论文推荐 | 耶鲁大学:医疗健康数字孪生应用

文摘   2024-11-29 16:58   河北  

点击蓝字 关注我们↑↑↑

DIGITAL TWIN

如果您不希望错过文章,就加个星标吧!



本期阅读


 文章信息 

论文“Digital twins for health: a scoping review”于2024年3月发表于 npj digital medicine》期刊,这篇文章由Evangelia Katsoulakis, Qi Wang, Huanmei Wu等人共同完成。

DOI: https://doi.org/10.1038/s41746-024-01073-0

论文链接:

https://www.nature.com/articles/s41746-024-01073-0#citeas

引用本文:

Katsoulakis, E., Wang, Q., Wu, H. et al. Digital twins for health: a scoping review. npj Digit. Med. 7, 77 (2024). https://doi.org/10.1038/s41746-024-01073-0



 文章阅读    


Digital twins for health: a scoping review


Evangelia Katsoulakis, Qi Wang, Huanmei Wu, Leili Shahriyari, Richard Fletcher, Jinwei Liu, Luke Achenie, Hongfang Liu, Pamela Jackson, Ying Xiao, Tanveer Syeda-Mahmood, Richard Tuli & Jun Deng

Department of Therapeutic Radiology, Yale University, New Haven, CT, 06510, USA


Abstract

The use of digital twins (DTs) has proliferated across various fields and industries, with a recent surge in the healthcare sector. The concept of digital twin for health (DT4H) holds great promise to revolutionize the entire healthcare system, including management and delivery, disease treatment and prevention, and health well-being maintenance, ultimately improving human life. The rapid growth of big data and continuous advancement in data science (DS) and artificial intelligence (AI) have the potential to significantly expedite DT research and development by providing scientific expertise, essential data, and robust cybertechnology infrastructure. Although various DT initiatives have been underway in the industry, government, and military, DT4H is still in its early stages. This paper presents an overview of the current applications of DTs in healthcare, examines consortium research centers and their limitations, and surveys the current landscape of emerging research and development opportunities in healthcare. We envision the emergence of a collaborative global effort among stakeholders to enhance healthcare and improve the quality of life for millions of individuals worldwide through pioneering research and development in the realm of DT technology.



摘要

数字孪生(DTs)的应用已广泛渗透到各个领域与行业之中,近期在医疗保健领域更是蓬勃发展。健康数字孪生(DT4H)的概念有望彻底革新整个医疗保健体系,包括管理与服务提供、疾病治疗与预防以及健康维护,最终改善人类生活。大数据的快速增长以及数据科学(DS)和人工智能(AI)技术的不断进步,通过提供科学专业知识、关键数据和强大的网络技术基础设施,有望极大加速数字孪生的研发进程。尽管产业界、政府和军方已开展多项数字孪生相关项目,但健康数字孪生仍处于起步阶段。本文概述了数字孪生在医疗保健领域的当前应用,分析了联合体研究中心及其局限性,并调查了医疗保健领域新兴的研发机遇现状。我们预见,各利益相关方将开展全球性的协作努力,通过数字孪生技术领域的开创性研发,提升医疗保健水平,改善全球数百万人的生活质量。


关键词

数字孪生, 医疗保健, 个性化医疗, 人工智能, 大数据, 临床试验


Fig. 1 | Digital twin for health (DT4H) envisioned.

Table 1 | Various types of DTs in healthcare


研究背景

  1. 数字孪生技术在医疗领域的应用: 数字孪生(DT)技术在医疗领域的应用正在迅速增长,有望彻底改变整个医疗保健系统,包括管理、疾病治疗、预防和健康维护。

  2. 大数据和人工智能的推动: 大数据和人工智能(AI)的快速发展为数字孪生研究和开发提供了科学专业知识、必要数据和强大的网络技术基础设施。

  3. 数字孪生在医疗领域的早期阶段: 尽管数字孪生在工业、政府和军事领域已有各种倡议,但数字孪生在医疗领域的应用仍处于早期阶段。

研究方法

  1. 文献综述: 通过PubMed进行系统性的文献搜索,使用关键词“数字孪生”和“健康”进行筛选,时间范围限定在2016年至2023年。

  2. 出版趋势分析: 通过比较数字孪生在医疗领域的出版物数量和数字孪生总体出版物数量,分析数字孪生在医疗领域的研究轨迹。

实验设计

  1. 数字孪生在医疗领域的应用: 数字孪生在医疗领域的应用被大致分为8个主要类别,包括医院管理设计与护理协调、医疗设备设计、生物标志物和药物发现、生物制造、手术规划、临床试验设计、个性化医疗和健康维护。

