CC BY
4
ОРИГИНАЛЬНАЯ СТАТЬЯ
DOI: 10.21045/1811-0185-2024-11-88-96 УДК 614.2
ПРИМЕНЕНИЕ ЦИФРОВЫХ ДВОИНИКОВ В ЗДРАВООХРАНЕНИИ
Н.Д. Прохорова a Г.С. Лебедев b, М.С. Прасолов c, А.А. Казакова b
a Национальный центр управления обороной Российской Федерации, г. Москва, Россия;
b Центр цифровой медицины Первого Московского государственного медицинского университета им. И.М. Сеченова Минздрава России (Сеченовский Университет), г. Москва, Россия;
c Главное военно-медицинское управление Министерства обороны Российской Федерации, г. Москва, Россия.
И Автор для корреспонденции: Прохорова Н.Д.
АННОТАЦИЯ
Одним из революционных шагов, стимулирующих развитие инноваций в здравоохранении, является внедрение цифровых двойников.
Цель исследования. Целью представленного литературного обзора было изучение различных источников данных о технологии цифровых двойников в здравоохранении и возможности их применения с введением национального стандарта Российской Федерации «Цифровые двойники в здравоохранении». В результате изучения была сформирована схема цифрового двойника, цифровые двойники классифицированы по критериям.
Материалы и методы. Обзор литературы проводился в базах данных Pubmed Web of Science и Elibrary в сентябре 2024 года с использованием следующих терминов: «цифровой двойник», «цифровое здравоохранение», «персонализированная медицина».
Результаты. Применение цифровых двойников позволит улучшить качество, доступность и непрерывность оказания медицинской помощи, будет создавать возможности для развития персонализированной медицины.
Выводы. Эффективное развитие в сфере цифровых двойников в здравоохранении напрямую связано с вопросами стандартизации, их создание и использование должно осуществляться в соответствии с утвержденными стандартами и не противоречить нормам этики в медицине.
Ключевые слова: цифровой двойник, цифровое здравоохранение, персонализированная медицина.
Для цитирования: Прохорова Н.Д., Лебедев Г.С., Прасолов М.С, Казакова А.А. Применение цифровых двойников в здравоохранении. Менеджер здравоохранения. 2024; 11:88-96. DOI: 10.21045/1811-0185-2024-11-88-96
Введение
Технологии цифровых двойников, благодаря стремительному развитию коммуникационных технологий, анализу больших данных, развитию технологий Интернета вещей и технологий моделирования, все чаще используются в различных отраслях промышленности, в первую очередь, в инжиниринге и ракетостроении [1]. Необходимость применения цифровых двойников в здравоохранении становится все более очевидной [2]. Происходит изучение потенциала создания и использования цифровых двойников для обеспечения более точной и персонализированной медицинской помощи [3]. Наиболее востребованными направлениями применения цифровых двойников в здравоохранении являются области, требующие диагностики, такие как клинические исследования
лекарственных препаратов (оценка эффективности и безопасности лекарственных препаратов, новых инвазивных и неинвазивных методов лечения и диагностики), рентгенология (ранняя диагностика заболеваний), хирургия (оценка рисков при проведении оперативного лечения и прогнозирование осложнений), разработка медицинского инструментария (виртуальная возможность использования инструмента без риска для пациента), общественное здравоохранение (моделирование и оптимизация медицинских процессов организации). Наиболее исследованы области применения цифровых двойников в онкологии и кардиологии [4]. Кроме того, цифровые двойники могут снизить потребность как в лабораторных животных, используемых в экспериментах, так и в пациентах-добровольцах, принимающих участие в клинических исследованиях [5].
© Прохорова Н.Д, Лебедев Г.С., Прасолов М.С, Казакова А.А., 2024 г.
—I вв
Материалы и методы
Обзор литературы проводился в базах данных Pubmed Web of Science и Elibrary в сентябре 2024 года с использованием следующих терминов: «цифровой двойник», «цифровое здравоохранение», «персонализированная медицина». Источники литературы, включенные в обзор, были оригинальными исследованиями, обзорами, точками зрения и мнениями. В данном обзоре нами представлено изложение позиции видения применения цифрового двойника в здравоохранении, которое все еще может являться неполным и, в некоторой степени, незрелым, измениться с введением регламентирующих документов, определяющих понятие цифрового двойника, областей и возможностей его применения.
