Vores digitale tvilling gror frem i forskermiljøet
In silico, eller på dansk: ‘på computeren’. Det begreb bliver mere og mere almindeligt blandt forskere.
In vitro (forsøg i reagensglas) eller in vivo (forsøg på dyr eller mennesker) er ellers normalen, når det handler om at teste farlige stoffer eller medicin. Men fremtidens ‘forsøgsperson’ bliver en virtuel kopi af mennesket lagret i de koder af ettaller og nuller, der løber gennem computerchippens døde silicium.
Det er forudsigelsen fra en lang række systembiologer og bioinformatikere, som Ingeniøren har talt med, og udviklingens bølgeslag har også slået døren ind hos de europæiske og amerikanske lægemiddelstyrelser (hhv. EMA og FDA).
FDA tror på en fremtid, hvor tests in silico vil udgøre mindst lige så stor en del af reguleringen på området som dyre- og menneskeforsøg. Og forskergrupper over hele verden bygger i disse år løs på it-platforme, der kan rumme og simulere de enorme mængder af big data, som også inden for sundhedsområdet vælter frem.
En af dem er Azam Kahn, direktør i Autodesk Research og grundlægger af Parametric Human Project (PHP), som søger at skabe en slags virtuel tvilling af mennesket.
»Vi har brug for en slags Wikipedia for mennesket; en platform, som vi alle kan koble vores data fra gensekventering til MR-scanninger op på. Menneskets biologi er så kompleks, at vi er nødt til at kunne kombinere alle de mange systemer i en slags central core,« siger han.
It-modeller hjælper astronauter
Udviklingen har greb i alt fra små spillere som Azam Kahns PHP-projekt til klodens største medicinalvirksomheder. De er alle i gang med modelbyggeriet.
Læs også: 3D-model af menneskekroppen skal give sundhedsvæsenet en hånd
I Sverige findes for eksempel The Human Protein Atlas, der for nylig blev lanceret i sin 17. version og nu inkluderer celler og væv. Et lignende initiativ er The Human Cell Atlas, der er et samarbejde mellem europæiske og amerikanske institutioner og blandt andet støttet af Facebook-stifter Mark Zuckerberg. Derudover findes initiativer som det belgiske Virtual Physiological Human, der prøver at kortlægge hele kroppen. Og endelig er der et utal af delprojekter, der kun har fokus på specifikke dele i kroppen, som f.eks. Virtual Liver.
Artiklen fortsætter under grafikken
Flere projekter har allerede vist lovende resultater. HumMod, der er en matematisk model af den menneskelige fysiologi, er blevet brugt af Nasa til studier af langtidspåvirkninger af astronauter i vægtløshed og rejser til Mars. Samme model er brugt til at optimere træningen for franske løbere til OL.
»Vi ser en meget stor diversitet af videnskaber og fokus i de her projekter, men alle har de det til fælles, at de forsøger at skabe forskellige virtuelle modeller af hele mennesket eller dele af vores biologiske systemer,« lyder det fra Søren Brunak, professor og bioinformatiker ved Københavns Universitet.
Digital tvilling er en forskerdrøm
De teknologiske drivere i udviklingen er de to kendte klassikere: voksende computerkraft og kunstig intelligens. Endemålet er næsten ubegribeligt: en digital tvilling af mennesket, der gør forsøgsdyr og testpersoner overflødige og gør det muligt at eksperimentere uhæmmet med enhver tænkelig medicin for at undersøge effekter og bivirkninger uden at volde skade på mennesker eller dyr.
Det mål er vi dog stadig meget langt fra. Men vi er på vej, lyder det fra Thomas Skøt Jensen, adm. direktør i det danske biotekfirmaet Intomics, der er blandt de førende på området for bioinformatik i Norden.
»Vi ser en hastig udvikling på området, og generelt er den nordiske medicinalindustri godt med. Den har fået øjnene op for mulighederne, og tør begynde at satse,« lyder det.
Novo Nordisk er et af de danske firmaer, der er begyndt at arbejde mod digitale tvillinger til deres forskning. Insulinproducenten har blandt andet investeret en milliard kroner i et forskningscenter knyttet til Oxford Big Data Institute.
Også hos Lundbeck er forskerne så småt begyndt at tage simple modeller i brug til at forudse, hvordan stoffer påvirker kroppens biologi. Lundbeck fodrer allerede computermodeller med resultater fra dyreforsøg for at spå om, hvordan mennesker reagerer på bestemte stoffer. I øjeblikket bruger Lundbeck kun computerkraft til at forske i sammenhænge, som de allerede forstår.
