构建“数字双胞胎”时，研究人员需要对子模型与临床数据进行整合和个性化处理。
如果你有一个双胞胎兄弟，医生便可以和他一起预测你未来的医疗需求，或者分析特定病毒对你的影响。显然，人类不可能在自身克隆体身上进行实验，但“数字双胞胎”可以提供类似的研究场景。
当地时间3月12日，美国印第安纳大学智能系统工程教授James Glazier在《科学》杂志发文称，用“数字双胞胎”创建有关人类健康和疾病研究的数学模型，可以获得更好的医疗效果，并加快人类对新生疾病的反应速度。
“数字双胞胎”是工程产品及过程的动态功能的软件复制品。为患者量身定制的医疗“数字双胞胎”则会整合人类生理学、免疫学与患者的实时临床数据，产生病毒感染和免疫反应的预测性计算机模拟。它是机械知识、观察数据、医疗历史和人工智能的力量结合体。
“数字双胞胎纳入了计算机模型，它将通过对个人的实时监测来预测系统状态的发展情况。”Glazier教授说，“目前，医学还存在‘滞后性’。换言之，只有当你生病或者身体出现重大问题后，才会去看医生。理想情况下，我们希望能够预测人体何时会出问题，并及时进行小规模干预，以防止问题变得更严重。”
研究人员提出，“数字双胞胎”可用于预测病毒感染和免疫反应，以便快速设计干预方案，维护人类健康——医疗专业人员可用其进行可控、可重复的实验，获取不同干预措施的效果，从而实现最佳干预措施的快速分段。
“医学缺乏科学实践的要素，因为科学家不能在个体层面上进行对照实验。”Glazier教授说，“‘数字双胞胎’解决了这个问题。通过虚拟控制实验，我们能够评估指定个体在接受特定治疗后的情况。”
“数字双胞胎”不仅可用于模拟COVID-19大流行对个人的影响，还能模拟未来大流行的情况。COVID-19患者虽然感染的病毒相同，但其症状的严重程度可能存在很大差异。目前，医护人员还无法详细预测特定患者对感染和治疗方案的反应。借助“数字双胞胎”，医疗人员可以更好地了解个人免疫系统，并对疫苗的免疫反应强弱作出解释。
Glazier教授说：“COVID-19大流行事件表明，人类对个人层面的免疫系统还不够了解，因此无法设计出最佳治疗方案。如果人类能建立模型来探索免疫反应的工作机制，就有可能设计出更好的疫苗接种策略。”
除此之外，“数字双胞胎”还能强化人类对抗完全未知疾病的能力。Glazier教授说：“COVID-19大流行不是第一次大流行事件，也不可能是最后一次。我们希望，当人类在遭遇下一次大流行事件时，研究人员借助‘数字双胞胎’所做的工作，能够为快速开发诊断、预后和治疗的详细预测模型提供大力帮助。”
科界原创
编译：雷鑫宇
审稿：西莫
责编：陈之涵
期刊来源：《科学》
期刊编号：0036-8075
原文链接：
https://medicalxpress.com/news/2021-03-digital-twins-proactive-personalized-medicine.html
版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源科技工作者之家—科界App。
