Bệnh nhân ảo thay thế con người bằng mô phỏng có thể giúp các thử nghiệm lâm sàng nhanh hơn và an toàn hơn. Các loại vắc xin tiềm năng không có tác dụng có thể được xác định sớm, giảm chi phí thử nghiệm và tránh thử nghiệm các vắc xin kém trên những tình nguyện viên.

Một số thuật toán mới cho phép máy tính chẩn đoán một căn bệnh với độ chính xác chưa từng có, khiến chúng ta dự đoán rằng máy tính sẽ sớm thay thế bác sĩ. Điều gì sẽ xảy ra nếu máy tính cũng có thể thay thế bệnh nhân? Ví dụ, nếu con người ảo có thể thay thế người thật trong một số giai đoạn của cuộc thử nghiệm vắc xin coronavirus, thì nó có thể đã thúc đẩy sự phát triển của một công cụ phòng ngừa và làm chậm đại dịch. Tương tự như vậy, các vắc xin không có tác dụng có thể được xác định sớm, giảm chi phí thử nghiệm và tránh phải thử nghiệm vắc xin kém trên những tình nguyện viên còn sống. Đây là một số lợi ích của “y học in silico” (in silico medicine) còn gọi là “computational medicine”, là việc sử dụng trực tiếp các mô phỏng máy tính trong chẩn đoán, điều trị và dự phòng một bệnh. Cụ thể hơn, in silico medicine ám chỉ việc mô hình hóa (modelling), mô phỏng (simulation) và trực quan (visualisation) những quá trình sinh học và y học trên máy tính; hoặc việc thử nghiệm thuốc và phương pháp điều trị trên các cơ quan ảo hoặc hệ thống cơ thể để dự đoán cách một người thực sẽ phản ứng với các liệu pháp như thế nào. Trong tương lai gần, những bệnh nhân thực sự sẽ cần thiết trong các nghiên cứu giai đoạn cuối, nhưng trong các thử nghiệm silico sẽ cho phép thực hiện các đánh giá đầu tiên nhanh chóng và ít tốn kém với tính an toàn và hiệu quả, giảm đáng kể số lượng đối tượng sống cần thiết để thử nghiệm.

Với các cơ quan ảo, mô hình bắt đầu bằng cách cung cấp dữ liệu giải phẫu lấy từ hình ảnh không xâm lấn, có độ phân giải cao về cơ quan thực tế của một cá nhân vào một mô hình toán học phức tạp về các cơ chế chi phối chức năng của cơ quan đó. Các thuật toán chạy trên máy tính mạnh sẽ giải quyết các phương trình và ẩn số kết quả, tạo ra một cơ quan ảo trông và hoạt động như thật. Trong các thử nghiệm lâm sàng silico đã được tiến hành ở một mức độ nào đó. Ví dụ, Cục Quản lý Thực phẩm và Dược phẩm Hoa Kỳ (FDA) đang sử dụng mô phỏng máy tính thay cho các thử nghiệm trên người để đánh giá các hệ thống chụp nhũ ảnh mới (Mammography). Cơ quan này cũng đã công bố hướng dẫn thiết kế các thử nghiệm thuốc và thiết bị bao gồm cả các bệnh nhân ảo.

Ngoài việc đẩy nhanh kết quả và giảm thiểu rủi ro của các thử nghiệm lâm sàng, y học in silico có thể được sử dụng thay cho các can thiệp rủi ro cần thiết để chẩn đoán hoặc lập kế hoạch điều trị một số tình trạng y tế. Ví dụ, HeartFlow Analysis, một dịch vụ dựa trên đám mây được FDA phê duyệt, cho phép các bác sĩ lâm sàng xác định bệnh động mạch vành dựa trên hình ảnh CT của tim bệnh nhân. Hệ thống HeartFlow sử dụng những hình ảnh này để xây dựng mô hình động chất lỏng của máu chạy qua các mạch máu vành, từ đó xác định các tình trạng bất thường và mức độ nghiêm trọng của chúng. Nếu không có công nghệ này, các bác sĩ sẽ cần thực hiện chụp mạch xâm lấn để quyết định có can thiệp hay không. Thử nghiệm trên các mô hình kỹ thuật số của từng bệnh nhân cũng có thể giúp cá nhân hóa liệu pháp cho bất kỳ tình trạng nào và đã được sử dụng trong chăm sóc bệnh tiểu đường.

Triết lý đằng sau y học in silico không phải là mới. Khả năng tạo và mô phỏng hoạt động của một vật thể trong hàng trăm điều kiện hoạt động đã là nền tảng của kỹ thuật trong nhiều thập kỷ, chẳng hạn như thiết kế mạch điện tử, máy bay và các tòa nhà. Tuy nhiên, nhiều rào cản vẫn còn đối với việc triển khai rộng rãi công nghệ này trong nghiên cứu và điều trị y tế.

Đầu tiên, sức mạnh máy tính dự đoán và độ tin cậy của công nghệ này phải được xác nhận và điều đó sẽ đòi hỏi một số tiến bộ. Chúng bao gồm tạo ra cơ sở dữ liệu y tế chất lượng cao từ một cơ sở dữ liệu bệnh nhân lớn, đa dạng về sắc tộc, bao gồm cả phụ nữ và nam giới; sàng lọc các mô hình toán học để giải thích cho nhiều quá trình tương tác trong cơ thể; và sửa đổi thêm các phương pháp trí tuệ nhân tạo để nhận dạng giọng nói và hình ảnh dựa trên máy tính và cần được mở rộng để cung cấp những hiểu biết về sinh học. Cộng đồng khoa học và các đối tác trong ngành công nghiệp đang giải quyết những vấn đề này thông qua các sáng kiến ​​như Dự án Trái tim sống (Living Heart Project) của Dassault Systèmes, Viện Sinh lý học Con người Ảo Nghiên cứu Y sinh Tích hợp và Microsoft’s Healthcare NExT.

Trong những năm gần đây, FDA và các cơ quan quản lý châu Âu đã chấp thuận một số ứng dụng thương mại đối với chẩn đoán dựa trên máy tính, nhưng việc đáp ứng các yêu cầu quy định đòi hỏi khá nhiều thời gian và tiền bạc. Tạo ra nhu cầu cho các công cụ này là một thách thức do sự phức tạp của hệ sinh thái chăm sóc sức khỏe. Y học in silico phải có khả năng mang lại hiệu quả với chi phí chấp nhận được cho bệnh nhân, bác sĩ lâm sàng và các tổ chức chăm sóc sức khỏe để đẩy nhanh việc áp dụng công nghệ này.

P.A.T (NASATI), theo Top 10 Emerging Technologies of 2020, WEF