Ifølge chefen for den medicinalkemiske forskningsenhed, Klaus Bæk Simonsen, bliver det først rigtig interessant, når vi begynder at bruge big data til at opdage sammenhænge, man ikke havde forestillet sig.
»Det næste store skridt bliver i retning af bioinformatik kombineret med kunstig intelligens, og så kan vi måske begynde at spare nogle af de mange dyreforsøg,« siger Klaus Bæk Simonsen.
In silico er dog – i sig selv – ikke en ny ting. I 2007 viste det amerikanske firma Entelos f.eks. i en computermodel, at præparatet Rituximab var bedre end TNF-hæmmere til at forebygge nedbrydningen af knoglerne hos bestemte patientgrupper. Resultatet blev senere bekræftet i kliniske forsøg.
Pas på kompleksiteten
Computermodellering af den menneskelige krop er også almindeligt kendt i bilindustrien til at bygge de mest ergonomiske sæder, ligesom medicoindustrien længe har brugt modeller til at lave de mest brugervenlige produkter. Men den nye udvikling bevæger sig dybere ind i menneskets komplekse biologi, ligesom det var tilfældet med det humane genom-projekt. Og her skal man passe på ikke at undervurdere kompleksiteten, lyder det fra Søren Brunak.
»Et af de store skridt disse år er, at vi kan skelne vævs- og celletyper. Detaljegraden vokser, og vi begynder at ane samspillet i det utroligt komplekse biologiske system,« siger Søren Brunak, der er leder af protein-centrets afdeling for sygdomssystembiologi på Københavns Universitet og involveret i det storstilede EU-projekt EU-ToxRisk.
Projektet sigter mod at teste sundhedsskadelige stoffer på en virtuel platform. Det kan måske sprænge den flaskehals, som blokerer for reguleringen af tusindvis af potentielt skadelige stoffer, fordi tests og risikovurdering er langsommeligt i laboratoriet.
»Vi begynder at kunne arbejde med sammenhænge som cocktaileffekter, men det er kompliceret. Biologien er jo aldrig linær. Små ændringer kan have enorme konsekvenser. Tag bare cystisk fibrose, som primært skyldes en ændring i kun tre ud af tre milliarder basepar,« siger han.
Pas på med at slå for stort brød op
Derfor er Søren Brunak også skeptisk over for projekter, der vil samle alle dele af den menneskelige biologi på én platform, selvom han hylder ambitionen.
»Det er et spændende mål at ville simulere det hele, men i praksis kan det blive problematisk, hvis man slår for stort et brød op. Opbygningen af modellerne svarer jo til at lave vejrudsigter, og vi ved fra hverdagen, at det ofte slår fejl. På samme måde er de biologiske systemer ikke linære, så små fejl risikerer at gøre modellerne ubrugelige,« siger Søren Brunak, der forventer, at udviklingen bevæger sig mod en vifte af modeller af forskellige undersystemer i mennesket – måske med brug af kvantecomputere.
Den vurdering er Thomas Skøt Jensen meget enig i. Han mener også, at en komplet simulering af hele mennesket ligger mange år ude i fremtiden. De grupper, som går helt ned i detaljerne med f.eks. koblede differentialligninger, er typisk nødt til at indsnævre deres undersøgelse til ganske få faktorer som et protein, en metabolit og en bakterie, hvis modellen skal virke. Vil man se mere bredt på større systemer – som han selv – gør forskerne typisk brug af en kvalitativ modellering for at lykkes, siger han.
»Vi ser mere overordnet på sammenhængene i systemet, som når markedsanalytikere kigger på sociale netværk. Ligesom reklamefolk, der gerne vil ramme bestemte målgrupper, som de udpeger på baggrund af forbrugeradfærd, så kigger vi efter gener, der interagerer med hinanden i bestemte netværk for at finde årsager til sygdomme,« fortæller Thomas Skøt Jensen.
Vi må acceptere ikke at forstå
Spørger man Azam Kahn fra Parametric Human Project, er der ingen undskyldning for ikke at begynde byggeriet af en platform, der samler hele mennesket.
»Tag bare et kig på den lange opremsning af bivirkninger på indlægssedlerne til medicin. De er et bevis på, at vi ikke kan isolere problemer i kroppen til ét sted. Det hele hænger sammen, og derfor må vi i gang med at bruge AI og maskinlæring til at bygge bro mellem kroppens systemer,« siger han og understreger en vigtig pointe:
»Vi må forberede os på, at vi ikke kommer til at forstå alle de sammenhænge, som computeren viser os. Sådan er det også med computernes evne til at foretage ansigtsgenkendelse i dag. Det virker, men vi ved ikke helt hvorfor. Det kommer også til at gælde fremtidens behandlinger,« forudser Azam Kahn.
