心臟，作為重要器官之一，其功能正常與否直接影響人類的生命延續(xù)。電生理特性反映了心臟的健康和疾病狀態(tài)。心臟電生理活動的異常，往往會導(dǎo)致心律失常，從而引至心臟泵血功能衰竭等嚴(yán)重健康問題。因此，深入理解和研究心臟的電生理過程，對于提高心臟病的診斷和治療水平至關(guān)重要。

傳統(tǒng)的心臟電生理研究多依賴于實(shí)驗室內(nèi)的動物模型和臨床數(shù)據(jù)，但這類方法往往受限于倫理問題、實(shí)驗條件和數(shù)據(jù)獲取的復(fù)雜性。隨著計算技術(shù)的發(fā)展，計算機(jī)仿真成為了一種新興且強(qiáng)大的研究工具。通過建立數(shù)學(xué)模型和計算機(jī)程序，研究人員可構(gòu)建數(shù)字孿生心臟，能夠在虛擬環(huán)境中仿真并重現(xiàn)心臟器官的電生理活動（虛擬生理心臟），分析其動態(tài)特性，并進(jìn)行不同生理與病理條件下的實(shí)驗。

虛擬心臟電生理仿真對計算資源要求極高，即使是幾毫秒的仿真，也需要累積求解數(shù)十億次微分方程。使用復(fù)雜的虛擬心臟模型進(jìn)行研究時，重現(xiàn) 1 秒鐘的心臟電活動也可能需要數(shù)小時或更長。這給虛擬生理心臟的臨床應(yīng)用與藥物研發(fā)帶來重大挑戰(zhàn)。

為解決這一問題，智源研究院開發(fā)了一套實(shí)時心臟電生理仿真系統(tǒng)。該系統(tǒng)不僅能夠?qū)崟r模擬心臟的 3D 電活動，還能通過多種參數(shù)的調(diào)節(jié)，深入探討不同生理、病理因素對心臟功能的影響。

這一實(shí)時心臟仿真平臺，一方面可在醫(yī)學(xué)基礎(chǔ)研究領(lǐng)域發(fā)揮作用，幫助臨床醫(yī)生和研究人員更直觀地理解心臟的電生理過程，探究心律失常產(chǎn)生機(jī)制、預(yù)測猝死發(fā)生率等；另一方面，可用于構(gòu)建虛擬藥物安全性評估平臺，對推動藥物安全評估發(fā)展具有重要意義；更重要的是，可以在臨床應(yīng)用中提供手術(shù)方案預(yù)演與決策支持，比如射頻消融方案規(guī)劃，心臟起搏器最佳植入方案規(guī)劃等。該技術(shù)的推進(jìn)將為醫(yī)學(xué)研究和臨床治療提供新的范式。

1 虛擬心臟仿真發(fā)展史

虛擬生理心臟的構(gòu)建可利用生理組學(xué)的研究方法，綜合分子生物學(xué)、生物化學(xué)、生理學(xué)、解剖學(xué)及臨床醫(yī)學(xué)的最新成果，數(shù)學(xué)化以及模式化地整合從基因、蛋白質(zhì)、細(xì)胞、組織到器官的解剖（多物理尺度：空間尺度跨越 10^9 量級，跨時間尺度：時間尺度跨越 10^15 量級，如圖 1 所示）、生理和生化信息，應(yīng)用計算機(jī)強(qiáng)有力的計算和圖形顯示能力，通過賦予其心臟所具有的動力學(xué)特性、生化特性和各種生理病理特點(diǎn)，使之從形態(tài)、結(jié)構(gòu)和功能等方面逼真地再現(xiàn)心臟的生理和病理活動過程。

圖注 1：構(gòu)建虛擬生化生理人體的時間和空間尺度。時間尺度橫跨由分子事件（μs）、細(xì)胞信號傳導(dǎo)（ms）、細(xì)胞功能（s）到人體壽命 (decades) 的 10^15 跨度。空間尺度橫跨由分子（nm）、細(xì)胞（μm）、器官（cm）到軀干 (m) 的 10^9 跨越。

虛擬生理心臟研究可追溯與上世紀(jì)五十年代。1952 年諾貝爾獎得主 Hodgkin 和 Huxley 建立了世界上第一個細(xì)胞計算模型 — 烏賊神經(jīng)元細(xì)胞模型 [1]，開創(chuàng)了用計算模型研究生物問題的先河。1960 年 Denis Noble [2] 在 Nature 雜志上發(fā)表了第一個心肌細(xì)胞計算模型 — 浦肯野心肌細(xì)胞模型，開創(chuàng)虛擬生理心臟模型的先例。此后幾十年的研究中，不斷有研究人員研發(fā)針對不同物種、心臟不同組織、復(fù)雜精密的心肌細(xì)胞電生理模型 [3]。1991 年，Peter Hunter 等人 [4] 基于犬實(shí)驗數(shù)據(jù)構(gòu)建了第一個心臟解剖結(jié)構(gòu)模型，融合多物理尺度與電生理的虛擬心臟模型研究進(jìn)入新階段。此后，多尺度、多物理模態(tài)的心臟計算模型陸續(xù)出現(xiàn)，并被成功應(yīng)用于心臟功能研究與藥物安全性評估 [5-8]。

