模擬技術是一種強大的工具，醫療專業人員可以利用它在組織層面分析病人數據。
模擬軟體已經成為產品設計和工程的主要工具超過40年。它仍然是一種實用且強大的工具，使工程師早期能夠在不同的應力和應變下進行數位化設計測試。這與效率密不可分：快速找到潛在的設計問題，以防止下游出現高損失或危險的問題，並在過程中節省時間和金錢。
如果研究人員和醫療專業人員可以利用工業模擬工具在組織層級分析病人數據呢？利用上述提到的有限元素分析(finite element analysis, FEA)工具，將安全性、可靠性和效率以標準相近的方式建構到醫學診斷、設備設計和介入治療中，這些工具幾十年來一直被工程師用來驗證和改良汽車和飛機設計。
擴展生物建模以研究腦創傷
創傷性腦損傷與運動和交通事故關聯密切，近年來相關的研究數量層出不窮。史丹福大學的研究人員希望建立一個更準確且基於AI的模型，以理解腦部變形如何轉化為可能導致持久腦損傷的應力和應變。該模型需要解決腦部的異質性(heterogeneous nature)和超軟(ultra-soft)材料組成的問題，這使得物理測試和建模非常具有挑戰性。歷史上，研究人員依賴各種模型來研究腦創傷，有些模型幾乎有一個世紀的歷史。但這些模型通常只適用於特定類型的壓力或腦區。
Mathias Peirlinck解釋：「我們希望研究人員能夠在最少人工干預的情況下，從實驗數據到材料建模再進展到FEA模擬。」他是史丹福大學的前博士後研究員，現在是代爾夫特理工大學(Delft University of Technology)專門研究軟組織生物力學(soft tissue biomechanics)、計算心臟生物物理學(computational cardiac biophysics)和機器學習的教授。
史丹福研究人員開發了結構的人工神經網絡(Constitutive Artificial Neural Networks, CANNs)，通過物理學和機器學習的整合利用AI人工智能，以實現自動模型發現(Automated model discovery)。由史丹福的前博士後研究員，現在是亞琛工業大學(RWTH Aachen)教授的Kevin Linka開發，CANN方法自動化了超過4,000個模型的選擇過程。在此之前，這種選擇是基於使用者經驗和個人偏好，而現在，該網絡可以自主選擇最佳模型、參數和實驗來描述軟性物質系統。
Ellen Kuhl解釋：「我們挑戰傳統智慧，首先選擇一個結構模型，然後將其參數整合到實驗數據。」她是史丹福專門研究機器學習和生命系統的機械工程教授。「我們不使用傳統的現成神經網絡，而是從一組功能性構建模塊(functional building blocks)中逆向工程出自己的網絡，這些構建模塊在設計上是被廣泛接受的模型的概括化(Generalization)。」
機器學習是AI的一個子集合，聚焦於建立能從數據中學習並根據數據做出決策的系統，使電腦能夠在沒有明確編碼的情況下隨著時間提高在特定任務上的性能。
歷史上，在史丹福參加材料課程的學生通常面臨陡峭的學習曲線，因為有數十種不同的模型可供選擇。CANN方法能使AI檢查數據並決定哪種模型最能反映臨床或實驗數據，將人工選擇排除在外。Kuhl津津樂道：「現在學生將能夠相當快地理解這個領域的材料科學家，他們在過去五十年來一直在做什麼。」
人工神經網絡(Artificial neural networks)是強大的計算模型，模仿人腦處理訊息的方式，使機器能夠從數據中學習並根據數據做出決策。
開源的CANN系統全面運行後，史丹福大學的團隊期望將發現的大腦模型帶入FEA軟體。一旦成功導入，用戶可以在3D數位環境中模擬各種應力和應變情境，進一步擴大對大腦行為的理解並進行更多的虛擬研究。
