Всички потребители на мрежата имаме дигитални близнаци. Вие не публикувате нищо за себе си в Интернет, триете важни чатове, обаче реално имате дигитални двойници, защото при всички случаи четете, гледате, или плащате онлайн. Следите от вашата активност в мрежата остават и на нейна база може да се направи ваш доста точен профил. Да не говорим за данните от безбройните камери. Светът наистина е глобално село и всеки има своя дигитален отпечатък, а често и двойник. Това може да се използва за злонамерени цели, но и в съвременната медицина.

Как възможността за дигитални двойници, или близнаци се реализира в медицината.

Тъй като виртуалната симулацията играе все по-важна роля в медицината, предоставянето на персонализирани диагноза и лечение на всеки индивидуален пациент се предвижда като част от бъдещата прецизна медицина. Такова персонализиране е възможно чрез появата на технологията за създаването на дигитални близнаци.

Дигиталните близнаци се определят като виртуални двойници на пациенти, които се генерират от мултимодални данни за пациенти, данни за населението и актуализации в реално време на променливи на пациента и околната среда. Тази технология дава възможността за предизвикване на произволни смущения върху цифровия близнак, за да бъде получена представа за очакваното поведение на физическия близнак – предлагайки новаторски приложения в прецизната медицина, клиничните изпитвания и общественото здраве.

Цифрови (дигитални) близнаци или виртуални модели на физически обекти се използват в индустрията от 2002 г. за оптимизиране на производствените процеси и жизнения цикъл на дадени продукти. Концепцията за „здравни цифрови близнаци“ обаче навлезе едва наскоро в областта на здравеопазването.

В основата на технологията за здравни дигитални близнаци (HDT) стоят две технически концепции – кибер-физични системи (CPS; системи, в които са свързани информационни, софтуерни компоненти с механични и електронни части, които комуникират посредством една инфраструктура за предаване на данни, например Интернет) и оптимизация със затворен цикъл (CLO, метод за откриване на набор от параметри).

Кибер-физичните системи може да бъдат разделени на два компонента – (1) системи с изкуствен интелект (AI), които имитират човешки разсъждения, използвайки обработка на големи данни и разпознаване на образи; (2) Интернет на нещата (IoT) за улесняване на бързото синхронизиране на данни между физически и цифрови близнаци. Оптимизацията със затворен цикъл (CLO) представлява използването на тези данни в реално време за наблюдение, диагностика, прогнозиране на заболяването и оптимизиране на лечението.

Комбинацията от AI, IoT и CLO позволява на дигиталните близнаци да предложат възможности за прогнозиране отвъд традиционните технологии за „предсказване“, които съществуват в момента. HDT системите генерират виртуални близнаци чрез дълбоко фенотипизиране, тоест автоматизирана обработка и интегриране на децентрализирани данни, събрани от записи на пациенти, биологични данни и мобилни сензори. Физическите данни могат да бъдат използвани за измерване и след това прогнозиране на реакцията на пациента към лекарства, промяна в поведението и фактори на околната среда. Прогнозният анализ в реално време предлага нови възможности за навременна профилактика и лечение.