Виртуальный ты. Как создание цифровых близнецов изменит будущее человечества

Однако, хотя компьютерные модели обладают огромным потенциалом в кардиологии[442], он будет реализован только тогда, когда цифровые органы-близнецы будут регулярно обновляться данными пациента. Нынешнее поколение близнецов сердца в некотором смысле одноразовое, говорит Нидерер: оно создано для того, чтобы помочь пациенту с определенной сердечной проблемой в конкретный момент времени. Хотя они вносят свой вклад в науку и представляют интерес для врачей и производителей медицинского оборудования, в долгосрочной перспективе можно надеяться, что сердца-близнецы будут руководить уходом за пациентами на протяжении всей жизни.

Однако нам следует опасаться преувеличений, частых там, где великолепные кардиографические изображения противоречат реальному пониманию. Как выразился Гернот Планк: «В нашем сообществе слишком много людей, дающих смелые обещания, обладающих впечатляющим опытом превращения значительного финансирования не в какие-либо ощутимые результаты, а в еще более смелые обещания». Планк цитирует создателя Linux Линуса Торвальдса, финно-американского инженера-программиста, о его видении этой области: «Я больше верю в страсть. Я думаю, что по-настоящему верить в то, что ты делаешь, гораздо важнее, чем иметь представление о золотом будущем, которого ты хочешь достичь»[443]. Хотя цифровые сердца-близнецы уже бьются в клиниках, чтобы войти в рутинное использование в операциях и больницах, им, скорее всего, потребуется больше времени, чем предсказывают их самые страстные сторонники.

За гранью цифрового сердца

Теперь мы можем начать думать о том, как соединить виртуальное сердце с цифровыми двойниками артерий и вен и более тонкими трубопроводами, составляющими сердечно-сосудистую систему. В 1950-х гг. американский физиолог Артур Гайтон (1919–2003) изучал сердце и его связь с периферическим кровообращением, бросая вызов общепринятому мнению, согласно которому только сердце контролирует сердечный выброс. Полученную в результате модель Гайтона можно рассматривать как первую интегрированную математическую модель физиологической системы «всего тела», раскрывающую взаимосвязь между кровяным давлением и балансом натрия, а также центральную роль почек в контроле кровяного давления. В одном недавнем исследовании, проведенном Рэндаллом Томасом из Университета Париж-Юг в Орсе, модель была протестирована на популяции из 384 000 виртуальных людей (некоторые страдали виртуальной гипертонией), чтобы получить представление о многоуровневых взаимодействиях между почками и сердцем и отточить методы лечения[444].

Однако воссоздать необычайную сложность реальной системы кровообращения гораздо труднее. Питер работал со своей группой в Университетском колледже Лондона и Амстердаме, а также с Фондом исследований информационных технологий в обществе (IT’IS), независимым некоммерческим исследовательским фондом в Цюрихе и другими, чтобы in silico воссоздать сеть сосудов, артерий, вен и капилляров длиной 60 000 миль, используя миллиарды точек данных цифрового человека, построенного на основе цветных срезов с высоким разрешением (0,1×0,1×0,2 мм) замороженного тела 26-летней кореянки Юн Сон.

Смоделировать только ее кровообращение – и ничего больше – было монументальной задачей: команде Питера в UCL (особенно Джону МакКалоу) пришлось работать с Юлихским суперкомпьютерным центром, Университетом Теннесси, Суперкомпьютерным центром Лейбница, Фондом IT’IS, Рурским университетом и Университетом Амстердама в написании около 200 000 строк кода, который мог работать на 311 000 ядрах Super-MUC-NG и моделировать кровоток в 434 579 134 участках извилистого сочетания артерий и вен в теле Юн Сон.

К тому времени команда Питера разработала HemeLB – высокомасштабируемый код суперкомпьютерного класса, который имитирует поток крови через стент, вставленный в мозг пациента для лечения аневризм – расширений, вызванных слабостью стенок кровеносных сосудов. Программное обеспечение обрабатывает трехмерные единицы – вокселы – крови и моделирует ее поток в пределах заданной геометрии. Для запуска они вновь обратились к суперкомпьютеру Super-MUC-NG[445][446][447].

Адаптировать суперкомпьютер для моделирования кровообращения Юн Сон было далеко не просто. HemeLB пришлось неоднократно оптимизировать и настраивать, внедряя новейшие стандарты параллельных вычислений и подходы к балансировке нагрузки на сотни тысяч вычислительных блоков – ядер машины. Только тогда Super-MUC-NG смог эффективно запускать код в огромных масштабах. Команда Питера совсем недавно разработала ускоренную версию кода, которая масштабируется до 20 000 графических процессоров на Summit[448].