があります。

5. 最も重要な教訓：サンプルをだますな

これがこの論文の最大の警告です。新しい靴をテストしていると想像してください。

• もしその靴をランナー（特定のグループ）だけでテストした場合、その靴は素晴らしいと思うかもしれません。
• しかし、実際には全員（歩く人、踊る人、扁平足の人を含む）に販売すると、その靴は失敗する可能性があります。

デジタル世界では、偶然「偏った」デジタル人間のグループを選んでしまうことが非常に簡単です。

• 罠: 考えずにデジタル人間をランダムに選んでしまうと、大部分が平均的なサイズの人間で構成されるグループになってしまう可能性があります。「外れ値」（非常に大きい人々や非常に小さい人々）を見逃してしまうのです。
• 結果: この論文は、間違ったグループを選んだ場合、テスト結果が完全に誤りになることを示しています。実世界では実際には77%の精度しかないのに、機械の精度が90%だと誤って判断してしまう可能性があります。

まとめ

この論文は、医療機器のための仮想テスト場を構築するためのガイドブックです。

1. なぜ？ 実際の試験は遅く、高額であり、組織化が困難だからです。
2. どのように？ 実在するデータ（写真）または生物学的ルール（設計図）のいずれかを使用して、「確率的デジタル人間」を構築します。
3. 注意点: 私たちは、仮想の群衆が実世界と完全に一致するように非常に慎重にする必要があります。テスト対象として間違った「デジタル人間」を選んでしまうと、間違った答えを得てしまい、それが後々実在する患者にとって危険になる可能性があります。

著者らは、これらのデジタル群衆を構築するツールはすでに存在するものの、人々の命を預かるに足るほど現実的なものにするために、具体的にどのようにすればよいかをまだ解明する必要があると結論付けています。