Ваш метаболизм в цифровом виде

Представьте себе виртуальную копию метаболизма вашего организма, работающую на компьютере, которая могла бы предсказать скачок уровня сахара в крови после конкретного приема пищи, как модели сна влияют на чувствительность к инсулину или какие продукты втайне саботируют ваши цели здоровья. Это обещание Twin Health, стартапа Silicon Valley, который разработал, возможно, самое сложное применение технологии цифрового двойника в потребительской медицине.

Компания, которая недавно объявила о раунде инвестиций в размере 53 миллионов долларов, создает работающие на AI цифровые копии метаболической системы каждого пациента, агрегируя данные из нескольких носимых датчиков. Эти цифровые двойники обрабатывают тысячи точек данных ежедневно, чтобы генерировать высоко персонализированные рекомендации по питанию, физическим упражнениям и образу жизни, которые далеко выходят за рамки универсальных диетических советов.

Экосистема датчиков

Когда пациент записывается в программу Twin Health, он получает набор, содержащий четыре ключевых устройства: монитор глюкозы в реальном времени, отслеживающий уровень сахара в крови, тонометр для регулярных кардиологических показаний, умные весы, которые измеряют вес и метрики состава тела, и фитнес-трекер, который контролирует физическую активность, качество сна и индексы стресса.

Вместе эти устройства собирают примерно 3000 точек данных каждый день. Монитор глюкозы в крови сам по себе предоставляет показания каждые несколько минут, создавая детальную картину того, как сахар в крови реагирует на прием пищи, упражнения, стресс и сон с течением времени. Эта гранулярная сборка данных отличает подход цифрового двойника от традиционного управления диабетом, который обычно опирается на периодические анализы крови и случайные измерения глюкозы.

Все данные с датчиков поступают в одно мобильное приложение, где система AI обрабатывает их, чтобы строить и постоянно совершенствовать цифровой двойник пациента. Виртуальная модель изучает уникальные закономерности и реакции метаболизма каждого человека, позволяя делать прогнозы и рекомендации, адаптированные с уровнем специфичности, невозможным с популяционными диетическими рекомендациями.

Как цифровой двойник предоставляет рекомендации

Практическое применение цифрового двойника — это поток персонализированных рекомендаций, доставляемых через приложение Twin Health. Пользователи регистрируют свои приемы пищи в течение дня, сканируя этикетки продуктов, фотографируя свои блюда или записывая описания приема пищи голосом. AI анализирует пищевую ценность и категоризирует продукты, используя простую систему светофора: зеленые продукты оптимальны для метаболизма конкретного пациента, желтые продукты следует употреблять в умеренных количествах, а красные продукты могут вызвать проблемные метаболические реакции.

То, что делает эту систему особенно мощной, — это ее персонализация. Продукт, который может быть категоризирован как зеленый для одного пациента, может быть желтым или красным для другого, в зависимости от уникальных паттернов их метаболической реакции. Белый рис может резко поднять сахар в крови одного человека, а для другого иметь умеренный эффект. Цифровой двойник изучает эти индивидуальные различия и соответственно корректирует свои рекомендации.

  • Система обрабатывает 3000 точек данных ежедневно из мониторов глюкозы в крови, тонометров, умных весов и фитнес-трекеров
  • AI категоризирует продукты как зеленые, желтые или красные на основе уникальной метаболической реакции каждого пациента
  • Клинические испытания показали среднее снижение HbA1c на 1,8 процента среди участников с диабетом 2-го типа
  • 89 процентов участников в одногодичном исследовании достигли уровня HbA1c ниже 7 процентов, ключевого порогового значения управления диабетом
  • Программа направлена ​​на то, чтобы помочь пациентам снизить или исключить лекарства, включая дорогостоящие препараты GLP-1 как Ozempic

Клинические доказательства

Подход Twin Health подкреплен клиническими данными, которые привлекли внимание медицинского сообщества. Ретроспективное исследование в реальных условиях, опубликованное в журнале Scientific Reports, отслеживало результаты участников в течение года. Результаты были впечатляющими: участники показали значительное снижение HbA1c, ключевого показателя долгосрочного контроля сахара в крови, со средним изменением минус 1,8 процента. 89 процентов изученных участников достигли уровня HbA1c ниже 7 процентов, что является пороговым значением, считаемым American Diabetes Association адекватным гликемическим контролем.