Результаты
Впервые понятие концептуальной модели цифрового двойника было предложено в 2002 году Майклом Гривсом (Michael Grieves) из Мичиганского университета [6]. В предложенной им модели цифровой двойник «содержит три основные части: физический продукт в реальном пространстве, виртуальный продукт в виртуальном пространстве и данные и информацию, которые объединяют виртуальный и физический продукт» [7]. В здравоохранении модель цифрового двойника все еще не получила четкого определения и активно исследуется, что связано, в том числе, с обсуждением этичности использования искусственного интеллекта [8, 9]. Применение цифровых двойников
в здравоохранении может стать высокотехнологичным основанием для развития персонализированной и превентивной медицины с высоким уровнем доказательности, убедительности рекомендаций [10]. В здравоохранении цифровой двойник может являться копией как живого объекта (например, органа, ткани, подопытного животного, человека и др.), так и быть материальным объектом, процессом или медицинской системой. В настоящее время динамичный процесс работы цифрового двойника в здравоохранении можно представить в виде нескольких взаимосвязанных компонентов:
1. Объект исследования (им может быть человек: пациент или врач; медицинская организация или система здравоохранения; медицинское изделие или лекарственный препарат; а также процесс или медицинская услуга и др.) [11].
2. Данные и информация, полученные при анализе сведений с использованием методов интеллектуальной обработки данных, собранных у объекта исследования в виде цифрового образа (цифрового двойника), при необходимости дополненные технологиями расширенной реальности с формированием цифровой модели (цифрового двойника).
3. Оценка рисков и прогнозов, результатов работы или лечения, как специфичную для конкретного объекта исследования, для принятия решений, в каждом конкретном случае с учетом контекста рассматриваемого цифрового двойника (рис. 1) [12].
В создании цифровой модели могут быть использованы технологии, условно разделяемые на две группы: одни включают методы статистической
с
#хс
Рис. 1. Схема работы цифрового двойника
обработки данных и формируют статистическую модель, другие - методы аналитической обработки данных, они создают аналитическую модель.
Источником данных и информации для цифрового двойника в здравоохранении может служить, например, как электронная медицинская карта пациента, содержащая информацию о его здоровье на протяжении длительного времени (установленные диагнозы, проведенное лечение, результаты анализов и другие медицинские данные), так и носимые медицинские устройства, используемые для мониторинга состояния здоровья, отслеживания уровня физической активности и сна, ранней диагностики заболеваний, планирования и проведения медицинских назначений и манипуляций, эффективности осуществления реабилитационных мероприятий [13].
Для систематизации полученной информации необходимо создание массивов больших данных (Big Data), единой медицинской базы данных, созданной из разрозненных сведений информационных медицинских систем, а также нормативно-правовых документов, регламентирующих медицинскую деятельность, клинических рекомендаций, справочников лекарственных препаратов и других категорий информации, так или иначе связанных с осуществлением медицинской деятельности. Большое число источников при создании массивов данных и их качество значительно обогащают виртуальные модели, позволяя извлекать более ценную информацию из массивов данных, объяснять и прогнозировать результаты работы цифрового двойника [14].
При формировании виртуальной модели цифрового двойника информация, собранная из различных источников, подлежит предварительной предобработке. Далее может быть сформирован цифровой образ (база данных о конкретном объекте) с четко структурированными сведениями. На основании предобработанного цифрового двойника в единой базе данных (озерах данных) можно провести выборку сведений, с учетом статистической вероятности, аналогичных по структуре, характеристикам и другим параметрам. Указанная выборка (после разделения на обучающую, ва-лидационную и тестовую группы) может быть обработана на интеллектуальных информационных платформах (H2Oai, RapidMiner, Loginom, Knime и т.д.) с применением методов машинного обучения и искусственного интеллекта на основании существующих, уже разработанных алгоритмов. Результаты, полученные на обученной модели, могут быть применены на цифровом двойнике, а после
расчета и понимания рисков - и на материальном объекте.
Цифровая модель материального объекта содержит информацию о физических (технических) характеристиках, возможностях и способностях, особенностях применения и использования физического объекта. Визуализация действий цифровой модели в расширенной реальности дополненной (AR), смешанной (MR), виртуальной (VR) позволяет наглядно и быстро оценить необходимые риски и избежать ошибок при работе, эксплуатации (лечении) материальных объектов (пациентов).
Главная цель любого цифрового двойника - возможность прогнозирования рисков. Направления практического применения цифровых двойников медицинского назначения не ограничены имеющимися горизонтами и позволяют получить с помощью виртуальной модели представление о том, как материальный объект будет вести себя в перспективе в реальном мире. Сведения, полученные при анализе работы цифрового двойника, позволят улучшить доступ к медицинской информации, координировать работу между различными медицинскими учреждениями здравоохранения, получать необходимые данные, создавая возможности для более точных и эффективных решений, повышения качества и доступности медицинской помощи [15]. Идеальным представлением цели цифрового двойника является модель оказания персонализированной медицинской помощи с учетом исключения этических рисков и сохранения конфиденциальности [16, 17].
Предприняты попытки классифицировать цифровые двойники [18]. Майкл Грейвс выделял 3 типа цифровых двойников: цифровой двойник «прототип», цифровой двойник «экземпляр», цифровой двойник «агрегатор». Цифровые двойники в здравоохранении можно условно разделить по нескольким критериям или классифицировать (рис. 2).
