Bagaimana digital twins memungkinkan perawatan kesehatan yang dipersonalisasi

Penelitian berkembang menjadi model komputasi yang akan menggerakkan pengobatan melampaui apa yang berhasil pada pasien pada umumnya

Bagaimana digital twins memungkinkan perawatan kesehatan yang dipersonalisasi

Penelitian berkembang menjadi model komputasi yang akan menggerakkan pengobatan melampaui apa yang berhasil pada pasien pada umumnya
Koresponden Sains Linda Geddes
Minggu 12 Nov 2023 10.22 GMT
Terakhir diubah pada Minggu 12 Nov 2023 16.49 GMT

Bayangkan memiliki kembaran digital yang sakit, dan dapat dicoba untuk mengidentifikasi pengobatan terbaik, tanpa harus mendekati pil atau pisau ahli bedah. Para ilmuwan percaya bahwa dalam lima hingga 10 tahun, uji coba “in silico” – di mana ratusan organ virtual digunakan untuk menilai keamanan dan kemanjuran obat – dapat menjadi rutin, sementara model organ spesifik pasien dapat digunakan untuk mempersonalisasi pengobatan dan menghindari penyakit. komplikasi medis.

Kembar digital adalah model komputasi objek atau proses fisik, yang diperbarui menggunakan data dari rekannya di dunia nyata. Dalam bidang kedokteran, hal ini berarti menggabungkan sejumlah besar data tentang cara kerja gen, protein, sel, dan sistem seluruh tubuh dengan data pribadi pasien untuk membuat model virtual organ mereka – dan pada akhirnya, mungkin seluruh tubuh mereka.

“Jika Anda melakukan praktik kedokteran saat ini, banyak di antaranya yang tidak terlalu ilmiah,” kata Prof Peter Coveney, direktur Pusat Ilmu Komputasi di University College London dan salah satu penulis Virtual You. “Seringkali, ini setara dengan mengendarai mobil dan menentukan ke mana harus pergi selanjutnya dengan melihat ke kaca spion: Anda mencoba mencari cara untuk merawat pasien di depan Anda berdasarkan orang-orang yang pernah Anda temui di masa lalu. yang mempunyai kondisi serupa.

“Apa yang dilakukan oleh kembaran digital adalah menggunakan data Anda di dalam model yang mewakili cara kerja fisiologi dan patologi Anda. Hal ini tidak membuat keputusan tentang Anda berdasarkan populasi yang mungkin sama sekali tidak mewakili. Ini benar-benar dipersonalisasi.”

Model terkini dapat ditemukan di bidang kardiologi. Perusahaan-perusahaan sudah menggunakan model jantung khusus pasien untuk membantu merancang perangkat medis, sementara perusahaan rintisan ELEM BioTech yang berbasis di Barcelona menawarkan kepada perusahaan kemampuan untuk menguji obat dan perangkat pada model simulasi jantung manusia.

“Kami telah menjalankan sejumlah uji coba virtual pada manusia terhadap beberapa senyawa dan akan memasuki fase baru, dengan produk kami siap dan diterapkan di cloud untuk akses eksternal oleh klien farmasi,” kata salah satu pendiri dan kepala ELEM. eksekutif, Chris Morton.

Berbicara pada konferensi Digital Twins di Royal Society of Medicine di London pada hari Jumat, Dr Caroline Roney, dari Queen Mary University of London, menjelaskan upaya untuk mengembangkan model jantung yang dipersonalisasi yang akan membantu ahli bedah merencanakan operasi untuk pasien dengan detak jantung tidak teratur dan kacau (atrial). fibrilasi).

“Seringkali ahli bedah menggunakan pendekatan yang rata-rata berhasil, namun membuat prediksi spesifik pasien dan memprediksi hasil jangka panjang sangatlah menantang,” kata Roney. “Saya pikir ada banyak penerapan dalam penyakit kardiovaskular di mana kita akan melihat pendekatan semacam ini terjadi, seperti memutuskan jenis katup apa yang akan digunakan, atau di mana memasangnya selama penggantian katup jantung.”