SIMULIA的Abaqus軟體的長期用戶Kuhl和Peirlinck接觸了Dassault Systèmes，討論可能的合作。Kuhl已經與該公司建立了緊密的關係，因為她是Living Heart Project的創始成員。他們想知道Dassault Systèmes是否願意開發一種自動將CANN選擇的模型導入Abaqus FEA軟體的方式？Kuhl和Peirlinck的願望很快就在2023年初向SIMULIA團隊的發表中實現了。
與先進的模擬技術進行連結
Dassault Systèmes的結構技術總監Juan Hurtado，他已經參與開發Abaqus FEA軟體中的非線性力學和材料建模功能超過二十年，並參加了那次發表。他指出：「在那初次會議幾週後，我基本上想到了如何將CANN與Abaqus整合的方法，並提供一個通用副程式(subroutine)的初始原型。」Kuhl和Peirlinck對與Dassault Systèmes合作感到印象深刻和熱情，並進一步延伸Hurtado的想法。
在一開始，Hurtado就指出了需要面對的眾多挑戰：CANN在非常簡單的使用情況下，例如在均勻的形變時表現非常好，但是非均勻的形變呢？要如何從選擇的模型轉換到實際的3D模擬？如果你正在處理大腦組織，你如何模擬受到衝擊的大腦？要如何模擬一個完整的心臟模型或動脈？如果從CANN中剛發現的模型在有限元素軟體的材料庫中無法直接使用，那該怎麼辦呢？
Hurtado解釋「我覺得Abaqus非常適合整合史丹福發現的模型，因為它有一個相當開放且高度可自訂的材料建模界面。」此外，Abaqus已經可以描繪非全向性(anisotropic)的超彈性材料，這些材料特別適合模擬軟性生物組織，是一種極具挑戰性的模型材料。
非全向性過度彈性化(函數) (Anisotropic hyperelasticity)描述了可以發生巨大變形並具有方向依賴性的材料。應力-應變關係是非線性的，並且根據施加力的方向而變化。
Hurtado和他的開發團隊藉由開發一個「通用材料副程式」將史丹福的CANN解決方案整合到Abaqus中，現在該副程式取代了數十個單獨的副程式。整個過程——從測試數據到結構模型、到FEA——已經簡化到非專家人士可以用它進行材料研究的程度。Hurtado指出：「當然，這有一些限制條件，但與此同時，我們正在談論材料建模中的一種全新模式。」
單一材料副程式定義了特定材料在各種條件下的行為。它將應變轉換為應力，並計算材料如何對不同的負載、變形或溫度做出反應，使得在實際情況下能夠進行準確的預測。
當結構模型被導入並由通用材料副程式轉換成Abaqus可以理解的形式時，使用者可以充分利用Abaqus中的其他FEA功能，例如來自醫學影像的自訂幾何形狀、接觸、負荷或特定邊界條件，不僅可以分析大腦，還可以分析心臟、動脈和其他身體組織。事實上，任何人現在都可以使用相同Abaqus功能進行工業產品FEA研究，同時分析整個器官系統。
Hurtado解釋說：「結構的人工神經網絡的好處是它被設計成能產生符合物理定律的模型。但最強大的部分是，它可以生成目前不存在的材料模型，並且現在已經包含在Abaqus的材料庫中。當與通用材料副程式結合時，我們可以驗證對於簡單變形模式的反應是否正確，然後將其用於更大的大腦三維模型。」
從「頭」到「心臟」
史丹福與SIMULIA的Abaqus產品整合的研究大腦技術，現在由Peirlinck領導的團隊應用於心血管組織。Peirlinck解釋：「在我的工程學和博士研究期間，我曾經大量使用Abaqus，除此之外在斯坦福大學的博士後期間，以及現在我在代爾夫特理工大學的研究小組時也有使用到。」