1. По материальному объекту:
- цифровой двойник здравоохранения - виртуальная модель, которая представляет собой точную копию реального объекта или процесса в медицине;
- цифровой двойник пациента - виртуальная модель конкретного пациента, которая может содержать максимально полную медицинскую информацию о нем: его родителях и показателях при рождении, наличии наследственных заболеваний, антропометрические данные, информацию о его образе жизни, сведения из электронной медицинской карты о его заболеваниях, результатах проведенного обследования и лечения, данные с носимых
—1 90
Рис. 2. Схема классификации цифровых двойников
медицинских устройств и медицинских приборов и др. Полученные данные могут быть обработаны и использованы с помощью цифрового двойника для прогнозирования риска развития заболеваний и их осложнений, оптимизации лечения и предоставления персонализированной медицинской помощи;
- цифровой двойник здания здравоохранения - виртуальная модель здания медицинского учреждения, которая может быть использована для эргономичного размещения мебели и оборудования, оптимизации рабочих процессов и обеспечения безопасности пациентов и персонала;
- цифровой двойник медицинского оборудования - виртуальная модель медицинского оборудования, которая может быть использована для обучения медицинского персонала, тестирования новых инвазивных и неинвазивных методов диагностики и лечения, программного обеспечения, а также для управления в режиме реального времени;
- цифровой двойник исследуемого лекарственного препарата - виртуальная модель лекарственного препарата.
2. По типу данных, преимущественно используемых при формировании цифрового двойника:
- цифровые двойники на основе медицинских изображений (например, КТ, МРТ, УЗИ);
- цифровые двойники на основе медицинских текстов (например, электронные медицинские карты, научные статьи и монографии);
- цифровые двойники на основе биологических данных (например, генетические данные, данные о метаболизме).
3. По уровню детализации:
- цифровые двойники на уровне отдельных организмов;
- цифровые двойники на уровне органов и тканей;
- цифровые двойники на уровне клеток.
4. По функциональности:
- цифровые двойники для диагностики и прогнозирования заболеваний;
- цифровые двойники для мониторинга состояния здоровья;
- цифровые двойники для планирования и проведения медицинских процедур;
- цифровые двойники для обучения и подготовки медицинского персонала.
5. По преимущественной методологии создания:
- цифровые двойники, созданные с помощью машинного обучения;
- цифровые двойники, созданные с помощью искусственного интеллекта;
- цифровые двойники, созданные с помощью компьютерного моделирования.
6. По области применения:
- цифровые двойники для онкологии;
- цифровые двойники для кардиологии;
- цифровые двойники для неврологии;
- цифровые двойники для травматологии и ортопедии;
- цифровые двойники для других областей медицины.
7. По уровню автоматизации:
- цифровые двойники, требующие ручного ввода данных;
С
#мс
- цифровые двойники, обновляющиеся в автоматическом режиме.
8. По уровню безопасности:
- цифровые двойники, обеспечивающие высокий уровень безопасности данных;
- цифровые двойники, требующие дополнительных мер безопасности.
Использование цифровых двойников в общественном здравоохранении на уровне Министерства здравоохранения. Впервые использование цифровых двойников в здравоохранении на законодательном уровне анонсировано Минздравом в 2021 году. На первом этапе предложено и происходит создание цифровых двойников медицинских специалистов и медицинских организаций. На последующем этапе должны быть созданы и внедрены цифровые двойники клинических рекомендаций, порядков и стандартов оказания медицинской помощи [19]. Цифровые двойники можно использовать при сопоставлении лечебно-профилактических учреждений, медицинских специалистов с населением отдельной территории или страны в целом, чтобы понять будущую потребность в лечебно-профилактических учреждениях, их коечном составе, медицинских специалистах, необходимом медицинском оборудовании и т.д. Создание таких прогнозов на несколько лет вперед может помочь в представлении желаемых цифр набора абитуриентов в медицинские образовательные организации, предположить потребность в определенных специальностях, дополнительном обучении имеющихся специалистов и др.
Использование цифровых двойников внутри медицинских организаций. Цифровые двойники могут помочь целостнее представить рабочие процессы внутри медицинской организации, выявить уязвимые места, неэффективность или экономическую затратность некоторых процессов, сократить количество избыточных задач. Представления о количестве входящего потока пациентов, структуре спроса на определенные медицинские услуги позволят оптимизировать рабочие процессы, эффективно распределять медицинский персонал, оборудование, помещения. Благодаря постоянному отслеживанию ключевых показателей деятельности медицинской организации, цифровые двойники смогут помочь своевременно выявить отклонения и принять меры для снижения экономических потерь.