Pasien kanker juga diharapkan mendapat manfaat. Pakar kecerdasan buatan di perusahaan obat GSK bekerja sama dengan peneliti kanker di King’s College London untuk membangun replika digital tumor pasien dengan menggunakan gambar dan data genetik dan molekuler, serta menumbuhkan sel kanker pasien dalam 3D dan menguji bagaimana mereka merespons terhadap kanker. narkoba.

Dengan menerapkan pembelajaran mesin pada data ini, para ilmuwan dapat memprediksi bagaimana masing-masing pasien cenderung merespons terhadap berbagai obat, kombinasi obat, dan rejimen dosis.

“Anda tidak dapat melakukan hal ini berulang kali pada pasien sebenarnya dengan berbagai obat dan kombinasi obat, karena setiap kali Anda mencoba pengobatan baru, itu adalah uji klinis,” kata Prof Tony Ng, dari King’s.

“Kami mencoba mencari solusi selagi pasien masih hidup, jadi jika mereka kambuh lagi [kankernya] kami akan tahu cara mengobatinya, atau uji klinis mana yang akan dilakukan.”

Uji coba pembuktian konsep diharapkan dimulai tahun depan.

Para peneliti bahkan mengembangkan digital twins untuk kehamilan, yang dapat membantu mengembangkan obat untuk kondisi seperti insufisiensi plasenta atau pre-eklampsia, dan pemahaman yang lebih baik tentang proses fisiologis yang mendasari kehamilan dan persalinan.

“Dalam banyak kasus, Anda tidak dapat melakukan eksperimen pada wanita hamil, dan tidak ada model hewan yang baik untuk kehamilan manusia,” kata Prof Michelle Oyen, direktur Pusat Teknik Kesehatan Wanita di Universitas Washington di St Louis.

Oyen sedang membangun model plasenta dari pemindaian ultrasonografi yang diambil selama kehamilan dan gambar resolusi tinggi setelah melahirkan pada wanita dengan kehamilan yang sehat dan rumit, serta melatih algoritme untuk mengenali dan membuat digita.
l replika berbagai jaringan.

“Tujuan kami adalah mencoba mencari tahu hal-hal yang dapat kami ukur pada orang hidup untuk memprediksi siapa yang mungkin memiliki masalah dengan fungsi plasenta selama kehamilan, dan melakukan intervensi untuk mencegah hal-hal seperti lahir mati,” kata Oyen.

Kolaboratornya, Prof Kristin Myers, dari Universitas Columbia di New York, sedang membuat model leher rahim, rahim, dan selaput yang mengelilingi janin. Tujuan jangka panjang mereka adalah menggabungkan semuanya menjadi satu model individu yang dapat memprediksi bagaimana kehamilan akan terjadi.

Myers berkata: “Harapan saya adalah kita dapat melakukan pemindaian ultrasonik sederhana terhadap anatomi ibu dan dapat menilai bagaimana rahim ini akan tumbuh dan meregang, dan waktu yang lebih baik saat persalinan akan terjadi.” Hal ini bahkan mungkin memprediksi persalinan yang lama atau rumit, dan membantu perempuan membuat keputusan yang lebih tepat mengenai apakah akan menjalani operasi caesar, katanya.

Peneliti lain sedang membangun rumah sakit kembaran digital untuk mencoba meningkatkan efisiensi perpindahan pasien melalui sistem layanan kesehatan.

“Dengan melacak tanda tangan digital yang dibuat setiap kali terjadi sesuatu pada seorang pasien – mulai dari saat X-ray diperintahkan, dilakukan, dan dilaporkan, hingga saat pasien tersebut dipesan untuk janji rawat jalan dan menghadirinya – kami dapat membangun sistem yang sangat rinci, gambaran real-time tentang bagaimana pasien dengan kondisi serupa bergerak melalui sistem,” kata Dr Jacob Koris, ahli bedah trauma dan ortopedi dan pemimpin digital di Getting It Right First Time, sebuah program nasional yang dirancang untuk meningkatkan pengobatan dan perawatan pasien.

“Melakukan hal ini dapat mengidentifikasi bidang-bidang yang perlu kita tingkatkan, namun juga praktik baik yang meningkatkan pelayanan pasien, yang dapat kita gunakan untuk mendesain ulang cara kita merawat pasien.”

source