达索系统构建了覆盖多个领域的脑科学研究矩阵

寂静回声

2026年3月，一段看似粗糙的3D动画在社交媒体上掀起海啸般的讨论。画面里，一只果蝇在虚拟空间中扭动身体，循着无形的味觉线索奔向香蕉切片，途中停下用前腿擦拭沾满“虚拟灰尘”的触角，随后继续前行、进食。这不是游戏动画，也不是预设程序，而是Eon Systems公司推出的“具身数字果蝇”——全球首个能产生多种行为的全脑仿真体。Eon Systems的突破，在于成功将果蝇的大脑“复制”到了计算机中。这只果蝇的大脑模型包含约14万个神经元和5000万个突触连接，基于FlyWire联盟耗时十年绘制的完整连接组构建。科研团队采用漏积分-发放（LIF）模型，模拟神经元的兴奋与抑制机制，再结合NeuroMechFly虚拟身体——一个拥有87个独立关节、基于真实果蝇X射线显微扫描数据构建的3D模型。

整个系统形成了一个完整的闭环：虚拟环境的感官信号输入大脑模型，大脑通过连接组产生神经活动，激活特定的下行神经元，转化为身体的运动指令，而身体的运动又会改变感官状态，形成新的输入。
每15毫秒，大脑与身体就完成一次同步。正是这个闭环，让数字果蝇展现出了觅食、梳理触角等接近真实的行为，而非简单的动作拼接。



数字果蝇的横空出世，让大脑模拟成为焦点。但这绝非孤立的科研突破，而是全球科研力量共同推进的结果。除了Eon Systems的果蝇项目，还有多个重量级项目在并行发展。
欧盟的人类大脑计划（HBP）运行十年，虽未实现最初拟定的人类大脑模拟目标，却构建了EBRAINS研究基础设施，催生了45项创新成果，为脑科学研究提供了强大支撑。
美国的BRAIN Initiative持续资助大脑连接组绘制与神经模拟研究，推动了果蝇、小鼠等模式生物连接组的解析。IBM的Blue Brain项目则专注于哺乳动物大脑的微观模拟，积累了丰富的神经建模经验。
在这场脑科学研究的全球浪潮中，达索系统以独特的“虚拟孪生”技术为核心，构建了覆盖多个领域的脑科学研究矩阵。不同于专注基础研究的学术项目，达索系统的布局更注重临床应用与技术转化。


从癫痫手术规划到阿尔茨海默病早期诊断，从神经疾病治疗到脑科学教育，达索系统通过EPINOV、Living Brain、MediTwin、Emma Twin 等多个生命科学项目，将虚拟大脑技术从实验室推向医疗一线。
这些项目并非孤立存在，而是借助于达索系统的3DEXPERIENCE平台的技术支撑，形成了相互补充、协同推进的生态体系。它们的共同目标，是通过构建虚拟大脑模型，解决现实医疗中的痛点问题。
EPINOV项目聚焦药物难治性癫痫的手术优化，过去30年，癫痫手术的成功率一直徘徊在50%左右，20%-30%的病例会以失败告终。很多时候，医生只能依靠脑电图（EEG）、神经影像学（CT、MRI）等有限手段推测致痫区，手术效果充满不确定性。
“这就像在黑暗中做手术，全凭经验和运气。”法国马赛Timone医院的神经科教授Fabrice Bartolomei对此深有感触。作为EPINOV项目的协调者，他亲眼见证了太多患者因手术失败而继续承受癫痫的折磨。
2018年1月，由Aix-Marseille大学牵头，达索系统、法国国家健康与医学研究院（Inserm）、马赛公共援助医院（AP-HM）、里昂公立医院（HCL）等机构联合发起的EPINOV项目正式启动。

这一项目是法国“未来投资计划”第三批入选的10个大型项目之一，获得了580万欧元的公共资助，旨在通过虚拟大脑技术，改善癫痫手术的规划与预后。
EPINOV项目的核心创新，是“虚拟癫痫患者”（VEP）技术。它将The Virtual Brain（TVB）的连接组方法与全新的数学模型相结合，为每位患者构建个性化的大脑网络模型。


TVB是2000年代末诞生的神经信息学平台，能够融合个体大脑的3D结构信息，模拟大脑网络活动，是人类大脑计划的重要组成部分。
科研团队首先通过MRI、CT等无创成像技术，获取患者的大脑解剖结构、结构连接和脑动力学数据。然后，将这些数据输入TVB平台，构建患者的个性化3D大脑模型。
接着，利用数学模型模拟癫痫发作的放电特性——包括快速尖峰、棘波事件、发作起始与终止的动态过程。通过数据拟合与分析，预测癫痫发作在患者大脑中的传播模式。
最终形成的“虚拟癫痫患者”模型，会用热图直观展示致痫区的分布（冷色表示致痫性低，暖色表示致痫性高），并模拟不同手术方案对大脑功能的影响。


