01
Generative AI over Mobile Networks for Human Digital Twin in Human-Centric Applications: A Comprehensive Survey
◎ 标题：面向以人为中心应用的移动网络生成式人工智能与数字孪生：一项综合综述
◎ 摘要：本综述探讨了移动网络上生成式人工智能 (GenAI) 驱动的人类数字孪生 (HDT) 在以人为中心的应用中的潜力。我们首先分析了这类应用对定制化服务、用户友好体验和上下文感知响应的需求，以及移动网络带来的挑战。随后，我们深入探讨了移动 GenAI 驱动的 HDT 的技术基础，包括 GenAI 和 HDT 的原理，以及在端-边缘-云协作框架下的实现方式。最后，我们分析了移动 GenAI 驱动的 HDT 在医疗保健、制造业和智能交通等领域的应用，并探讨了实现该技术所面临的技术挑战和未来研究方向。
Figure：System architecture of mobile GenAI-driven HDT in human-centric applications.
02
TWIN-GPT: Digital Twins for Clinical Trials via Large Language Model
◎ 标题：TWIN-GPT：通过大型语言模型实现临床试验中的数字孪生
◎ 摘要：临床试验对于医学研究和新疗法的开发至关重要。然而,临床试验通常需要数千名参与者,并且需要几年的时间才能完成,在过程中存在很高的失败概率。最近,虚拟临床试验引起了广泛关注,它们可以模拟真实世界的场景,有望显著提高患者安全性、加快开发进度、降低成本,并为医疗保健领域的更广泛科学知识做出贡献。现有的研究通常专注于利用电子健康记录(EHR)来支持临床试验结果预测。然而,使用有限的临床试验结果数据进行训练,现有方法经常难以进行准确预测。一些研究尝试生成 EHR 来增强模型开发,但在为个人患者特征进行个性化生成方面存在局限性。最近,大型语言模型的出现开启了新的可能性,它们内嵌的全面临床知识在解决医疗问题方面已被证明很有帮助。本文提出了一种基于大型语言模型的数字孪生创建方法,称为 TWIN-GPT。TWIN-GPT 可以在有限数据的情况下建立医疗信息的跨数据集关联,为不同患者生成独特的个性化数字孪生,从而保留个人患者特征。全面的实验表明,使用 TWIN-GPT 创建的数字孪生可以提升临床试验结果预测,超过了各种先前的预测方法。
Figure: The workflow of TWIN-GPT
03
Challenges and opportunities for digital twins in precision medicine: a complex systems perspective
◎ 标题：精准医学中数字孪生的挑战与机遇：复杂系统视角
◎ 摘要：数字孪生(DTs)在精准医疗中的采用越来越可行,这得益于广泛的数据收集和人工智能(AI)的进步,以及传统的生物医学方法论。然而,依赖于利用大型数据集的黑箱预测模型存在局限性,可能阻碍 DTs 在临床环境中的更广泛应用。我们认为,以假设驱动的生成模型,特别是多尺度建模,对提高 DTs 的临床准确性和相关性至关重要,从而对医疗保健创新产生重大影响。本文探讨了 DTs 在医疗保健中的变革性潜力,强调了它们模拟跨多个尺度的复杂、相互依存的生物过程的能力。通过将生成模型与大量数据集集成,我们提出了一种基于场景的建模方法,可以探索各种治疗策略,从而支持动态临床决策制定。这种方法不仅利用数据科学和大数据的进步来改善疾病治疗和预防,还融合了复杂系统和网络科学、定量生物学和数字医疗的洞见,为患者护理带来重大进步。
◎ 作者：Manlio De Domenico, Luca Allegri, et al.
◎ 发表日期：2024-05-15
◎ 发表期刊：arXiv preprint
Figure：Precision medicine standard approach for digital twins. The framework relies on using large-scale heterogeneous data sources (pre-clinical, clinical, environmental, lifestyle, etc.). This massive database should be used by sophisticated computational models (such as deep learning), while relying solely on statistical data analysis to construct a series of digitalized instances – the digital twins – of a patient, which will then be used to test one or more therapeutic strategies for clinical decision-making.
04
Towards the Human Digital Twin: Definition and Design —— A survey
◎ 标题：迈向人类数字孪生：定义与设计——综述
◎ 摘要：人类数字孪生体(Human Digital Twins, HDTs)是一种正在迅速兴起的技术,在从医疗保健到体育等各个领域都有重大潜力。HDTs 通过将人类作为基础物理实体来扩展了数字孪生体的传统理解。这引入了几个重要的挑战,包括 HDTs 定义的模糊性以及对其设计缺乏指导。本调查汇总了 HDTs 领域的最新进展,根据其特点提出了跨领域的 HDTs 初步定义,并从相关挑战中提炼出 11 个关键设计要素,以指导未来的开发者。,同时也表明有必要提高聊天机器人算法的临床准确性。
◎ 作者：Martin Wolfgang Lauer-Schmaltz, Philip Cash, et al.
◎ 发表日期：2024-02-03
◎ 发表期刊：arXiv preprint
◎ 原文链接：https://arxiv.org/abs/2402.07922
Figure：A general conceptualization of Human Digital Twins defined as: A digital representation of a human (or specific aspect of a human); which uses a bi-directional data thread for on-going synchronization with the human’s state; and provision of feedback based on data aggregation and predictions to directly (or indirectly) influence the human entity, user(s) and/or their environment.
05
Health Digital Twins Supported by Artificial Intelligence-based Algorithms and Extended Reality in Cardiology
◎ 标题：基于人工智能算法和扩展现实的健康数字孪生在心脏病学中的应用
◎ 摘要：近期,人们在创建临床应用数字孪生体(HDT)方面做出了重大努力。心脏建模是增长最快的领域之一,有利于 HDT 的有效应用。HDT 的临床应用将在未来的医疗服务中越来越广泛,有很大的潜力成为医学主流。但这需要开发医疗数据分析的模型和算法,人工智能(AI)算法的进步已经彻底改变了图像分割过程。精确分割病变可有助于高效诊断过程和更有效的靶向治疗选择。本文简要概述了心脏病学及介入心脏病学领域 HDT 技术的最新成就。考虑了扩展现实(XR)和人工智能的应用,以及数据安全、技术风险和伦理相关问题。特别强调了自动分割问题。数据处理的改进将重点关注医学影像的自动分割,以及三维(3D)图像重建心脏和躯干解剖,可在基于 XR 的设备上显示。这将有助于发展有效的心脏诊断。人工智能、扩展现实和基于 HDT 的解决方案的结合,将有助于避免技术错误,并在个性化心脏病学发展中成为一种通用方法。此外,我们还描述了潜在应用、局限性和进一步的研究方向。
◎ 作者：Zofia Rudnicka, Klaudia Proniewska, et al
◎ 发表日期：2024-01-25
◎ 发表期刊：arXiv preprint
Figure: Health Digital Twin supported by Artificial intelligence and Extended Reality: a basic workflow.
