Мы прошли долгий путь с тех пор, как первые сигналы прошли через виртуальные нервные клетки Ходжкина и Хаксли, Тьюринг с помощью математики смоделировал закономерности жизни, а Нобл заставил виртуальную сердечную клетку биться. Сегодняшние глобальные усилия по созданию цифровых двойников стимулируются усовершенствованием компьютерного оборудования, достижениями в теории и непрерывным совершенствованием моделирования многомасштабных процессов в организме, наряду со сбором нужных данных, то есть медицинских баз, в которых есть молодые и пожилые пациенты, как женщины, так и мужчины, разнообразные во всех отношениях. Нам также необходимо тщательное применение методов искусственного интеллекта.

Можно подумать, что усилия по созданию Виртуального человека уже далеко продвинулись. Действительно, существуют модели клеток, таких как кардиомиоцит, которые могут моделировать все: от токов мембранных ионов до сил, генерируемых белковыми нитями. У нас также есть модели небольших участков ткани с четко определенной функцией: от костных остеонов до нефронов почек, ацинусов легких, лимфатических узлов, мышечных двигательных единиц, потовых желез, кортикальных слоев и долек печени. Затем существуют модели целых органов, таких как сердце, легкие, желудок и толстая кишка, а также систем органов, таких как сердечно-сосудистая и кардиореспираторная системы – сердце, сосудистая сеть и легкие, – нервно-мышечная система, то есть иннервация мышц, желудочно-кишечная система, женская репродуктивная система и вегетативная нервная система.

Работа по персонализации моделей уже началась: анатомические данные, полученные в результате неинвазивной визуализации с высоким разрешением, можно использовать для запуска алгоритмов, которые при работе на мощных компьютерах решают полученные уравнения и неизвестные, создавая сложную математическую модель функции органа, а также виртуальный орган, который выглядит и ведет себя как ваш собственный. Требуется приложить огромные усилия, чтобы получить числовые значения для многих параметров и заполнить эту сеть уравнений, что необходимо повторять для каждого человека, чтобы создать персонализированную модель. И здесь снова может помочь разумное использование машинного обучения. На протяжении всего этого времени существует постоянная необходимость обеспечить воспроизводимость и понять свойственные неопределенности, чтобы гарантировать, что прогнозам виртуального человека можно доверять.

В то время как модели машинного обучения и искусственного интеллекта, основанные на больших данных, могут просматривать прошлые медицинские записи, чтобы увидеть, как тело ведет себя в аналогичных условиях, и делать вывод, как состояние изменится с течением времени, цифровой аватар сможет применять для прогнозирования законы физики и математики. Например, близнец сердца сможет моделировать жесткость сердца или градиенты давления внутри него[518], а также поведение органа в необычных условиях.

Все это необходимо, но недостаточно для создания виртуального человека. Многие модели текущего поколения основаны на обыкновенных дифференциальных уравнениях, которые работают только в одном измерении (времени). Это относительно специальные, общие и упрощенные модели, а не персонализированные. Их невозможно собрать в виртуального человека, потому что они остаются кусочками, настроенными на работу с изолированными скоплениями данных по заданным алгоритмам на конкретных компьютерах. Несмотря на громадный объем работы над функциональной совместимостью, эти фрагментарные модели нелегко объединить в персонализированного двойника. Если бы это было возможно, виртуальный человек уже стал бы реальностью. Упрощенные модели вообще не соответствуют нелинейной, динамической системе сложности человека, которая включает в себя петли обратной связи всех длин и масштабов. Работа по-настоящему началась только в последнее десятилетие.

С появлением экзафлопсных вычислений способность моделировать сложную структуру тела и мозга достигнет больших успехов, если судить по опыту с HemeLB для моделирования кровообращения. Численная мощность машин, существовавших до экзафлопса, таких как Super-MUC-NG и Summit, уже занята лишь небольшой частью всего набора человеческих данных. Если экстраполировать, чтобы добиться большего, нам наверняка понадобится множество экзафлопсных машин. Однако нет предела тому, что мы могли бы сделать с большей компьютерной мощностью на зетта-масштабе и за его пределами. То же самое касается последнего поколения гетерогенных суперкомпьютерных архитектур, которые в большей степени имитируют гетерогенную архитектуру человеческой ткани, поскольку мы стремимся собрать виртуальное тело, сначала мультифизическим способом в одних и тех же размерах и в одинаковых временных масштабах, а затем на многих масштабах, от генома до клетки и органа. В следующей главе, в продолжение третьего шага, который мы наметили в третьей главе, мы увидим, как мультифизика и многомасштабное моделирование ускорятся благодаря развитию новых типов компьютеров. Тогда мы можем ожидать появления более надежных и детализированных моделей, в том числе настоящего виртуального двойника человека.