这样一来，医生就能在术前精准定位致痫网络，评估各种手术策略的可行性，选择最优方案，从而提高手术成功率，降低手术并发症风险。
为了验证这一技术的有效性，EPINOV项目于2019年7月启动了全球最大规模的癫痫手术随机临床试验。试验覆盖法国13个医院中心，计划纳入约400名12岁以上的药物难治性癫痫患者。
试验采用盲法随机设计：一半患者的手术规划会参考VEP模型的预测结果，另一半则采用传统方法。整个试验为期四年，通过对比两组的手术效果，评估虚拟大脑技术的临床价值。


“试点研究已经证实了这种方法的可行性，”Fabrice Bartolomei教授表示，“每个患者都会被建模为‘虚拟癫痫患者’，我们期待通过临床试验，获得更精准的术前诊断工具。”
EPINOV项目的基础设施堪称顶级：专用的高性能计算集群、TVB软件、MEG平台、法国唯一一台安装在医院内的7T MRI系统、擅长立体定向脑电图（sEEG）记录的癫痫患者单元，以及ECRIN认证的数据管理中心。


参与EPINOV的专家涵盖癫痫护理与手术、神经影像学、信号分析、神经信息学、软件开发、临床试验管理与统计学等多个领域。
除了5个核心合作伙伴，项目还联合了法国马赛、里昂、里尔、斯特拉斯堡、巴黎等城市的主要癫痫诊疗与手术中心，形成了强大的临床研究网络。
截至目前，EPINOV项目已完成多个病例的建模与手术规划，初步结果显示，VEP模型对手术效果的预测准确率显著高于传统临床评估方法。
这意味着，癫痫手术即将告别“赌运气”的时代，进入精准规划的新阶段。而EPINOV的意义远不止于此，它为虚拟大脑技术在临床中的应用提供了可复制的模式。


Living Brain致力于打造通用型虚拟脑技术平台，Living Brain 将 TVB 的全脑建模算法，深度集成于达索系统 3DEXPERIENCE 平台之上，实现了从生物电信号到复杂物理场仿真的闭环。在技术整合与临床转化上更进一步。它不仅融合了连接组学、神经影像学、数学建模等前沿技术，还注重与临床工作流的深度对接。


大型脑建模的核心，就是探索结构连接与功能连接之间的关联，深入理解大脑网络的动态机制。这正是Living Brain的技术基础。
TVB平台能够将个体大脑的结构信息转化为3D模型，并模拟大脑网络的活动，实现数据的快速分析与结果可视化。它就像一个“大脑实验室”，让科研人员和医生能够在虚拟环境中研究大脑的工作原理。
Living Brain项目将TVB的能力进一步拓展，开发出更贴近临床需求的功能模块。例如，针对不同神经系统疾病的专用建模工具，以及更直观的结果展示界面。


对于医生而言，Living Brain提供了一个全新的诊断视角。传统的神经科诊断主要依赖症状观察、脑电图、影像学检查等，难以直观反映大脑网络的功能异常。
而通过Living Brain构建的虚拟大脑模型，医生可以清晰地看到大脑网络的连接模式、信号传递路径，以及异常活动的起源与扩散，从而更准确地定位病因。


作为人类大脑计划的重要组成部分，Living Brain与EBRAINS研究基础设施保持紧密合作，共享数据与技术资源。这种开放协作的模式，加速了虚拟脑技术的发展与推广。
目前，Living Brain已在多个欧洲医院开展试点应用，除了癫痫手术规划，还在痴呆症、中风等疾病的研究中发挥作用。随着技术的不断成熟，它有望成为神经科医生的常规工具。


达索系统的工业伙伴身份，为Living Brain带来了独特的优势。其在3D建模、仿真模拟、高性能计算等领域的深厚积累，确保了虚拟大脑模型的精度与运算效率。
从汽车设计到航空航天，达索系统的仿真技术已经过数十年的验证。将这些成熟技术迁移到大脑模拟领域，实现了跨行业的技术创新与突破。
Living Brain的发展，也推动了相关技术标准的建立。例如，大脑成像数据的标准化处理流程、虚拟模型的验证方法、临床应用的伦理规范等，为整个行业的健康发展奠定了基础。


