Худ говорит о «научном благополучии», которое «использует личные, плотные, динамические облака данных для количественной оценки и определения здоровья, а также выявления отклонений от состояния здоровья в сторону болезни». Живое воплощение его подхода, 82-летний мужчина, был в отличной форме («Я не планирую выходить на пенсию»), когда мы говорили с ним о его видении будущего «4П», где лечение будет прогнозирующим, профилактическим, персонализированным и партиципаторным. Моделирование тела поможет вступить в это будущее, выявив закономерности в данных пациента.

В действительности, конечно, мы обходимся неполным пониманием и неполными данными. Но, как показали достижения в области прогнозирования погоды, эти недостатки можно преодолеть и сделать полезные прогнозы. Мы прошли долгий путь с 1922 г., когда британский математик Льюис Фрай Ричардсон (1881–1953) в замечательной книге «Прогноз погоды с помощью численного метода» (Weather Prediction by Numerical Process) изложил идею фантастической фабрики прогнозов, где тысячи человеческих «компьютеров», использующих логарифмические линейки и калькуляторы, координируются «дирижером». Ричардсон размышлял: «Возможно ли будет когда-нибудь в туманном будущем проводить вычисления быстрее, чем меняется погода?» Но даже он признал, что фабрика прогнозов была всего лишь мечтой.

Столетие спустя его необыкновенное видение стало реальностью. Суперкомпьютеры могут делать прогнозы на несколько дней вперед с достаточной точностью, постоянно обновляя сложные компьютерные модели данными с орбитальных спутников, буев, самолетов, кораблей и метеостанций.

Типичная модель прогнозирования опирается на систему уравнений, позволяющую моделировать: будет идти дождь или сиять солнце. Существует уравнение для импульса, плотности и температуры в каждой из трех фаз воды (пар, жидкость и твердое состояние), а также, возможно, для других химических переменных, таких как озон, который поглощает вредное ультрафиолетовое излучение. Во второй главе мы объясняем, почему эти нелинейные дифференциальные уравнения, особенно уравнения в частных производных, управляют климатической системой. В целом, чтобы смоделировать планету с разрешением, составляющим в настоящее время около 60 км, требуются миллиарды уравнений^[9]. Модель должна учитывать постоянно меняющиеся термодинамические, радиационные и химические процессы, действующие в масштабах от сотен метров до тысяч километров и от секунд до недель^[10]. Это представляет собой проявление силы моделирования, которое, как утверждают некоторые, уже приближается к сложности, необходимой для моделирования человеческого мозга.

Благодаря потоку биомедицинских данных, доступных сегодня, а также все более мощной теории и расчетам, мы считаем, что в биологии моделирование произведет революцию так же, как и в метеорологии. Американский метеоролог Кливленд Эббе (1838–1916) однажды заявил, что прогресс в его области зависит от «посвящения в эту науку физиков и математиков»^[11]. Вторя его видению прогнозирования из 1895 г., мы с нетерпением ждем того дня, когда будет недостаточно знать, что кто-то нездоров, – мы хотим иметь возможность понять, заболеет ли он в будущем и почему, чтобы мы могли его вылечить.

Оптимизм в отношении потенциала цифровых двойников в медицине подкрепляется нашей нынешней способностью прогнозировать погоду, которая поразила бы Эббе. Мы воспринимаем ежедневные прогнозы как нечто само собой разумеющееся, но этот подвиг на стезе предсказания поистине выдающийся. Маркус Коверт из Стэнфордского университета, разработавший виртуальные клетки, заметил: «Прогнозирование таких бедствий, как ураган «Сэнди», за десять дней до выхода на берег – с соответствующей эвакуацией сотен жителей, спасающей как жизни, так и имущество, – возможно, стоит причислить к величайшим техническим триумфам в истории человечества»^[12].

Что касается прогнозов климата, разрабатываются планы по созданию «цифрового двойника» Земли, который будет моделировать атмосферу, океан, ледники и сушу с разрешением в 1 км, предоставляя прогнозы рисков наводнений, засух и пожаров, а также океанских вихрей, которые перемещают тепло и углерод по планете. Эта европейская модель (Destination Earth) объединит другие данные, такие как использование энергии, структуру дорожного движения и перемещения людей (отслеживаемые с помощью мобильных телефонов), чтобы показать, как изменение климата повлияет на общество и как общество может изменить его траекторию во времени, которое некоторые уже называют антропоценом – геологической эпохой, когда человеческая деятельность оказывает значительное влияние на нашу планету^[13].

Подробности создания цифрового двойника планеты Земля ошеломляют. Возьмем, к примеру, облака. Они состоят из воды, которая также является основным компонентом человеческого тела (около 68 %)^[14]. Однако, в отличие от нас, облака кажутся простыми – огромные шлейфы капель воды или кристаллов льда, плывущие по небу. Их формирование имеет решающее значение для нашей способности предсказывать погоду, важно для нашего понимания последствий глобального потепления и занимает центральное место в спорных схемах сдерживания изменения климата с помощью геоинженерии^[15].