Использование цифровых двойников с целью профилактики заболеваний. Благодаря возможности постоянного мониторинга данных о пациентах,
цифровые двойники могут своевременно обнаруживать отклонения от нормальных значений, информировать медицинских специалистов о необходимости проведения дополнительного обследования, инициировать своевременные вмешательства. Оказание профилактической помощи с помощью цифровых двойников позволяет формировать персонализированные рекомендации по здоровью, проведению плановых скринингов, поддержку соблюдения режима приема лекарств и рекомендации по изменению образа жизни.
Использование цифровых двойников для улучшения качества медицинской помощи. Возможности сбора бульшего количества данных о пациенте из различных источников (электронные медицинские карты, результаты, считываемые с носимых медицинских устройств, сведения, имеющиеся в генетическом паспорте), их анализа в режиме реального времени с помощью цифровых двойников позволяют поставщикам медицинских услуг создать обобщенное представление о пациенте, а медицинским работникам применять персонализированные подходы в лечении конкретного пациента (например, моделировать диагностические сценарии, формировать более точный диагноз, подбирать схемы лекарственной терапии) [20, 21].
Использование цифровых двойников в целях разработки и внедрения новых лекарственных препаратов и медицинских устройств. Применение цифровых двойников в сфере проведения клинических исследований лекарственных препаратов и медицинских устройств является одним из приоритетных направлений в здравоохранении [22]. По состоянию на март 2023 года Deep Pharma Intelligence сообщает о создании 14 моделей цифровых моделей лекарственных препаратов. Предполагается, что использование искусственного интеллекта ускорит процесс поиска, проведения клинических испытаний, внедрение в клиническую практику новых лекарственных препаратов. В на -стоящее время проходят клинические испытания различных биологических моделей, начиная от моделей отдельных клеток и клеточных культур до более сложных альтернативных моделей животных. В 2018 г. Управление по санитарному надзору за качеством пищевых продуктов и медикаментов (Food and Drug Administration, FDA) США запустило программу по внедрению различных типов цифровых подходов для тестирования и мониторинга новых медицинских устройств и лекарств, в 2023 году в США уже на законодательном
уровне разрешено использовать вычислительные методы в качестве альтернативы тестированию на животных, не упоминая прямо использование цифровых двойников [23]. На текущий момент цифровые двойники могут быть применены для статистического анализа контрольных исследуемых групп при условии соответствия определенным требованиям самих цифровых двойников, однако эти требования не уточнены. Еще одним обсуждаемым моментом при приведении клинических исследований с цифровыми двойниками является одобрение их использования этическим комитетом. Также важным остается доверие исследователей, клиницистов к прогнозам, которые будут созданы с использованием цифровых двойников, применительно к здоровью пациентов.
Использование цифровых двойников клинических рекомендаций, порядков оказания медицинской помощи и стандартов. Внедрение в здравоохранение цифровых двойников клинических рекомендаций приведет к постепенному единому цифровому формату всех используемых клинических рекомендаций. Предполагается, что цифровой формат клинических рекомендаций позволит формировать их, наиболее полно соблюдая принципы доказательной медицины с обозначением уровня убедительности рекомендаций, точнее соблюдать определённую методологию, быстрее обновлять на основании последней научной информации, обеспечит их связь со всеми имеющимися информационными, справочными, регламентирующими документами, электронными базами данных, минимизирует риск субъективности и предвзятости,
будет содержать такие метаданные как дату создания, последнего обновления, данных об авторах, ссылки на используемые источники и проведенные исследования, в последующем времени будет способствовать сокращению сроков разработки новых клинических рекомендаций. В октябре 2024 года Минздрав и Ассоциация онкологов России (АОР) анонсировали тестирование платформы цифровых двойников клинических рекомендаций, порядков оказания медпомощи по лечению онкологических заболеваний.
Выводы
Внедрение технологий цифровых двойников имеет многообещающие перспективы для революционного развития практического здравоохранения [24]. Возможности интегрирования данных и виртуального моделирования в цифровых двойниках стимулируют развитие инноваций в здравоохранении. Их внедрение требует решения проблем, связанных с конфиденциальностью данных, функциональной совместимостью медицинских информационных систем и баз данных, единым качеством предоставляемых сведений от разных источников, интеграцией с процессами медицинской организации, стандартизации самой модели цифрового двойника, этическими нормами и культурными изменениями. Комплексное решение этих проблем позволит успешно внедрить весь потенциал цифровых двойников в здравоохранение, улучшить качество, доступность и непрерывность оказания медицинской помощи, создавая возможности для развития персонализированной медицины [25, 26].
1. Armeni P., Polat I., De Rossi L.M., Diaferia L, Meregalli S, Gatti A. Digital Twins in Healthcare: Is It the Beginning of a New Era of Evidence-Based Medicine? A Critical Review. J Pers Med. 2022 Jul 30;12(8):1255. doi: 10.3390/jpm12081255. PMID: 36013204; PMCID: PMC9410074.