在早期虛擬生理心臟研究中，心臟一個生物秒的電生理活動往往需要數(shù)日甚至數(shù)月來仿真計算。隨著顯存技術(shù)的發(fā)展，這個時間縮短到數(shù)天。近年，有研究致力于提升虛擬生理心臟的計算速度。比如通過將三維心臟空間劃分為矩形子區(qū)域來實(shí)現(xiàn)并行心臟模擬 [9]，使運(yùn)算速度大大提升。另一項研究通過 WebGL 將高性能心臟模擬擴(kuò)展到普通計算機(jī)上 [10]，甚至有 GPU 的手機(jī)也可以模擬三維心室的電動態(tài)。一些研究試圖通過自適應(yīng)時間步長來提高運(yùn)行速度 [11,12]，結(jié)果表明，固定時間步長比自適應(yīng)時間步長方法具有更好的效率 [11]。

但這些研究僅能達(dá)到「準(zhǔn)實(shí)時運(yùn)算」，離真正意義上的「實(shí)時運(yùn)算」，即仿真時間與生物時間比達(dá)到 1:1，還有難以逾越的距離，更不用說仿真精度的提升帶來的運(yùn)算量爆炸式增長。高計算復(fù)雜度帶來的海量運(yùn)算，使得虛擬生理心臟模型難以實(shí)現(xiàn)實(shí)時計算，阻礙其大規(guī)模應(yīng)用。

2 實(shí)時計算

為了在更高分辨率、更高精度和更大規(guī)模的心臟模型上實(shí)現(xiàn)實(shí)時仿真，智源研究院開發(fā)了具有精確細(xì)胞電生理與解剖結(jié)構(gòu)的人心室模型。該模型包含了 19 種細(xì)胞生理狀態(tài)變量和 70 多個公式，能夠?qū)崿F(xiàn)復(fù)雜的心臟電生理與病理仿真，為臨床與醫(yī)藥工業(yè)應(yīng)用提供豐富的場景。

為實(shí)現(xiàn)實(shí)時計算，智源對模型底層計算進(jìn)行了深度優(yōu)化。針對心臟仿真中計算強(qiáng)度大和 I/O 密集等瓶頸問題，智源充分結(jié)合 A100 平臺的硬件特點(diǎn)，設(shè)計了多種優(yōu)化策略，如量化和循環(huán)展開。這些措施有效降低了計算復(fù)雜度和 I/O，使得在更大規(guī)模和更高復(fù)雜度的心臟模型上實(shí)現(xiàn)了 180 倍的速度提升。

最終，智源虛擬心臟仿真系統(tǒng)實(shí)現(xiàn)了對心臟電生理功能的實(shí)時仿真，達(dá)到生物時間與計算時間比為 1:0.84。這一成果不僅提升了心臟仿真系統(tǒng)的性能，還為更廣泛的醫(yī)學(xué)研究和臨床應(yīng)用提供了強(qiáng)有力的支持，標(biāo)志著心臟仿真技術(shù)的又一重大里程碑進(jìn)展。

圖注 2：實(shí)時心臟計算概覽圖。

2.1 技術(shù)路線

在 GPU 的架構(gòu)設(shè)計中，順序訪問內(nèi)存（如連續(xù)的數(shù)據(jù)訪問）相較于隨機(jī)訪問具有更高的性能。此外，在執(zhí)行順序訪問時，通常會采用預(yù)取技術(shù)提前加載數(shù)據(jù)，以進(jìn)一步提高訪問效率。

同時，在虛擬心臟模型中，大約有 2/3 的物理空間位置是空余腔體空間，有效心肌組織僅占 1/3 的物理空間。心臟仿真的主要計算和 I/O 操作都集中在對有效心肌組織中的每一個單細(xì)胞中的離子通道和細(xì)胞膜電位進(jìn)行時間上的精細(xì)更新，同時考慮鄰近細(xì)胞的電耦合影響。

基于 GPU 訪存特點(diǎn)和心臟解剖結(jié)構(gòu)的特殊性，我們設(shè)計了適合稀疏數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。利用順序訪存提升 I/O 速度，確保并行線程僅處理有效細(xì)胞，從而最大限度地提高 GPU 內(nèi)存的利用率。通過這種創(chuàng)新的結(jié)構(gòu)，顯著優(yōu)化了計算性能，使得心臟仿真能夠在 IO 訪存上達(dá)到最優(yōu)效果。

圖注 3：心臟模型有效數(shù)據(jù)在 GPU 內(nèi)存上的排布。

在計算層面，采用量化策略，有效簡化模型中的對數(shù)和指數(shù)等復(fù)雜計算，從而顯著降低了計算復(fù)雜度。

此外，為進(jìn)一步減少 I/O 操作次數(shù)，采用循環(huán)展開策略，實(shí)現(xiàn)在一次讀取中進(jìn)行多次計算，大大降低 I/O，顯著提升 SM 核心的計算利用率。

