用于慢性病护理的患者数字孪生：技术障碍、经验教训与未来之路
软件工程
2026-02-13 v1 人机交互
摘要
慢性病构成了全球发病率、死亡率和医疗保健支出的主要负担，然而当前的医疗系统仍然支离破碎且主要采取被动应对模式。患者医疗数字孪生（PMDT）提供了一种范式转变：整合临床、基因组、生活方式和生活质量数据的患者整体、持续更新的数字对应体。我们报告了通过本体驱动建模和联邦分析试点项目实现的PMDT早期实施。来自QUALITOP肿瘤学研究和分布式AI平台的见解证实了其可行性和挑战：与HL7 FHIR和OMOP标准对齐、嵌入隐私治理、扩展联邦查询以及设计直观的临床医生界面。我们还强调了技术收益，例如对多模态蓝图的自动推理和患者结果的预测分析。通过反思这些经验，我们为软件工程师勾勒出可操作的见解，并识别出机会，例如领域特定语言（DSL）和模型驱动工程，以推动PMDT迈向可信赖、自适应的慢性病护理生态系统。
引用
@article{arxiv.2602.11223,
title = {Patient Digital Twins for Chronic Care: Technical Hurdles, Lessons Learned, and the Road Ahead},
author = {Micheal P. Papazoglou and Bernd J. Krämer and Mira Raheem and Amal Elgammal},
journal= {arXiv preprint arXiv:2602.11223},
year = {2026}
}
备注
Feature Article, Patient Medical Digital Twins, Under Review in IEEE SOftware