2. Meijer C, Uh H.W., El Bouhaddani S. Digital Twins in Healthcare: Methodological Challenges and Opportunities / C. Meijer, H.W. Uh, S. El Bouhaddani // J Pers Med. - 2023; Oct 23; 13(10): 1522. DOI: 10.3390/jpm13101522. PMID: 37888133; PMCID: PMC10608065.
3. Wickramasinghe N, Ulapane N., Sloane E.B., Gehlot V. Digital Twins for More Precise and Personalized Treatment. Stud Health Technol Inform. 2024 Jan 25;310:229-233. doi: 10.3233/SHTI230961. PMID: 38269799.
4. Laubenbacher R, Mehrad B, Shmulevich I., Trayanova N. Digital twins in medicine. Nat Comput Sci. 2024 Mar;4(3):184-191. doi: 10.1038/s43588-024-00607-6. Epub 2024 Mar 26. PMID: 38532133; PMCID: PMC11102043.
5. Taylor K, Alvarez L.R. An Estimate of the Number of Animals Used for Scientific Purposes Worldwide in 2015 / K. Taylor, L.R. Alvarez // Altern Lab Anim. - 2019 Nov-Dec; 47(5-6): 196-213. DOI: 10.1177/ 0261192919899853. PMID: 32090616.
№ 11
2024
Manager
Zdravoochranenia
/Менеджер
здравоохранения
двоиников в - 2022. - №
общественном 6. - С. 69-77.
/
6. Grieves M. Origins of the Digital Twin Concept. Florida Institute of Technology. 2016. doi: https:// doi.org/10.13140/RG.2.2.26367.61609
7. Grieves M. Digital Twin: Manufacturing Excellence through Virtual Factory Replication. LLC, 2014.
8. Ueda D, Kakinuma T, Fujita S, Kamagata K, Fushimi Y, Ito R, Matsui Y, Nozaki T, Nakaura T, Fujima N, Tatsugami F, Yanagawa M, Hirata K, Yamada A., Tsuboyama T, Kawamura M, Fujioka T, Naganawa S. Fairness of artificial intelligence in healthcare: review and recommendations. Jpn J Radiol. 2024 Jan;42(1):3-15. doi: 10.1007/s11604-023-01474-3. Epub 2023 Aug 4. PMID: 37540463; PMCID: PMC10764412.
9. Morley J, Machado CC.V., Burr C, Cowls J, Joshi I., Taddeo M, Floridi L. The ethics of AI in health care: A mapping review. Soc Sci Med. 2020 Sep;260:113172. doi: 10.1016/j.socscimed.2020.113172. Epub 2020 Jul 15. PMID: 32702587.
10. Кобякова О.С., Стародубов В.И., Куракова Н.Г., Цветкова Л.А. Цифровые двоИники в здравоохранении: оценка технологических и практических перспектив // Вестник РАМН. 2021. № 5. URL: https://cyberleninka.ru/article/n/tsifrovye-dvoyniki-v-zdravoohranenii-otsenka-tehnologiches-kih-i-prakticheskih-perspektiv (Дата обращения: 24.09.2024).
11. McLennan S, Fiske A., Tigard D, Müller R, Haddadin S, Buyx A. Embedded ethics: a proposal for integrating ethics into the development of medical AI. BMC Med Ethics. 2022 Jan 26;23(1):6. doi: 10.1186/s12910-022-00746-3. PMID: 35081955; PMCID: PMC8793193.
12. Kamel Boulos M.N., Zhang P. Digital Twins: From Personalised Medicine to Precision Public Health. J Pers Med. 2021 Jul 29;11(8):745. doi: 10.3390/jpm11080745. PMID: 34442389; PMCID: PMC8401029.
13. Зуенкова Ю.А. Опыт и перспективы применения цифровых здравоохранении / Ю.А. Зуенкова // Менеджер здравоохранения. DOI: 10.21045/1811-0185-2022-6-69-77.
14. Столяр В.П. Цифровая трансформация здравоохранения и ведомственной медицины В.П. Столяр, П.Е. Крайнюков, О.В. Калачев. - М.: ПЛАНЕТА, 2020. - 200 с.
15. Digital twin-driven product design, manufacturing and service with big data / F. Tao, J. Cheng, Q. Qi [et al.] // Int J Adv Manuf Technol. - 2018; 94, 3563-3576. https://doi.org/10.1007/ s00170-017-0233-1
16. Vallée A. Envisioning the Future of Personalized Medicine: Role and Realities of Digital Twins. J Med Internet Res. 2024 May 13;26: e50204. doi: 10.2196/50204. PMID: 38739913; PMCID: PMC11130780.
17. Huang P.H, Kim K.H., Schermer M. Ethical Issues of Digital Twins for Personalized Health Care Service: Preliminary Mapping Study. J Med Internet Res. 2022 Jan 31;24(1): e33081. doi: 10.2196/33081. PMID: 35099399; PMCID: PMC8844982.