自1990年以来，神经系统疾病导致的残疾、患病和过早死亡人数增加了18%。其中，阿尔茨海默病和癫痫是两类极具代表性的疾病，给患者、家庭和社会带来了沉重负担。
MediTwin项目应运而生，聚焦于这两类疾病的精准诊疗，通过虚拟孪生技术，为阿尔茨海默病的早期管理和罕见癫痫的个性化治疗提供创新方案。

此外，达索系统还通过3DEXPERIENCE Lab加速器项目，支持BrainSight.AI、Brightmind.AI等初创企业，拓展虚拟脑技术的应用边界，形成了“核心项目+初创生态”的双轮驱动模式。

目前的诊断分为早期诊断和确诊两个阶段：早期诊断主要关注海马区的病变迹象，而确诊则需要通过PET扫描和腰椎穿刺检测tau蛋白等神经毒性蛋白。
这些检查复杂、昂贵且难以普及，导致很多患者错失最佳治疗时机。MediTwin项目的核心目标之一，就是开发简单、可靠、无创的早期诊断方法。
科研团队利用虚拟孪生技术，整合视网膜标志物、脑电图生物标志物和PET扫描图像，构建阿尔茨海默病的预测模型。
视网膜与大脑源于相同的胚胎结构，拥有相似的血管网络。通过自适应光学技术——一种能校正眼部结构畸变、实现细胞级分辨率成像的技术，可以观察视网膜的血管和细胞，发现神经退行性疾病的早期迹象。
脑电图（EEG）则能无创记录大脑的电活动，捕捉阿尔茨海默病早期的脑功能变化，甚至在临床症状出现之前就能发现异常。这些电信号可以作为大脑衰老的动态生物标志物，用于筛查和个性化监测。


针对PET扫描难以普及的问题，MediTwin项目开发了人工智能算法，能够基于记忆测试、脑部成像等更易获取的数据，估算PET扫描结果为阳性的概率。
将这些技术整合起来，MediTwin构建了阿尔茨海默病的虚拟孪生模型。医生可以通过这个模型，早期发现疾病迹象，预测病情进展，为患者制定个性化的护理和治疗策略。


值得注意的是，大脑具有代偿机制，即使存在早期损伤，也可能维持正常的认知功能。因此，MediTwin还建立了高危人群队列，通过长期监测，评估生物标志物的临床相关性。
除了阿尔茨海默病，MediTwin项目还致力于改善罕见癫痫的诊疗。癫痫是一组临床表现和生物学特征差异巨大的罕见疾病，全球患病率约为1%。


罕见癫痫的诊疗面临双重挑战：一是病例稀少，难以积累足够的临床数据；二是诊断和管理依赖多种检查，数据量大且异质，需要多学科团队协同分析。
MediTwin项目通过构建患者的虚拟孪生模型，解决了这些难题。每个患者的临床和生物学数据都被整合到虚拟模型中，医生可以通过对比不同患者的模型，快速准确地诊断罕见癫痫类型。


虚拟孪生模型还能帮助医生定位引发癫痫发作的大脑区域，为手术治疗提供精准指导。对于不同解剖位置的致痫区，制定个性化的手术方案。
通过这种方式，MediTwin不仅加速了罕见癫痫的诊断流程，还实现了患者随访和护理路径的个性化，显著改善了患者的治疗体验和预后。
MediTwin项目的创新之处，在于将虚拟孪生技术与多模态数据整合相结合，打破了传统诊疗的局限。它不仅关注疾病的诊断和治疗，更注重疾病的早期预防和长期管理。
目前，项目已在多个欧洲国家的医院开展试点，初步结果显示，其开发的诊断工具准确率高、操作简便，有望在未来几年内广泛应用于临床。



传统的脑刺激治疗需要患者前往医院，使用笨重的设备接受治疗，不仅耗时费力，还限制了治疗的连续性和可及性。对于慢性疾病患者而言，长期坚持治疗更是难上加难。
Brightmind.AI应运而生，带着“让精准脑刺激治疗走进家庭”的使命，开发出了非侵入性、个性化的家用脑刺激设备，为偏头痛、痴呆症等脑疾病患者带来了新的希望。


