慢性护理中患者数字孪生的语义框架

个性化慢性护理需要整合多模态健康数据，以实现精确、自适应和预防性的决策。然而，大多数当前的数字孪生（DT）应用仍然局限于特定器官或绑定于孤立的数据类型，缺乏统一且保护隐私的基础。本文介绍了患者医疗数字孪生（PMDT），一个由本体驱动的体内患者框架，将生理、心理社会、行为和基因组信息整合到一个连贯的、可扩展的模型中。PMDT 以 OWL 2.0 实现，确保语义互操作性，支持自动推理，并支持在多样化临床上下文中的复用。其本体围绕模块化蓝图（患者、疾病与诊断、治疗与随访、轨迹、安全、路径和不良事件）构建，通过专门的视角进行形式化。这些蓝图通过专家研讨会、问卷调查以及欧盟 H2020 QUALITOP 项目中真实免疫治疗患者的试点研究进行了迭代完善和验证。评估确认了本体的覆盖范围、推理正确性、可用性以及 GDPR 合规性。结果表明，PMDT 能够统一异构数据、操作化能力问题，并以联邦式、保护隐私的方式支持描述性、预测性和规范性分析。通过弥合数据碎片化和语义标准化的差距，PMDT 为下一代数字健康生态系统提供了经过验证的基础，将慢性护理转变为主动、持续优化和公平的管理。