18. Glenn Т., Monteith S. Privacy in the digital world: medical and health data outside of HIPAA protections. Curr Psychiatry Rep. 2014 Nov;16(11):494. doi: 10.1007/s11920-014-0494-4. PMID: 25218603.
19. Распоряжение Правительства Российской Федерации от 17 апреля 2024 г. № 959-р Об утверждении стратегического направления в области цифровой трансформации здравоохранения.
20. Кокорев Д.С., Юрин А.А. Цифровые двойники: понятие, типы и преимущества для бизнеса // Colloquium-journal. 2019. № 10 (34). URL: https://cyberleninka.ru/article/n/tsifrovye-dvoyniki-ponyat-ie-tipy-i-preimuschestva-dlya-biznesa (Дата обращения: 24.09.2024).
21. Vallée A. Digital twin for healthcare systems / А. Vallée // Front Digit Health. 2023 Sep 7;5:1253050. DOI: 10.3389/fdgth.2023.1253050. PMID: 37744683; PMCID: PMC10513171.
22. Bordukova M, Makarov N, Rodríguez-Esteban R, Schmich F, Menden M.P. Generative artificial intelligence empowers digital twins in drug discovery and clinical trials. Expert Opin Drug Discov. 2024 Jan-Jun;19(1):33-42. doi: 10.1080/17460441.2023.2273839. Epub 2024 Jan 8. PMID: 37887266.
23. Han J.J FDA Modernization Act 2.0 allows for alternatives to animal testing. Artif Organs. 2023 Mar;47(3):449-450. doi: 10.1111/aor.14503. Epub 2023 Feb 10. PMID: 36762462.
24. The Digital Twin in Medicine: A Key to the Future of Healthcare? / T. Sun, X. He, X. Song, L. Shu, Z. Li // Front Med (Lausanne). - 2022 Jul 14;9: 907066. DOI: 10.3389/fmed.2022.907066. PMID: 35911407; PMCID: PMC9330225.
25. Sun Т., He X, Li Z. Digital twin in healthcare: Recent updates and challenges. Digit Health. 2023 Jan 3;9:20552076221149651. doi: 10.1177/20552076221149651. PMID: 36636729; PMCID: PMC9830576.
26. Sahal R., Alsamhi S.H., Brown K.N. Personal Digital Twin: A Close Look into the Present and a Step towards the Future of Personalised Healthcare Industry. Sensors (Basel). 2022 Aug 8;22(15):5918. doi: 10.3390/s22155918. PMID: 35957477; PMCID: PMC9371419.
Менеджер / Maneger № 11
здравоохранения / ZdrevoochrBnenie 2024
ORIGINAL PAPER
THE USE OF DIGITAL TWINS IN HEALTHCARE
N.D. Prokhorovaa , G.S. Lebedev b, M.S. Prasolov c, A.A. Kazakova b
a National Defense Management Center of the Russian Federation, Moscow, Russia; b Federal State Autonomous Educational Centre of Higher Education I.M. Sechenov First Moscow State Medical University of the Ministry of Health of the Russian Federation (Sechenov University), Moscow, Russia;
c The Main Military Medical Directorate of the Ministry of Defense of the Russian Federation, Moscow, Russia.
H Corresponding author: Prokhorova N.D.
ABSTRACT
One of the revolutionary steps stimulating the development of innovations in healthcare is the introduction of digital twins. The purpose of the study. The purpose of the presented literature review was to study various data sources on the technology of digital twins in healthcare and the possibility of their application with the introduction of the national standard of the Russian Federation "Digital twins in healthcare". As a result of the study, a digital twin scheme was formed, digital twins were classified according to criteria. Materials and methods. The literature review was conducted in the Pubmed Web of Science and Elibrary databases in September 2024 using the following terms: "digital twin", "digital healthcare", "personalized medicine".
Results. The use of digital twins will improve the quality, accessibility and continuity of medical care, and will create opportunities for the development of personalized medicine.
Conclusions. Effective development in the field of digital twins in healthcare is directly related to the issues of their standardization, their creation and use should be carried out in accordance with approved standards and not contradict the norms of ethics in medicine. Keywords: digital twin, digital healthcare, personalized medicine.
For citation: Prokhorova N.D., Lebedev G.S., Prasolov M.S., Kazakova A.A. The use of digital twins in healthcare. Manager zdravoohranenia. 2024; 11:88-96. DOI: 10.21045/1811-0185-2024-11-88-96
I
С
REFERENCES
1. Armeni P., Polat I., De Rossi L.M., Diaferia L., Meregalli S., Gatti A. Digital Twins in Healthcare: Is It the Beginning of a New Era of Evidence-Based Medicine? A Critical Review. J Pers Med. 2022 Jul 30;12(8):1255. doi: 10.3390/jpm12081255. PMID: 36013204; PMCID: PMC9410074.