根據Peirlinck的說法，最合乎邏輯的作法是將這項工作擴展到心臟，從材料的角度來看，心臟比腦更複雜。Peirlinck認為，運算心臟模型(computational heart modeling)現在可以真正地為醫療保健帶來好處——對病人和醫生都是如此——通過改進診斷、治療計劃和醫療設備設計。Peirlinck表示：「這是個令人躍躍欲試的機會，可以將這些方法也應用於心血管組織，然後立即將它們轉換為生物醫學模擬。」與腦一樣，開發心臟模型或人體器官的數位雙生(digital twins)的第一步是選擇最能描繪結構的材料模型。這些數據因病人、年輕人、老年人、健康人和疾病人而異。
在與Abaqus團隊合作之前，如果發現的模型不存在於材料庫中，Peirlinck必須撰寫他自己的程式碼。在與Hurtado和Abaqus開發團隊合作後，通用材料副程式保證每個由CANN發現的模型都可以無縫地導入到Abaqus中。Peirlinck雀躍表示：「Abaqus一直都很擅於引入最新的結構模型。無論如何，現在我們不受材料庫的限制，因為你基本上可以使用你發現的任何新模型，然後自動將其整合到你的FEA流程中。我認為這將使有限元素分析的使用普及化，尤其對於我們的醫學合作夥伴這樣缺乏經驗的人來說更是如此。
結構模型描述了材料中應力和應變之間的關係，這對於理解和預測材料在不同負荷條件下的行為至關重要——材料如何在應用力(應力)的反應下變形(應變)。
通過利用這種新方法，使用者可以模擬他們能想到的任何東西，甚至是彈性泡棉(foams)、水凝膠(hydrogels)或任何其他類型的軟性物質。Peirlinck解釋說：「我們的身體中有這麼多的結構。有肝臟，有軟骨，有肌腱，有肌肉。這些器官組織都有自己特定的行為。我們作為工程師需要做的關鍵任務是獲得一個準確的模型，預測和歸納我們還未見到的事物。我們現在可以在FEA分析中虛擬測試所有這些材料、組織和物質。」Peirlinck期待能透過提供給研究人員對生物組織更清晰的理解，使這些創新幫助改善人類的醫療保健。
發現醫療保健的更好未來
作為與Dassault Systèmes合作的結果，史丹福已經有了幾個成功的案例，包括：
- 發現了一種新的大腦模型，比任何先前的模型更貼切地描繪了人類的灰質和白質組織。
- 由一群完全未受過Abaqus訓練的學生首次發現了人造肉的材料模型。
- 超過50,000個可發現的材料模型，可以自動轉換為Abaqus導入文件，該文件形成了與新的通用材料副程式的接合點，將取代數十個單獨的材料副程式並包含數千個新模型。
Peirlinck說「我們持續在與臨床醫生討論我們的工作，因為我們一直在將我們的模型轉化為臨床情況。並正在與全球的創新者合作建立自訂模型。我們可以想像未來擁有一個基於物理的定量模型，例如你的心臟，它可以即時計算治療心臟瓣膜閉鎖不全(leaking valve)最好的設備是什麼。更多的數據將導致更好的臨床決策，從而導致更好的治療結果。」
Peirlinck強調，目標不是取代臨床醫生的角色，而是提供額外的數據來幫助臨床醫生獲得更多的見解，從而做出更明智的決策。他進一步補充：「我們在過去的至少十年裡一直在建立和改進這些模型，試圖越來越接近生物和生物物理實際情況。現在，有了自動模型發現，更多的使用者可以參與這項研究和開發。這就是為什麼這種自動化很重要。」
Kuhl總結：「在過去的二十多年裡，Abaqus推動了材料建模的工業和學術界的前線。我們非常期待與Juan Hurtado和他的團隊合作，將其與機器學習整合，並將材料建模提升到一個全新的境界。」
有關此項目的更多資訊，您可以在SIMULIA社群免費觀看我們的網絡研討會“利用通用材料副程式實現工程分析的普及化”的影片。
原文轉載來自Katie Corey – Transforming Biomedical Research and Integrating Advanced Simulation
更多文章：
探索Abaqus：深入了解結構分析的利器
探索CST：Dassault Systèmes Simulia產品線的電磁模擬工具
PCB和接地板之間耦合的電磁兼容性模擬
