Опыты на «людях»
В начале XIX века студенты лондонских врачебных школ раскапывали могилы, чтобы получить необходимый для изучения анатомии материал. В середине XX века нейрохирург Эгаш Мониш отрабатывал процедуру лоботомии на «безнадежных душевнобольных». XXI век добавил в этическое уравнение медицины новую переменную — искусственный интеллект
Грань между просто экстравагантным и категорически неприемлемым в медицинской науке очень тонка. Получить достоверные данные о работе человеческого тела без исследования людей, живых или мертвых, невозможно. Но и оправдать любые манипуляции пользой для науки тоже нельзя. Даже «золотой стандарт» доказательной медицины, рандомизированные клинические испытания, этически неоднозначен: ведь в конечном счете он сводится к проведению экспериментов на людях, которые даже не знают, получают они лечение или нет.
В 2019 году американский стартап Unlearn.AI заявил об успешном создании цифровых двойников человека для проведения клинических испытаний. В случае успеха технология обещала развязать руки экспериментаторам от медицины, сняв с них любые этические ограничения. По прошествии пяти лет можно оценить первые успехи разработчиков.
Цифровые близнецы
Технология цифровых двойников пришла в медицину из сферы инженерии. Чтобы эффективно управлять сложными объектами, создаются виртуальные модели устройств, процессов и целых систем. Однако не любая модель будет цифровым двойником: у них есть ряд особых свойств.
В первую очередь, цифровой двойник представляет ровно один объект из реального мира, а не целый класс. Например, если мы хотим создать цифровой двойник завода, в нем будет воссоздана не только общая структура производственной цепочки, но и конкретные данные: длина ленты конвейера, мощность двигателя, расположение объектов, мощность проводки и любые другие аспекты, которые будут влиять на работу всей системы.
Второе и самое фундаментальное отличие: цифровой двойник получает постоянный поток данных от реального объекта и обновляет состояние. Так, для нашего завода мы будем передавать данные о нагреве двигателей, скорости движения ленты, весе и количестве деталей, поступающих на ленту, аварийных остановках и так далее.
Такая модель позволяет, например, следить за износом деталей — не по среднему сроку эксплуатации, а по фактическому расчету нагрузки на каждый элемент в конкретных условиях эксплуатации. Если реальные поломки расходятся с предсказаниями модели, это помогает выявить более серьезные проблемы: например, поставку низкокачественных деталей или нарушение правил эксплуатации конкретных узлов.
Еще одно применение такой модели — возможность спрогнозировать последствия гипотетических событий: например, что будет, если завод начнет работать в две смены, или если количество заказов увеличится на 50 %.
Применение цифровых двойников в промышленности приносит хорошо измеряемый в деньгах результат. Так, по оценке General Electric, виртуальные дублеры электросетей помогают на 30 % снизить стоимость их обслуживания. Компьютерные модели нефтяных скважин уменьшают капитальные расходы на 20 %. Цифровые двойники появляются у систем водоснабжения, больниц и даже целых городов. Создание виртуальной копии человеческого тела открыло бы большие возможности: от ежесекундного мониторинга состояния жизненно важных органов до персонального прогноза, через сколько процедур ботокс и подтяжки превратят лицо в маску.