2. Meijer C., Uh H.W., El Bouhaddani S. Digital Twins in Healthcare: Methodological Challenges and Opportunities / С. Meijer, H.W. Uh, S. El Bouhaddani // J Pers Med. - 2023; Oct 23; 13(10): 1522. DOI: 10.3390/jpm13101522. PMID: 37888133; PMCID: PMC10608065.
3. Wickramasinghe N., Ulapane N., Sloane E.B., Gehlot V. Digital Twins for More Precise and Personalized Treatment. Stud Health Technol Inform. 2024 Jan 25;310:229-233. doi: 10.3233/SHTI230961. PMID: 38269799.
4. Laubenbacher R., Mehrad B., Shmulevich I., Trayanova N. Digital twins in medicine. Nat Comput Sci. 2024 Mar;4(3):184-191. doi: 10.1038/s43588-024-00607-6. Epub 2024 Mar 26. PMID: 38532133; PMCID: PMC11102043.
5. Taylor K., Alvarez L.R. An Estimate of the Number of Animals Used for Scientific Purposes Worldwide in 2015 / К. Taylor, L.R. Alvarez // Altern Lab Anim. - 2019 Nov-Dec; 47(5-6): 196-213. DOI: 10.1177/0261192919899853. PMID: 32090616.
6. Grieves M. Origins of the Digital Twin Concept. Florida Institute of Technology. 2016. doi: https://doi.org/10.13140/ RG.2.2.26367.61609
7. Grieves M. Digital Twin: Manufacturing Excellence through Virtual Factory Replication. LLC, 2014.
8. Ueda D., Kakinuma T., Fujita S., Kamagata K., Fushimi Y., Ito R., Matsui Y., Nozaki T., Nakaura T., Fujima N., Tatsuga-mi F., Yanagawa M., Hirata K., Yamada A., Tsuboyama T., Kawamura M., Fujioka T., Naganawa S. Fairness of artificial intelligence in healthcare: review and recommendations. Jpn J Radiol. 2024 Jan;42(1):3-15. doi: 10.1007/s11604-023-01474-3. Epub 2023 Aug 4. PMID: 37540463; PMCID: PMC10764412.
9. Morley J., Machado CC.V., Burr C., Cowls J., Joshi I., Taddeo M., Floridi L. The ethics of AI in health care: A mapping review. Soc Sci Med. 2020 Sep;260:113172. doi: 10.1016/j.socscimed.2020.113172. Epub 2020 Jul 15. PMID: 32702587.
10. Kobyakova O.S., Starodubov V.I., Kurakova N.G., Tsvetkova L.A. Digital twins in healthcare: assessment of technological and practical prospects // Bulletin Of the Russian Academy Of Medical Sciences. 2021. No. 5. URL: https://cyber-leninka.ru/article/n/tsifrovye-dvoyniki-v-zdravoohranenii-otsenka-tehnologicheskih-i-prakticheskih-perspektiv (Date of request: 09/24/2024).
11. McLennan S., Fiske A., Tigard D., Müller R., Haddadin S., Buyx A. Embedded ethics: a proposal for integrating ethics into the development of medical AI. BMC Med Ethics. 2022 Jan 26;23(1):6. doi: 10.1186/s12910-022-00746-3. PMID: 35081955; PMCID: PMC8793193.
12. Kamel Boulos M.N., Zhang P. Digital Twins: From Personalised Medicine to Precision Public Health. J Pers Med. 2021 Jul 29;11(8):745. doi: 10.3390/jpm11080745. PMID: 34442389; PMCID: PMC8401029.
13. Zuenkova Yu.A. Experience and prospects of using digital twins in public health / Yu.A. Zuenkova // Health care manager. - 2022. - No. 6. - P. 69-77. DOI: 10.21045/1811-0185-2022-6-69-77.
•КС
№ 11
2024
Manager
Zdravoochranenia
/Менеджер
здравоохранения
эхо зЯо
s
зио
14. Stoiyor V.P. Digital transformation of healthcare and departmental medicine / V.P. Stolyar, P.E. Kraynyukov, O.V. Ka-lachev. - M.: PLANETA, 2020. - 200 p.
15. Digital twin-driven product design, manufacturing and service with big data / F. Tao, J. Cheng, Q. Qi [et al.] // Int J Adv Manuf Technol. - 2018; 94, 3563-3576. https://doi.org/10.1007/s00170-017-0233-1
16. Vallée A. Envisioning the Future of Personalized Medicine: Role and Realities of Digital Twins. J Med Internet Res. 2024 May 13;26: e50204. doi: 10.2196/50204. PMID: 38739913; PMCID: PMC11130780.
