아폴로 13호가 달에 도착한 지 6분 1970년 산소 탱크가 폭발했습니다. 이 사건으로 NASA는 우주선의 잠재적 고장을 예측하는 새로운 접근 방식을 개발하게 되었습니다. 이 접근 방식은 연속 센서 데이터에 의존했고, 이를 통해 심층적인 디지털 시뮬레이션을 제공하여 복잡한 우주 항해 시스템에 대한 훨씬 더 엄격한 테스트를 가능하게 했습니다. 이는 “디지털 트윈” 기술을 처음으로 사용한 사례였습니다.
오늘, 디지털 트윈 시스템은 산업 전반에서 사용됩니다. 운영을 개선하고 시스템의 모든 변경 사항을 정확하게 시뮬레이션합니다. Apple과 Tesla와 같은 기술 회사는 디지털 트윈을 사용하여 현장에서 제품 성능을 모니터링하고 특정 시스템 구성 요소에 유지 관리가 필요한지 여부를 확인합니다.
디지털 트윈은 의료 분야에서도 사용되었지만, 주로 약물 연구 및 개발에 사용되었습니다. 그러나 가장 큰 잠재력은 만성 질환 관리에 있습니다. 머신 러닝과 사물 인터넷 기술을 디지털 트윈 AI와 결합함으로써 우주 탐사와 같은 광대한 것에서 시작된 접근 방식은 의료를 진정으로 개인화할 수 있는 잠재력을 가지고 있습니다.
기존 치료의 디지털화는 실패했습니다.
현대 의학은 지난 10년 동안 환자에게 의사 결정에 대한 발언권을 부여하고, 게놈 연구의 발전을 통해 정밀 의학으로 나아가면서 개인화된 치료를 향해 점진적으로 나아갔습니다. 둘 다 개인에게 맞는 치료를 제공하는 데 도움이 되었지만, 대부분의 경우 우리의 의료 시스템은 치료 제공에 “대규모 그룹” 접근 방식을 취합니다.
만성 질환을 관리하는 방식에서 분명하게 드러납니다. 현재 하나 이상의 만성 질환을 앓고 있는 1억 3,300만 명의 미국인은 모두 계획된 치료 경로(치료 요법, 유행식단, 종종 여러 가지 약물)에 따라 생활하고 있으며, 그들의 호전은 같은 질환을 앓고 있는 수천 명의 다른 개인들의 집단에서 측정됩니다.
이 접근 방식은 효과가 없었습니다. 악명 높게도, 미국 지출 당뇨병, 심장병, 암에 대한 치료는 계속 증가하고 있으며, 기술이 결과와 비용에 미치는 영향은 제한적입니다. 당뇨병, 체중 감량 및 기타 질환의 디지털 관리에서 그 영향은 요인이 아닙니다.
3월에 발표된 보고서는 다음과 같습니다. 피터슨 건강 기술 연구소 지속적인 결과의 부족을 강조했습니다. 보고서는 평가된 모든 솔루션이 시간이 지남에 따라 참여와 결과에 있어 성과가 좋지 않다는 것을 발견했습니다. 결과적으로 체중 감량, A1C 감소, 약물 중단, 당뇨병 역전, 이러한 솔루션의 건강, 웰빙 및 경제적 이점은 모두 제한적이고 지속 불가능합니다.
그 이유는 대부분 솔루션이 비효율적인 케어 템플릿을 디지털화하기 때문입니다. 개인의 차이를 고려하지 않습니다. 모든 사람은 자신의 건강에 깊은 개인적 수준에서 영향을 미치는 문화적, 생물학적, 식이적, 행동적, 환경적 요인을 가지고 있습니다.
‘개인화된’ 케어에서 개별화된 케어로 전환
디지털 트윈 AI는 템플릿에서 벗어나는 것을 약속합니다. 이 기술의 핵심은 모든 개인이 N의 1이라는 개념입니다. 개인의 디지털 트윈은 고유한 임상 및 행동 변수에 대한 지속적인 측정을 통해 정보를 얻고, 그 데이터를 사용하여 해당 개인의 가장 좋고 건강한 버전을 향한 케어 지침을 형성합니다.