  2. 数字孪生技术的关键应用: 数字孪生在医疗领域的应用包括模拟器官功能、疾病模型、药物发现、生物制造、手术规划、临床试验设计、个性化医疗和健康维护。


结果分析

  1. 数字孪生在医疗领域的应用: 数字孪生在医疗领域的应用包括医院管理设计与护理协调、医疗设备设计、生物标志物和药物发现、生物制造、手术规划、临床试验设计、个性化医疗和健康维护。

  2. 数字孪生技术的关键应用: 数字孪生在医疗领域的关键应用包括模拟器官功能、疾病模型、药物发现、生物制造、手术规划、临床试验设计、个性化医疗和健康维护。


研究结论

数字孪生在医疗领域的应用具有巨大的潜力,可以彻底改变医疗保健系统。数字孪生技术在医疗领域的应用仍处于早期阶段,但已经显示出个性化医疗、预测性干预、远程监控和医疗研究进步的巨大机会。然而,数字孪生在医疗领域的应用也面临着技术革新、伦理考虑、社会影响和法律指导方面的挑战。利益相关者之间的合作对于充分利用数字孪生在医疗领域的潜力至关重要,以确保在医疗保健中的负责任和道德部署。



关注公众号,后台回复“论文88”即可下载原文


相关阅读

    【德国慕尼黑】DigiTwin 2025 第五届数字孪生国际会议通知(第一轮)

  【意大利米兰】DigiTwin 2024第四届数字孪生国际会议圆满落幕!

  北航陶飞教授、陶智院士等:航空发动机数字孪生工程:内涵与关键技术

  都柏林圣三一大学:数字孪生智慧城市模型

  法国巴黎文理大学潘燊乐教授团队:数字孪生在物流供应链中的应用

  都柏林大学:多智能体在数字孪生实施中的作用

  北工大刘占省教授团队:基于多智能体的废弃填埋场环境治理数字孪生建模

  哈理工岳彩旭教授团队:基于数字孪生的薄壁零件变形在线监测研究

  荷兰Sioux公司:基于数字孪生的预测性维护系统参考架构

 丹麦技术大学:机器学习和数字孪生在产线参数预测中的应用

  西电李团结教授团队:基于数字孪生技术的网状天线实验样机

  阿联酋沙迦大学:锂电池储能系统数字孪生设计方法

  瑞典斯德哥尔摩大学:AI在数字孪生中的应用综述

  人工智能综述:物理学与人工智能的跨界新范式

  美国密歇根大学:用于预测性维护的数字孪生框架

  德国PROSTEP AG公司:数字孪生自动生成方法

  英国谢菲尔德大学团队:时间演化数字孪生及其在工程动力学中的应用

  武汉科技大学夏绪辉教授团队:基于知识图谱的再制造设备资源建模方法

  东北大学孙杰教授团队:数字孪生在工业过程控制中的应用:以带钢热轧为例

 【先睹为快】李培根:AI应用对工程技术认知的启示

 米兰理工大学:土木工程结构的数字孪生体系框架

 Nature子刊:概率图模型使能的大规模预测性数字孪生

 密歇根大学:基于数字孪生和区块链的建筑项目可追溯信息共享

 弗吉尼亚理工大学:人体运动数据增强数字孪生-基于激光雷达的跟踪方法比较

 Siemens Gamesa:协作机器人数字孪生:人机交互的案例研究

 本田研究所:基于数字孪生技术与弱监督学习的现实世界异常检测研究

 瑞典隆德大学:基于数字孪生的工业自动化与控制系统安全架构

 南航郭宇教授团队:基于数字孪生的离散制造车间生产进度预测研究

 北航陶飞教授团队:数字试验测试验证:理论、关键技术及应用探索丨JME封面文章

 西南交大丁国富教授团队:数字孪生应用中物理模型与虚拟模型之间连接的建模与实现



投稿邀请及版权

本公众号致力于分享高质量的数字孪生与数字工程相关学术研究与知识资讯,以促进学术交流与知识传播。推送的论文内容主要来源于公开出版或在线发布的学术资源,版权归原作者所有,仅供学术交流,未经授权不得商用。如有侵权,请联系删除。


如您有优秀论文需推荐,或者成果发布、企业进展、科研交流等需求,请在公众号后台留言,或发送邮件到digitaltwin@buaa.edu.cn,与我们取得联系。感谢您的持续关注与支持!


数字孪生DigitalTwin
聚焦数字孪生与数字工程研究,依托Digital Twin和 Digital Engineering期刊及DigiTwin国际会议和国内会议,分享最新动态、成果与行业进展,助力产业升级。本公众号由北航陶飞教授发起,为研究者与从业者提供参考。
 最新文章