OmniBioTwin: A System-of-Twinned-Systems Framework for Health Digital Twins

技术摘要：OmniBioTwin：用于健康数字孪生的系统之孪生系统（SoTS）框架

问题陈述
健康数字孪生（HDDT）为精准医学中的患者特定建模和决策支持提供了范式。然而，目前的实现方式在很大程度上是**单体式（monolithic）**的，围绕单一器官、特定生物机制或孤立的临床终点进行设计。虽然这些框架在处理狭窄任务时非常有效，但难以捕捉如阿尔茨海默病（AD）这类系统性疾病的复杂性，这类疾病涉及器官间的通信、跨尺度依赖（从分子到有机体层面）以及在不同时间尺度上演化的异质生物过程。现有的工程方法，如系统之系统（SoS）数字孪生，尚未充分适配生物医学建模，因为生物医学建模需要处理生物尺度异质性、稀疏且异步的观测数据，以及对机制可解释性的需求。

方法论：OmniBioTwin 框架
作者提出了 OmniBioTwin，这是一个 系统之孪生系统（SoTS） 框架，它将 HDT 重新构想为通过多层网络架构中的显式交互算子耦合的模块化计算实体。

1. 架构抽象 (SoTS)：

   • 该系统并非采用单一的端到端模型，而是将每个数字孪生视为代表特定生物组件（如器官、细胞类型）或过程的自主子系统。
   • 框架利用多层网络抽象，其中节点代表实体/过程，边代表交互。
   • **层内边（Intra-layer edges）捕捉相似尺度内的交互，而层间边（Inter-layer edges）**则编码垂直的跨尺度耦合。
   • 引入了**超节点（Hypernodes）**来模拟涉及多对多交互的集体行为（例如，涉及多种细胞类型的炎症信号传递），将多个孪生体组合成复合交互单元。

2. 七层架构：
   该框架由七个协调层组成，用于整合异构数据、多范式模型和决策过程：

   • 数据层（Data Layer）： 聚合异构测量数据（组学、影像、电子健康档案/EHR、可穿ables），同时保留尺度、时间结构和溯源性。它输出包含已处理观测值、时间元数据、不确定性和干预记录的特定孪生体输入包。
   • 孪生层（Twin Layer）： 包含核心计算单元。每个孪生体（$T_i$）都是一个自主单元，拥有自己的状态（$S_i$）、转移函数（$f_i$）和不确定性表示（$U_i$）。孪生体可以利用适合其子系统的不同建模范式（机制模型、随机模型、基于机器学习的模型）。
   • 耦合层（Coupling Layer）： 形式化定义孪生体如何相互影响。它应用耦合算子（$C_{j \to i}$）将源孪生体的状态转化为目标孪生体可接受的表示。这些算子负责处理跨尺度转换、语义对齐、单位转换和不确定性传播，生成聚合耦合消息（$\Gamma_i$）。
   • 同步层（Synchronization Layer）： 为稀疏且异步的生物医学数据提供时间编排。它根据依赖信号和时间元数据确定更新调度（$\delta_i$），协调在不等时间尺度上演化的过程。
   • 决策层（Decision Layer）： 作为系统级推理引擎。它将同步后的全局状态和不确定性转化为可操作的输出，包括风险评估、治疗反应评估和候选干预措施。
   • 交互层（Interaction Layer）： 作为人机交互界面，将模型行为以可解释的方式呈现给临床医生和研究人员。它允许用户设定约束条件、审查候选行动并批准干预措施。
   • 审计层（Audit Layer）： 通过将溯源记录、状态轨迹、耦合追踪和决策日志聚合为结构化审计报告，确保可追溯性和治理，以进行验证和监管评估。

案例研究：阿尔茨海默病中的 GLP-1 通路
为了演示该框架，作者实例化了一个用于阿尔茨海默病（AD）中胰高血糖素样肽-1（GLP-1）信号通路的跨尺度孪生系统。该案例研究连接了四个不同的孪生体：

• 外周孪生体（Peripheral Twin）： 基于治疗记录和外周生物标志物（葡萄糖、胰岛素、HbA1c、BMI）构建，用以表征全身性药物暴露和代谢反应。
• 分子孪生体（Molecular Twin）： 整合大脑定向信号驱动与分子观测数据（脑脊液/血浆生物标志物、PET 影像），以重建潜在的分子病理（Aβ 负荷、tau 磷酸化、神经炎症、大脑胰岛素抵抗）。
• 细胞孪生体（Cellular Twin）： 基于分子压力对大脑细胞群体（神经元、星形胶质细胞、小胶质细胞）的状态变化和相互作用进行建模，输出功能完整性和细胞脆弱性。
• 器官孪生体（Organ Twin）： 结合细胞层面的汇总数据与神经影像及认知测试数据，对宏观疾病进展（包括网络功能障碍和认知下降轨迹）进行建模。

这些孪生体通过耦合来模拟 GLP-1 受体激动剂（GLP-1 RAs）如何从全身代谢传播到分子、细胞和器官层面的效应，从而完成临床决策支持的闭环。

核心贡献

• 概念转变： 提出了面向生物医学 HDT 的 SoTS 范式，从单体模型转向模块化、耦合的系统。
• 结构化框架： 引入了七层架构，明确分离了数据集成、自主建模、跨尺度耦合、时间同步和人机交互决策支持。
• 集成机制： 定义了耦合算子和超节点，以管理跨尺度转换和集体生物交互，同时保持单个组件的自主性和可解释性。
• 概念验证： 通过实例化 AD/GLP-1 跨尺度孪生体，展示了如何将异构数据源（组学、影像、EHR）和建模策略统一在单一系统内。

结果与主张
本文并未呈现将 OmniBioTwin 与单体模型在临床试验或回顾性研究中进行对比的经验性结果。相反，其“结果”是该框架在 AD/GLP-1 背景下的成功实例化。作者声称该架构：

• 支持模块化，允许在无需重新设计整个系统的情况下引入新的孪生体。
• 通过维持不同子系统的不同建模策略和显式的耦合机制，增强了可解释性。
• 为整合异构数据和多范式模型提供了可扩展的基础。
• 实现了闭环临床管理，即基于更新的观测值提出、批准、实施并重新评估干预措施。

意义
本文认为，OmniBioTwin 解决了孤立器官模型与如 AD 等系统性疾病的复杂、多尺度现实之间的关键差距。通过将 SoS 范式适配于生物医学建模，该框架为实现广义的、患者特定的系统表示提供了一条路径，这种表示能够处理生物尺度和数据类型的异质性。作者将这项工作定位为迈向未来 HDT 的必要步骤，旨在通过对分布式人类疾病过程进行忠实的计算表示，支持精准医学，同时保持生物医学验证和监管评估所需的严谨性。