Эти результаты особенно значительны, потому что они были достигнуты, пока многие участники одновременно снижали прием лекарств от диабета. Вместо того чтобы просто добавить еще один препарат в уже сложную схему медикаментозного лечения, подход цифрового двойника направлен на устранение основной метаболической дисфункции путем оптимизации образа жизни, потенциально снижая необходимость в фармацевтическом вмешательстве с течением времени.

Компания также объявила, что ее AI цифровой двойник может поддерживать устойчивую потерю веса и исключение лекарств — агонистов GLP-1 рецепторов, класс препаратов, в который входят Ozempic и Wegovy. Учитывая огромные затраты, связанные с этими препаратами, которые могут стоить более тысячи долларов в месяц без страховки, технология, управляемая технологиями, которая помогает пациентам поддерживать потерю веса без постоянной лекарственной терапии, представляет значительную потенциальную экономию затрат.

Концепция цифрового двойника в здравоохранении

Цифровые двойники, виртуальные копии физических систем, непрерывно обновляемые данными из реального мира, используются в инженерии и производстве десятилетиями. Аэрокосмические компании используют их для мониторинга реактивных двигателей, а муниципалитеты используют их для моделирования трафика и нагрузки на инфраструктуру. Инновация Twin Health заключается в применении этой концепции к человеческому организму, создавая постоянно обновляемую вычислительную модель метаболизма отдельного человека.

Применение в здравоохранении особенно привлекательно, потому что метаболические состояния, такие как диабет 2-го типа и ожирение, очень индивидуальны в своих причинах и прогрессировании. Два пациента с идентичными диагнозами могут очень по-разному реагировать на одну и ту же диету, режим упражнений или лекарство. Традиционная медицина решает эту проблему методом проб и ошибок, при этом врачи корректируют лечение на основе периодических лабораторных результатов. Подход цифрового двойника ускоряет этот цикл обратной связи с недель или месяцев до часов, позволяя быстро оптимизировать стратегии лечения.

Проблемы и соображения

Несмотря на обнадеживающие клинические данные, подход цифрового двойника к управлению метаболическим здоровьем сталкивается с несколькими проблемами. Требование множественных носимых устройств создает бремя соответствия, которое не все пациенты будут поддерживать в долгосрочной перспективе. Мониторы глюкозы в крови, хотя и становятся все более популярными, по-прежнему требуют регулярной замены датчиков и могут быть неудобными для некоторых пользователей.

Конфиденциальность данных — еще одна проблема. Объем собираемых системой данных о здоровье, включая непрерывные показания сахара в крови, измерения веса, данные артериального давления и детальные пищевые журналы, представляет чрезвычайно интимный портрет повседневной жизни пациента. Обеспечение безопасности этих данных и поддержание доверия пациента к тому, как они используются, будут критическими по мере расширения компании.

Есть также вопрос доступности. Хотя технология продемонстрировала впечатляющие результаты, ее текущая модель развертывания включает программу на основе подписки, которая может быть недоступной по цене для всех пациентов с метаболическими состояниями. Расширение доступа через страховое покрытие и программы благополучия работодателей будет необходимо для реализации потенциала технологии по решению проблем диабета и ожирения на уровне населения.

Тем не менее, Twin Health представляет убедительное видение того, что может выглядеть персонализированная медицина, когда непрерывные данные датчиков, искусственный интеллект и поведенческая наука объединены в целях управления хроническими заболеваниями. По мере развития модели цифрового двойника и продолжения снижения стоимости носимых датчиков, этот подход может коренным образом изменить способ, которым миллионы людей управляют своим метаболическим здоровьем.

Эта статья основана на отчетах Wired. Прочитайте оригинальную статью.