爱诺美康

美国看病：癌症患者的数字预测有助肿瘤学转变

发表在 Nature Medicine 上的癌症患者数字孪生 (CPDT) 框架，将结合高性能计算建模和模拟、模型推理和临床数据，进行治疗癌症患者的预测、和个性化医疗保健决策。

作者总结说，当完全实现时，CDPT 将反映患者随着时间推移和不同治疗方法的演变，而变化的分子、生理和生活方式特征，并通过增加更佳护理的可能性，来帮助“开创医学新时代”。

“在高性能计算和肿瘤学日益融合的过程中，CPDT 是一个巨大的挑战问题，”贡献者 Amy Gryshuk 说，他是 LLNL 战略科学参与办公室的负责人。“它们在推进预测医学方面具有巨大的潜力，但为了实现这一承诺，我们需要整合多尺度和多模态数据，然后大规模构建和测试动态模型。”

CDPT 概念源于能源部实验室、国家癌症研究所 (NCI)、学术界和工业界之间的合作，他们于 2019 年成立了展望癌症挑战的计算创新 (ECCIC) 社区。LLNL 主办了第一次 ECCIC 会议，共同调查了先进计算和癌症研究的十字路口，并产生了这个想法。

在提议的框架下，研究人员将根据个人级别的患者数据、以及临床试验和人群研究，创建多尺度和多模式数据集，以训练机械和人工智能 (AI) 模型。它将解决从分子水平到人口水平跨时间尺度的变化，来预测未来状态。