Reinhard Laubenbacher和同事在一篇《视角》文章中提出，个性化的预测性计算机模拟（或“数字孪生”，也就是将已知的人体生理学和免疫学与特定患者的临床数据相结合）可以更为有效地治疗具体患者的病毒感染。流行病学的计算机模型在应对COVID-19全球大流行中继续发挥着关键作用。

政策制定者和医疗当局常常倚仗它们来通告最有效的公共卫生应对措施。但是，目前还没有类似的工具可以帮助医生预测病毒感染的过程，并为具体的COVID-19患者决定最合适的治疗方法。“数字孪生”最初是一个工程概念，它将真实数据与计算机建模相结合，旨在为某实体事物或系统创建一个虚拟摹本，它可被用作监控和评估其功能或故障的动态模型。

据Laubenbacher等人披露，医疗数字孪生可通过提供病毒感染和免疫反应的个性化、预测性计算机模拟来满足医疗专业人员的需要，从而优化治疗方法。Laubenbacher等人就建立精确模型以包含受病毒感染影响的林林总总的生物学过程和身体系统的挑战进行了讨论。例如，建立有用的数字孪生需要在临床医生和计算机建模人员之间有更好的沟通和数据共享，这样才能将生物学见解转化为计算模型。然而，作者指出，为感染组装数字孪生所需的许多必要的子模型业已存在或能被现有的实验技术开发出来。

此外，医学数字孪生已开始用于人类健康的其它领域，其中包括糖尿病治疗和小儿心脏内科。作者写道：“通过与机械知识、观察数据、医学史及人工智能力量相结合，这类医学数字孪生或能强力增补我们未来对抗疾病大流行的工具库。

来源：EurekAlert中文