作为达索系统3DEXPERIENCE Lab加速器项目支持的初创企业，Brightmind.AI的核心创新在于将医院级的重复经颅磁刺激（rTMS）技术小型化、便携化，让患者在家就能接受治疗。
其产品整合了三个关键元素：小型化的rTMS刺激模块、实时记录脑活动并调整刺激参数的EEG传感器（闭环系统），以及通过学习脑数据预测症状、实现个性化治疗的人工智能算法。
这种设计实现了多重突破：相比电刺激和药物治疗，rTMS的疗效更优；而家用化设计则消除了频繁就医的麻烦和高昂成本，让治疗更具可持续性。
Brightmind.AI的技术原理并不复杂，但执行起来极具挑战性。首先，要在缩小设备体积的同时，保证刺激的精准性和有效性。
达索系统的3DEXPERIENCE平台为这一过程提供了关键支持。研发团队利用SolidWorks进行设备的头戴式设计和定位机制开发，确保设备佩戴舒适、刺激靶点准确。


同时，借助Simulia CST进行电磁仿真模拟，优化设备的电磁性能和能量效率。这些仿真工具帮助团队节省了数年的开发和原型制作时间，加速了产品迭代。
闭环系统的设计是另一大亮点。EEG传感器实时监测患者的脑活动，AI算法根据这些数据动态调整刺激参数，确保治疗效果的最大化。
例如，在偏头痛预防中，AI会学习患者的脑电波模式，识别偏头痛发作的前兆，提前调整刺激方案，有效降低发作频率和严重程度。
研究表明，Brightmind.AI的刺激方案能使高达90%的患者偏头痛发作减少50%以上，远超现有治疗方案的效果。


Brightmind.AI的团队具有深厚的国际背景和专业经验，内部协作紧密。其技术顾问Stan Woods特别强调了3DEXPERIENCE平台的仿真功能对项目的重要性。
未来，随着生产规模的扩大，团队还计划采用ENOVIA进行项目管理，采用DELMIA进行生产管理，确保产品质量和供应稳定性。
在临床验证方面，Brightmind.AI正积极筹备临床试验，并计划采用Medidata的平台进行临床试验数据管理，确保临床试验的科学性和合规性。
这款家用脑刺激设备不仅改变了脑疾病的治疗方式，还降低了优质医疗资源的获取门槛，让更多患者能够享受到精准医疗的福利。

Brightmind.AI的崛起，是达索系统生态布局的成功范例——通过提供技术平台、导师和资源支持，帮助初创企业将创新想法转化为实际产品，拓展虚拟脑技术的应用边界。


神经精神疾病是全球第三大疾病负担，预计到2030年，其经济影响将达到16.3万亿美元，超过癌症和慢性呼吸系统疾病。
然而，在这个领域，革命性的治疗方法却迟迟未能出现。核心原因在于，临床医生缺乏有效的早期筛查工具、鉴别诊断手段和个性化建模方法。
如果能解决这些问题，不仅能为患者提供更精准的治疗，还能加速新型治疗方法的临床试验招募，推动整个领域的发展。BrainSight.AI正是为了解决这些痛点而诞生。
这家由Laina Emmanuel和Rimjhim Agrawal共同创立的印度初创企业，专注于开发基于AI的神经影像工具，帮助精神科医生、神经科医生和神经外科医生提升诊疗水平。


作为达索系统3DEXPERIENCE Lab加速器项目的成员，BrainSight.AI借助达索系统的技术资源，打造了核心产品VoxelBox——一款基于AI连接组学的脑映射工具。
VoxelBox的工作流程简洁高效：患者完成MRI扫描后，报告被上传至云端进行预处理；标准化后的报告通过BrainSight.AI的机器学习模型，识别疾病相关模式；最终形成包含丰富分析和可视化内容的功能报告，为医生提供诊断和治疗决策支持。
整个过程仅需数小时即可完成，远快于传统的影像分析方法，让医生能够快速获得关键信息，及时制定治疗方案。


BrainSight.AI还推出了“神经科学即服务”模式，为临床医生提供平台和团队支持，加速他们的研究项目。这种模式促进了临床数据的共享和合作，推动了神经科学研究的进步。
更重要的是，VoxelBox的可视化功能能够帮助患者更好地理解自己的病情。通过展示大脑的功能活动和连接模式，患者会意识到精神分裂症等疾病并非“性格缺陷”，而是大脑的生理异常，从而减少病耻感。


为了确保技术的临床有效性，BrainSight.AI与印度最大的私立医院集团等机构合作，进行原型测试。目前，已有数百名患者通过30多个医院集团从VoxelBox技术中受益。
2021年，BrainSight.AI与达索系统旗下Medidata达成合作，整合了Medidata的Rave EDC（电子数据采集）和Rave Imaging平台。
这一整合实现了患者数据的安全采集和传输，以及影像数据的高效管理。Medidata的解决方案为BrainSight.AI的临床评估和研究提供了强大支持，确保了研究的科学性和合规性。
首个针对痴呆症的研究已经启动，后续还将开展更多相关研究，进一步验证技术的有效性和通用性。