17. Huang P.H., Kim K.H., Schermer M. Ethical Issues of Digital Twins for Personalized Health Care Service: Preliminary Mapping Study. J Med Internet Res. 2022 Jan 31;24(1): e33081. doi: 10.2196/33081. PMID: 35099399; PMCID: PMC8844982.
18. Glenn T., Monteith S. Privacy in the digital world: medical and health data outside of HIPAA protections. Curr Psychiatry Rep. 2014 Nov;16(11):494. doi: 10.1007/s11920-014-0494-4. PMID: 25218603.
19. Decree of the Government of the Russian Federation No. 959-r dated April 17, 2024 On Approval of the Strategic direction in the field of digital transformation of healthcare.
20. Kokorev D.S., Yurin A.A. Digital twins: the concept, types and advantages for business // Colloquium-journal. 2019. No. 10 (34). URL: https://cyberleninka.ru/article/n/tsifrovye-dvoyniki-ponyatie-tipy-i-preimuschestva-dlya-biznesa (Accessed: 09/24/2024).
21. Vallée A. Digital twin for healthcare systems / A. Vallée // Front Digit Health. 2023 Sep 7;5:1253050. DOI: 10.3389/ fdgth.2023.1253050. PMID: 37744683; PMCID: PMC10513171.
22. Bordukova M., Makarov N, Rodriguez-Esteban R., Schmich F., Menden M.P. Generative artificial intelligence empowers digital twins in drug discovery and clinical trials. Expert Opin Drug Discov. 2024 Jan-Jun;19(1):33-42. doi: 10.1080/174604 41.2023.2273839. Epub 2024 Jan 8. PMID: 37887266.
23. Han J.J. FDA Modernization Act 2.0 allows for alternatives to animal testing. Artif Organs. 2023 Mar;47(3):449-450. doi: 10.1111/aor.14503. Epub 2023 Feb 10. PMID: 36762462.
24. The Digital Twin in Medicine: A Key to the Future of Healthcare? / T. Sun, X. He, X. Song, L. Shu, Z. Li // Front Med (Lausanne). - 2022 Jul 14;9: 907066. DOI: 10.3389/fmed.2022.907066. PMID: 35911407; PMCID: PMC9330225.
25. Sun T., He X, Li Z. Digital twin in healthcare: Recent updates and challenges. Digit Health. 2023 Jan 3;9:20552076221149651. doi: 10.1177/20552076221149651. PMID: 36636729; PMCID: PMC9830576.
26. Sahal R., Alsamhi S.H., Brown K.N. Personal Digital Twin: A Close Look into the Present and a Step towards the Future of Personalised Healthcare Industry. Sensors (Basel). 2022 Aug 8;22(15):5918. doi: 10.3390/s22155918. PMID: 35957477; PMCID: PMC9371419.
ИНФОРМАЦИЯ ОБ АВТОРАХ / ABOUT THE AUTHORS
Прохорова Наталья Дмитриевна - старший офицер-оператор (по контролю медицинского обеспечения) центра управления повседневной деятельностью войск (сил) НЦУО, г. Москва, Россия.
Natalya D. Prokhorova - Senior officer-operator (for medical support control) of the daily activities management center of the troops (forces) o( the National Defense Management Center o( the Russian Federation, Moscow, Russia. E-mail: [email protected], SPIN: 8955-0112, https://orcid.org/0000-000i-6485-W56
Лебедев Георгий Станиславович - доктор технических наук, заведующий кафедрой информационных и интернет-технологий, директор Центра цифровой медицины Первого Московского государственного медицинского университета им. И.М. Сеченова Минздрава России (Сеченовский Университет), г. Москва, Россия.
George S. Lebedev - Doctor of Technical Sciences, Head of the Department of Information and Internet Technologies, Director Federal State Autonomous Educational Centre of Higher Education I.M. Sechenov First Moscow State Medical University of the Ministry of Health of the Russian Federation (Sechenov University), Moscow, Russia. SPIN: 2297-6877, https://orcid.org/0000-0002-4289-2i02
Прасолов Михаил Сергеевич - начальник группы Главного военно-медицинского управления Министерства обороны Российской Федерации, г. Москва, Россия.
Mikhail S. Prasolov - head of the group of the Main Military Medical Directorate of the Ministry of Defense of the Russian Federation, Moscow, Russia.
E-mail: [email protected], https://orcid.org/0009-0007-9225-3118
Казакова Анастасия Алексеевна - координатор проектной деятельности Центра цифровой медицины Первого Московского государственного медицинского университета им. И.М. Сеченова Минздрава России (Сеченовский Университет), г. Москва, Россия. Anastasia A. Kazakova - Project activity coordinator Federal State Autonomous Educational Centre of Higher Education I.M. Sechenov First Moscow State Medical University of the Ministry of Health of the Russian Federation (Sechenov University), Moscow, Russia. SPIN: 1388-5692, https://orcid.org/0009-0004-0360-696i
—I 9Б
