美國看病：癌癥患者的數字預測有助腫瘤學轉變

發表在 Nature Medicine 上的癌癥患者數字孿生 (CPDT) 框架，將結合高性能計算建模和模擬、模型推理和臨床數據，進行治療癌癥患者的預測、和個性化醫療保健決策。

作者總結說，當完全實現時，CDPT 將反映患者隨著時間推移和不同治療方法的演變，而變化的分子、生理和生活方式特征，并通過增加更佳護理的可能性，來幫助“開創醫學新時代”。

“在高性能計算和腫瘤學日益融合的過程中，CPDT 是一個巨大的挑戰問題，”貢獻者 Amy Gryshuk 說，他是 LLNL 戰略科學參與辦公室的負責人?！八鼈冊谕七M預測醫學方面具有巨大的潛力，但為了實現這一承諾，我們需要整合多尺度和多模態數據，然后大規模構建和測試動態模型?！?/p>

CDPT 概念源于能源部實驗室、國家癌癥研究所 (NCI)、學術界和工業界之間的合作，他們于 2019 年成立了展望癌癥挑戰的計算創新 (ECCIC) 社區。LLNL 主辦了第一次 ECCIC 會議，共同調查了先進計算和癌癥研究的十字路口，并產生了這個想法。

在提議的框架下，研究人員將根據個人級別的患者數據、以及臨床試驗和人群研究，創建多尺度和多模式數據集，以訓練機械和人工智能 (AI) 模型。它將解決從分子水平到人口水平跨時間尺度的變化，來預測未來狀態。