除了上述重点项目，达索系统还在脑科学领域开展了多项创新研究，涵盖神经外科培训、脑肿瘤治疗、材料科学在脑研究中的应用等多个方向，形成了全方位、多层次的布局。

（一）Project Hamlet：3D打印头骨重塑神经外科培训
神经外科手术精度要求极高，医生需要通过大量实践才能掌握相关技能。传统的培训方式主要依赖“大体老师”，但其获取、运输、保存和处理成本高昂，且存在伦理争议，难以满足广泛的培训需求。
数字模型和虚拟现实培训虽然能提供一定的帮助，但无法让医生获得真实的触觉反馈和操作体验。对于脑肿瘤活检等需要精细操作的手术，实际操作经验至关重要。
为了解决这一问题，特里尔应用科学大学与巴姆赫茨布吕德医院神经外科合作，推出了Project Hamlet（用于医学学习、实验和教学的触觉应用）。


该项目的核心是利用达索系统的3DEXPERIENCE平台，将匿名的临床CT扫描数据转化为3D模型，再通过3D打印技术，使用复合材料、乳胶、硅胶和明胶等多种材料，制作出高度仿真的头骨模型。
这款模型精准还原了人类头骨和大脑的解剖结构，能够为医学学生提供接近真实的手术操作体验。学生可以在模型上练习脑肿瘤活检等基础手术流程，反复打磨操作技能。
巴姆赫茨布吕德医院脑肿瘤中心副主任、神经外科和小儿神经外科高级顾问Marcus Mehlitz博士证实，该模型提供的模拟体验与手术室中的真实情况高度相似。



（二）支持胶质母细胞瘤的临床研究
胶质母细胞瘤（GBM）是最具侵袭性和致命性的脑癌，几乎占所有原发性脑肿瘤的一半。患者的死亡率高，生存时间短，现有治疗方案十分有限。
美国国家综合癌症网络（NCCN）建议，确诊胶质母细胞瘤的患者应加入临床试验，寻求比四种FDA批准药物更有效的治疗方案。
达索系统通过旗下的Medidata平台，支持了超过500项活跃的胶质母细胞瘤临床试验，为这类疾病的研究和治疗提供了强大的数据管理和分析支持。
Medidata的AI合成对照组（SCA）团队与制药企业合作，开发创新的研究设计方法，通过创建外部对照组（ECA），加速胶质母细胞瘤治疗的研发进程。
在与Medicenna Therapeutics的合作中，Medidata的SCA团队帮助其在MDNA55项目的2期单臂研究中， 将药物的治疗效果置于对照组中，进而设计出利用ECA的3期关键研究。


该公司利用Medidata的AI SCA，对两个非对照单臂胶质母细胞瘤队列的总生存期进行了对照组分析，提高了研究结果的科学确定性，为内部决策提供了有力支持。
Medidata的外部对照组基于历史临床试验数据（HCTD）构建，包含完整的临床试验终点和协变量信息，相比真实世界数据（RWD）更具可靠性。



三）通用材料子程序助力脑相关组织研究
大脑及其周围组织的机械特性研究，对于理解脑损伤、神经退行性疾病以及开发相关医疗器械具有重要意义。然而，传统的材料建模方法存在诸多局限。
不同材料的机械行为差异巨大，现有有限元分析软件提供的材料模型库难以满足多样化的研究需求。而且，模型选择往往依赖用户的主观判断，容易引入偏差。
为了解决这一问题，斯坦福大学的Ellen Kuhl博士和代尔夫特理工大学的Mathias Peirlinck博士开发了一种通用材料子程序，能够自动从实验数据中发现最佳模型和参数，并将所有可能的模型整合到单一子程序中。


这款子程序已成功应用于不可压缩、各向同性的超弹性材料，并扩展到可压缩和各向异性材料的行为模拟。它能够精准匹配传统本构模型的结果，同时支持新发现的模型，展现出强大的灵活性和准确性。
该模型已被整合到SIMULIA Abaqus软件中，作为内置的材料建模功能。它包含数十种超弹性模型和数千种新的可发现模型，能够捕捉复杂的材料行为。

更重要的是，这款通用材料子程序实现了工程分析的民主化。它无需用户手动选择模型，通过集成人工神经网络（ANN）的通用材料子程序，实现对复杂生物组织特性的自动拟合与仿真发现，极大地降低了有限元模拟的使用门槛，让更多研究人员能够开展脑相关组织的机械特性研究。