精准医学中数字孪生体的挑战与机遇：一种复杂系统视角
生物物理
2024-05-17 v1 适应与自组织系统
定量方法
摘要
由于大规模数据收集、人工智能 (AI) 的快速发展以及传统生物医学方法的不断完善，数字孪生体 (DTs) 在精准医学中的应用日益可行。然而，依赖大数据驱动的黑箱预测模型可能限制其在临床环境中的更广泛应用。我们认为，特别是多尺度建模的假设驱动生成模型对于提高数字孪生体的临床准确性和相关性具有至关重要，从而在医疗保健创新中发挥重要作用。本文探讨了 DTs 在医疗保健中的变革性潜力，强调其能够模拟跨多个尺度的复杂、相互依赖的生物过程。通过将生成模型与大规模数据集相结合，我们提出一种基于情景的建模方法，使能够探索多样化的治疗策略，从而支持动态的临床决策。该方法不仅利用数据科学和大数据技术不断改进疾病的治疗和预防，还融合了复杂系统和网络科学、定量生物学和数字医学的见解，为患者护理带来了巨大的潜力。
引用
@article{arxiv.2405.09649,
title = {Challenges and opportunities for digital twins in precision medicine: a complex systems perspective},
author = {Manlio De Domenico and Luca Allegri and Guido Caldarelli and Valeria d'Andrea and Barbara Di Camillo and Luis M. Rocha and Jordan Rozum and Riccardo Sbarbati and Francesco Zambelli},
journal= {arXiv preprint arXiv:2405.09649},
year = {2024}
}