디지털 트윈 기술의 힘은 작은 것들, 즉 우리가 먹고 하는 일과 그것들이 현재와 미래의 우리 자신에게 어떤 영향을 미치는지에 주의를 기울이는 데 있습니다. 실제로 디지털 트윈은 스테이크 저녁 식사가 특정 사람의 신진대사 또는 심혈관 건강에 미치는 영향을 정확하게 예측할 수 있습니다. 그 영향이 부정적일 수 있는 한, 디지털 트윈은 반향을 완화하는 방법을 제공할 수 있습니다. 10분 산책이나 대체 디저트를 제안할 수 있습니다. 아이스크림 대신 그릭 요거트와 신선한 베리를 곁들인 바나나 너트 브레드나 단순히 다른 시퀀스를 제안할 수 있습니다.
이런 방식으로 디지털 트윈 AI는 개인에게 현재 궤도를 유지하면 어떤 일이 일어날지, 그리고 시간이 지남에 따라 작은 조정을 통해 발생할 수 있는 큰 변화를 보여줄 수 있습니다. 현재 일상을 유지하면 3주 안에 메트포르민 복용을 중단할 수 있습니다. 오래된 습관으로 돌아가면 리필을 받을 수 있습니다.
강력한 기술이며 의료에 미치는 영향은 대체로 다음과 같은 경우에만 인식됩니다. 학계상업적 사용 사례에서 그 역할을 찾기 시작했습니다. 2014년 Dassault Systemes와 FDA가 출시했습니다. 시물리아 리빙 하트장치 제조업체와 협력하여 더 빠른 속도로 심장 장치를 개발하고 개선하는 프로젝트입니다. 팬데믹이 시작될 때 OnScale의 프로젝트 BreathEasy 코로나19 환자의 폐에 대한 디지털 트윈을 개발하여 인공호흡기 자원의 활용을 개선하고 최적화했습니다.
의학 연구자들도 디지털 트윈 질병 모델을 사용하여 복잡하고 매우 개별적인 생물학적 과정을 기반으로 약물 개입의 효과를 예측하고 있습니다. 다케다제약 제약 공정을 단축하고 생화학 반응에 대한 현실적인 입력-출력 예측을 하는 기술을 도입했습니다. 최근 연구자들은 디지털 트윈 기술을 사용하여 치료 결과를 시뮬레이션하다 개인에 따른 구인두암에 대한 가장 적합한 치료법을 결정합니다.
만성 질환 관리가 다음 전선입니다
에이 Nature에 최근 게재된 논문 디지털 트윈이 암 치료에 “상당한 기여를 할 준비가 되어 있다”고 주장하는데, 특히 질병의 진행을 모니터링하고 치료 반응을 평가하는 데 있어서 개인마다 차이가 있는 것으로 악명 높다. 같은 논문에서 영상, EHR, 유전 및 연속 착용형 데이터로 공급되는 심장 디지털 트윈과 급성 심장 사건을 예측할 수 있는 잠재력을 분석한다.
이러한 발전은 삶을 바꿀 수 있는 의료 기술로 이어질 것입니다. 그 힘은 목적의 핵심 개념에 있습니다. 복잡한 것은 정적이지 않습니다.
이는 특히 생물학적 시스템에서 그렇습니다. 디지털 트윈은 개인의 생물학, 문화, 라이프스타일, 선호도 및 건강 간의 상호 작용을 진정으로 이해하기 위해 개인당 하루에 수천 개의 데이터 포인트가 필요합니다. 이 데이터 중 일부는 이미 웨어러블과 모바일 앱에서 수집되고 있지만, 그 데이터를 개인과 그들의 케어 여정의 맥락에 넣는 모델이 없다면 방향타가 없습니다.
만성 질환 관리의 세계에서 작은 것들이 매우 빠르게 생명을 위협하는 큰 것으로 변할 수 있습니다. 그리고 디지털 건강이 “개인화”와 같은 언어로 환자의 희망을 높였지만, 사람들에게 제공된 도구와 접근 방식은 그들의 고유한 요구와 선호도를 다루지 못했습니다.
디지털 트윈 AI는 우리가 건강을 깊이 개인화된 수준에서 더 잘 이해하고 개선하도록 도와줌으로써 이러한 접근 방식을 뒤집을 것입니다. 이는 개별화된 케어의 약속을 이행할 준비가 된 기술입니다.
게시물 의료 분야의 AI는 작게 생각해야 합니다. 처음 등장 유나이트.AI.