1970 年,阿波罗 13 号登月任务开始六分钟后,其氧气罐发生爆炸。这一事件促使 NASA 开发了一种新方法来预测其航天器可能出现的故障。该方法依赖于连续的传感器数据,然后输入深度数字模拟,从而能够对复杂的航天系统进行更严格的测试。这是“数字孪生”技术的首次使用。
如今,数字孪生系统已应用于各个行业,以改善运营并准确模拟系统中的任何变化。苹果和特斯拉等科技公司使用数字孪生来监控现场产品性能,并确定特定系统组件是否需要维护。
数字孪生也已应用于医疗保健领域,尽管主要是药物研发。然而,其最大的潜力在于慢性病管理。通过将机器学习和物联网技术与数字孪生 AI 相结合,这种源自太空探索等宏大事物的方法有可能使医疗保健真正个性化。
传统护理数字化已失败
过去十年,现代医学通过赋予患者决策权,逐步向个性化医疗迈进,并通过基因组研究的进步向精准医疗迈进。两者都有助于根据个人情况量身定制医疗服务,但在大多数情况下,我们的医疗保健系统采用“大群体”方式提供医疗服务。
这在我们管理慢性病的方式上显而易见。目前,1.33 亿美国人患有一种或多种慢性病,每个人都有计划地接受护理——治疗方案、时尚饮食,通常还有多种药物——他们的病情改善情况是通过成千上万个与他们有相同病情的人的批次来衡量的。
这种方法没有奏效。众所周知, 美国在糖尿病、心脏病和癌症方面的支出 持续上升,而技术对结果和成本的影响却有限。在糖尿病、减肥和其他疾病的数字化管理中,这种影响并不重要。
3 月,彼得森健康技术研究所发布的一份报告 强调了这种缺乏持续效果的情况。报告发现,所有评估的解决方案在参与度和长期结果方面表现不佳。因此,这些解决方案的减肥、降低 A1C、消除药物、逆转糖尿病以及健康、福祉和经济效益都是有限的和不可持续的。
这是因为大多数解决方案只是将无效的护理模板数字化。它们没有考虑到个体差异。每个人都有自己的一套文化、生物、饮食、行为和环境因素,这些因素在个人层面上影响着他们的健康。
从“个性化”护理转向个体化护理
数字孪生 AI 有望摆脱模板。该技术的核心是每个人都是 N 的集合。个人的数字孪生通过对其独特临床和行为变量的持续测量来获得信息,并利用这些数据来制定护理指导,以达到个人最佳和最健康的状态。
数字孪生技术的强大之处在于它关注细微之处——我们吃的东西和做的事情——以及它们如何影响我们现在和未来的生活。在实践中,数字孪生可以准确预测牛排晚餐对特定人的新陈代谢或心血管健康的影响。如果影响可能是负面的,数字孪生可以提供减轻影响的方法。它可能会建议散步 10 分钟或换一种甜点。不是冰淇淋,也许是香蕉坚果面包配希腊酸奶和新鲜浆果,或者只是不同的顺序。
通过这种方式,数字孪生 AI 可以向个人展示如果他们保持当前的轨迹,他们将面临什么,以及随着时间的推移做出微小调整可能带来的巨大变化。保持你目前的习惯,你将能够在三周内停止服用二甲双胍。恢复旧习惯,你就可以期待重新服用。
这是一项强大的技术,虽然它对医疗保健的影响在很大程度上只在学术界得到认可 ,但它开始在商业用例中发挥作用。2014 年,达索系统和 FDA 启动了 SIMULIA Living Heart项目,该项目与设备制造商合作,以更快的速度开发和改进心脏设备。在疫情爆发之初,OnScale 的 Project BreathEasy 开发了 COVID-19 患者肺部的数字孪生,以改善和优化呼吸机资源的使用。
医学研究人员还利用数字孪生疾病模型,根据复杂、高度个性化的生物过程预测药物干预的有效性。 武田制药 已采用该技术缩短制药过程,并对生化反应做出切合实际的输入输出预测。最近,研究人员使用数字孪生技术模拟 治疗结果 ,并根据个体情况确定口咽癌的最佳治疗方法。
慢性病管理是下一个前沿
《自然》杂志最近发表的一篇 论文 声称,数字孪生“有望为癌症治疗做出重大贡献”,特别是在监测疾病进展和评估治疗反应方面,众所周知,治疗反应因人而异。同一篇论文分析了由影像、电子病历、基因和连续可穿戴设备数据提供的心脏数字孪生,以及它们预测急性心脏事件的潜力。
这些进步将催生出改变生活的医疗技术。它们的力量在于其宗旨的核心概念:没有什么复杂的事物是静态的。
这对于我们的生物系统尤其如此。数字孪生需要每天收集每个人的数千个数据点,才能真正了解个人的生物学、文化、生活方式、偏好和健康之间的相互作用。其中一些数据已被可穿戴设备和移动应用程序捕获,但如果没有一个模型将这些数据放入个人及其护理历程的背景中,它就会失去方向。
在慢性病管理领域,小事很快就会变成大事,危及生命。尽管数字医疗通过“个性化”等语言给患者带来了希望,但提供给患者的工具和方法并没有满足他们独特的需求和偏好。
数字孪生 AI 将彻底颠覆这种方法,帮助我们在高度个性化的层面上更好地了解和改善我们的健康状况。这项技术有望实现个性化护理的承诺。
原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/yi-liao-bao-jian-ling-yu-de-ren-gong-zhi-neng-ying-gai-cong