От пучков кучевых облаков причудливых форм до огромных серых пластов – облака являются прекрасным примером того, как сложность может возникнуть из простоты – капель воды, переносимых воздушными потоками в результате конвекции. Когда эти капли конденсируются внутри облаков, выделяется немного тепла, что поддерживает облака в воздухе. На больших высотах, где температура падает значительно ниже нуля, капли превращаются в кристаллы льда, придавая облакам тонкий, перистый вид.

Внутри облака процессы наименьшего масштаба управляют образованием капель. Но, хотя эти особенности и взаимодействия микроскопичны, они имеют крупномасштабные макроскопические эффекты. Чем меньше и многочисленнее капельки, тем сильнее рассеивается свет. На уровне микрометров турбулентность ускоряет образование облаков и вызывает ливни^[16]. Крупномасштабные движения воздуха могут создать обширные облачные системы, которые могут охватить весь континент. Отражая свет в космос, облака могут охлаждать поверхность Земли, поэтому некоторые считают, что их следует взращивать, чтобы помочь обуздать безудержное глобальное потепление^[17].

По существу, все законы, лежащие в основе формирования облаков, известны, поэтому мы должны быть в состоянии представить, как они развиваются, с помощью известных математических уравнений. Мы надеемся добиться того же для виртуальных людей, вплоть до последней молекулы воды. Это кажется настоящей фантастикой, но оптимизм по поводу способности математики описать теплый, сложный и динамичный мир тела, существует не первое столетие. Английский врач Уильям Гарвей (1578–1657) в своей демонстрации кровообращения опирался на расчеты^[18], а в 1865 г. французский физиолог Клод Бернар (1813–1878) заявил, что «применение математики к природным явлениям является целью всей науки»^[19].

Наша способность создать виртуальную копию человека зависит от описания тела языком математики. Несмотря на то что работа еще продолжается, уравнения, написанные с использованием математического анализа и выражающие скорость изменений, уже могут отображать сложные процессы, открытые молекулярными биологами, клеточными биологами и многими другими представителями биологических наук. Эти математические выражения – обычные дифференциальные уравнения и уравнения в частных производных – могут в любой момент описать, как меняется кровяное давление в зависимости от того, где в организме вы проводите измерения, или движение электрического импульса, проносящегося по нейрону в мозге, или насколько быстро вирус проникает в дыхательные пути человека.

Чтобы заставить эти уравнения работать, все, что нужно для начала расчетов, – это граничные условия для рассматриваемой задачи. Под условиями может подразумеваться состояние нейрона или инфицированной клетки в данный момент или в различные промежутки времени, скорость их изменения в различные моменты времени или верхний и нижний пределы данной величины. Эти условия привязывают математику к реальности, поэтому мы можем делать прогнозы о теле или «медицинские прогнозы» по аналогии с погодой.

Но хотя мы признаем, что законы природы универсальны, в ключевом и практическом смысле науки о жизни, – под которыми мы подразумеваем биологию и медицину, – весьма отличаются от физических наук – физики и химии, – которые мы используем для описания облаков. Они более эмпиричны, больше зависят от измерений и экспериментов и до сегодняшнего дня меньше всего зависели от теоретического понимания.

Теория (то есть математическое представление законов природы) в медицине и биологии играет меньшую роль. Даже теория эволюции Дарвина – Уоллеса, которую некоторые считают величайшей научной теорией из всех, не допускает математического описания. Может показаться шокирующим, но реальность такова: хотя с XIX в., когда Грегор Мендель изучал горох, были сделаны основные предсказания о закономерностях наследования, ход эволюции невозможно предсказать каким-либо количественным способом^[20].

Некоторые влиятельные фигуры слишком хорошо осведомлены об этом недостатке. Пол Нерс, директор Института Фрэнсиса Крика в Лондоне и бывший помощник редактора Journal of Theoretical Biology, рассказал нам, как ему надоело читать статьи, в которых умные технологии используются для проведения измерений, но «почти не приводят к каким-либо значимым выводам»^[21]. В обзорной статье для журнала Nature он процитировал Сиднея Бреннера (1927–2019), своего старого друга и коллегу-нобелевца: «Мы тонем в море данных и жаждем знаний»^[22]. Нерс жаловался, что важностью теории и принципами жизни пренебрегают в пользу зубрежки фактов, установок и информации. В биологии «есть идеи, так почему же мы о них не говорим?»

Однако биология, как и остальная наука, несомненно, подчиняется законам природы. Конечно, существуют области запретные по моральным и этическим соображениям, основанным на человеческих аргументах, но есть абсолютно все основания полагать, что мы должны быть в состоянии понять конкретный научный аспект того, как работает организм, и выразить это понимание в математической форме. Чтобы создать виртуального человека, биологии нужно выйти за рамки нынешнего использования теории для проведения апостериорных рационализаций после самих исследований и перейти к использованию теории для руководства экспериментами и прогнозирования.