基于 A100 平臺，我們設(shè)計了高效的 P2P 通訊方式，利用 GPU 直連實(shí)現(xiàn)在節(jié)點(diǎn)內(nèi)快速的數(shù)據(jù)交換，確保數(shù)據(jù)傳輸?shù)牡脱舆t與高帶寬。在節(jié)點(diǎn)之間，采用 RDMA（遠(yuǎn)程直接內(nèi)存訪問），進(jìn)一步增強(qiáng)跨節(jié)點(diǎn)數(shù)據(jù)傳輸?shù)男剩浞职l(fā)揮硬件平臺的并行計算與通訊能力。

圖注 4：技術(shù)路線圖。

2.2 仿真結(jié)果

我們測試了不同優(yōu)化策略對仿真 2 生物秒心臟功能所用計算時間的影響，結(jié)果如下圖所示。對 2 生物秒心臟功能的模擬，基準(zhǔn)模型在未優(yōu)化的情況下 A100 單卡需要計算時間為 304.25 秒。在采用分布式、量化、循環(huán)展開策略后，其所用時間分別是 9.75、3.93、1.68 秒。其中采用循環(huán)展開后，計算時間達(dá)到 2 秒內(nèi)，達(dá)到計算時間 / 生物比小于 1，實(shí)現(xiàn)實(shí)時 / 超實(shí)時計算的要求。其中，分布式計算對于系統(tǒng)仿真速度影響最大，達(dá)到了 32 倍提速。量化策略和循環(huán)展開策略分別將仿真速度提升了 2.48 和 2.34 倍。在同時采用分布式、量化、循環(huán)展開策略的情況下，系統(tǒng)仿真速度整體提升了 181 倍。

圖注 5：不同優(yōu)化策略的計算時間。

圖注 6：不同優(yōu)化策略的速度提升。

2.2.1 拓展曲線  

圖注 7：不同優(yōu)化策略的拓展曲線。

如圖 7 擴(kuò)展曲線所示，隨著 GPU 卡數(shù)的增加，基準(zhǔn)模型和優(yōu)化后的模型仿真時間都在減少。基準(zhǔn)模型在增加到 48 卡后，計算時間不再減小。此時的生物：計算時間比為 1:5。再采用量化和循環(huán)展開策略后，32 張卡即可實(shí)現(xiàn)實(shí)時計算，生物：計算時間比達(dá)到 1:0.84。

2.2.2 主要 GPU 指標(biāo)

圖注 8：不同優(yōu)化策略的計算密度和計算強(qiáng)度。

圖注 9：不同優(yōu)化策略的內(nèi)存和 SM 利用率。

通過 GPU 指標(biāo)可以看出（圖 8，圖 9）量化策略通過提升 IO 同時降低計算的方式提高整體計算性能；循環(huán)展開通過大幅度降低 I/O 同時提高計算密度的方式提高計算性能。

2.2.3 計算精度

我們統(tǒng)計了加速前與加速后的結(jié)果誤差，仿真的膜電位 V 的時程差別 < 2 ms (0.6%)，模電位平均誤差為 0.72mV (0.4%)，均滿足生理準(zhǔn)確度要求。優(yōu)化前后主要離子通道的仿真曲線吻合（如圖 10 所示）。

圖注 10：仿真前后細(xì)胞主要離子通道電流與胞內(nèi)離子濃度在一心律節(jié)拍間的變化。

3 總結(jié)

智源研究院從心臟模型的解剖結(jié)構(gòu)、心肌細(xì)胞電生理的計算特點(diǎn)及計算系統(tǒng)的硬件架構(gòu)出發(fā)，設(shè)計了心臟仿真系統(tǒng)的數(shù)據(jù)結(jié)構(gòu)和優(yōu)化策略，以提高計算效率。我們采用先進(jìn)的并行處理方法，充分利用現(xiàn)代 GPU 設(shè)備的強(qiáng)大計算能力，優(yōu)化數(shù)據(jù)傳輸和通訊方式，以減少延遲并提高數(shù)據(jù)吞吐量。通過這些策略，不僅提升了仿真系統(tǒng)的計算速度，還保證了在可接受誤差范圍內(nèi)的計算精度，最終成功實(shí)現(xiàn)了心臟仿真的實(shí)時計算目標(biāo)，達(dá)到超實(shí)時計算結(jié)果。這一成果為進(jìn)一步研究心律失常產(chǎn)生的離子通道與分子機(jī)制等關(guān)鍵醫(yī)學(xué)問題，也為手術(shù)規(guī)劃如房顫射頻消融方案等臨床應(yīng)用，以及新藥研發(fā)與其心臟安全性篩選奠定了堅實(shí)基礎(chǔ)，同時也為其它超大復(fù)雜物理系統(tǒng)的實(shí)時仿真提供堅實(shí)基礎(chǔ)。