AI i sundhedssektoren skal tænke småt

Seks minutter inde i Apollo 13’s mission til månen i 1970 eksploderede ilttanken. Begivenheden fik NASA til at udvikle en ny tilgang til at forudsige mulige fejl i deres rumfartøjer. Tilgangen afhængede af kontinuerlige sensordata, som derefter fik ført dybe digitale simulationer, der muliggjorde en langt mere rigorøs testning af komplekse rumfartssystemer. Det var den allerførste brug af “digital tvilling”-teknologi.

I dag bruges digitale tvillingssystemer på tværs af brancher til at forbedre operationer og nøjagtigt simulere enhver ændring i et system. Teknologivirksomheder som Apple og Tesla bruger digitale tvillinger til at overvåge produktpræstation i markedet og bestemme, om bestemte systemkomponenter kræver vedligeholdelse.

Digitale tvillinger er også blevet brugt i sundhedssektoren, om end overvejende i lægemiddelforskning og udvikling. Deres største potentiale ligger dog i kronisk sygdomsbehandling. Ved at kombinere maskinelæring og Internet of Things-teknologi med digital tvilling-AI kan en tilgang, der oprindeligt stammede fra noget så stort som rumforskning, have potentialet til at gøre sundhedspleje virkelig individualiseret.

Digitalisering af traditionel sundhedspleje er fejlet

Moderne medicin har gjort skridt mod personliggjort sundhedspleje over de sidste ti år ved at give patienter en stemme i beslutningstagningen og mod præcisionsmedicin gennem fremskridt i genetisk forskning. Begge har hjulpet til at tilpasse sundhedspleje til den enkelte, men for det meste tager vores sundhedssystem en “stor gruppe”-tilgang til sundhedspleje.

Det er tydeligt i, hvordan vi håndterer kronisk sygdom. Hver eneste af de 133 millioner amerikanere, der i øjeblikket lever med en eller flere kroniske sygdomme, bliver sat på en planlagt sundhedsplejevej – en behandlingsregime, en diæt, ofte en række mediciner – og deres forbedring måles i batcher af tusinder af andre personer, der deler deres tilstand.

Denne tilgang har ikke virket. Bemærkelsesværdigt amerikanske udgifter til diabetes, hjertesygdom og kræft fortsætter med at stige, og teknologiens indvirkning på resultater og omkostninger har været begrænset. I digital sundhedspleje af diabetes, vægttab og andre tilstande har denne indvirkning været en ikke-faktor.

I marts offentliggjorde Peterson Health Technology Institute en rapport, der understregede denne manglende varig effekt. Rapporten fandt, at alle de vurderede løsninger opfører sig dårligt, når det kommer til engagement og resultater over tid. Som følge heraf er vægttab, reduktion af A1C, eliminering af medicin, ophævelse af diabetes og de sundheds-, trivsels- og økonomiske fordele ved disse løsninger både begrænsede og uholdbare.

Det skyldes, at de fleste løsninger blot digitaliserer en ineffektiv skabelon for sundhedspleje. De tager ikke hensyn til individuelle forskelle. Hver person bringer sin egen sæt af kulturelle, biologiske, diætiske, adfærdsmæssige og miljømæssige faktorer, der påvirker deres sundhed på et dybt individuelt niveau.

Fra ‘personliggjort’ sundhedspleje til individualiseret sundhedspleje

Digital tvilling-AI lover en afvigelse fra skabelonen. Kernekonceptet i teknologien er, at hver enkelt person er en N af en. En persons digitale tvilling informeres af en kontinuerlig måling af deres unikke kliniske og adfærdsmæssige variable og bruger disse data til at forme sundhedsplejevejledning mod den bedste og sundeste version af den enkelte.

Den digitale tvillingsteknologis kraft ligger i dens opmærksomhed på de små ting – det, vi spiser og gør – og hvordan det påvirker vores nuværende og fremtidige selv. I praksis kan digitale tvillinger nøjagtigt forudsige effekten af en steakmiddag på en bestemt persons metaboliske eller kardiovaskulære sundhed. I den udstrækning, som denne effekt kan være negativ, kan digitale tvillinger tilbyde måder at mildne konsekvenserne på. Det kan foreslå en 10-minutters gåtur eller en alternativ dessert. I stedet for is kan det være banan-mandelbrød med græsk yoghurt og friske bær eller blot en anden sekvens.

På denne måde kan digital tvilling-AI vise en person, hvad der er i vente for dem, hvis de fortsætter på deres nuværende kurs, og de store ændringer, der kan opstå ved at foretage små justeringer over tid. Hvis du fastholder din nuværende rutine, kan du stoppe med at tage metformin om tre uger. Hvis du falder tilbage i gamle vaner, kan du forvente at få en genopfyldning.

Det er en kraftfuld teknologi, og selvom dens indvirkning på sundhedssektoren overvejende er blevet anerkendt i akademiske kredse , begynder den at finde sin rolle i kommercielle brugs Tilfælde. I 2014 lancerede Dassault Systemes og FDA SIMULIA Living Heart , et projekt, der arbejder med enhedsproducenter til at udvikle og forfine kardiovaskulære enheder i en hurtigere takt. Ved begyndelsen af pandemien udviklede OnScales Project BreathEasy en digital tvilling af lungerne hos COVID-19-patienter for at forbedre og optimere brugen af ventilatorressourcer.

Medicinske forskere bruger også digitale tvillingssygdomsmodeller til at forudsige effekten af farmakologiske interventioner baseret på komplekse, ekstremt individuelle biologiske processer. Takeda Pharmaceuticals har omfattet teknologien til at forkorte farmakologiske processer og gøre realistiske input-output-forudsigelser for biokemiske reaktioner. Mere nyligt brugte forskere digital tvillingsteknologi til at simulere behandlingsresultater og bestemme den bedste behandling for orofaryngeal carcinoma baseret på den enkelte.

Kronisk sygdomsbehandling er den næste front

En nylig artikel offentliggjort i Nature hævder, at digitale tvillinger er “parat til at bidrage væsentligt” til kræftbehandling, især i overvågning af sygdommens fremgang og evaluering af behandlingsresultater, der berømmes som individuelt varierende. Den samme artikel analyserer kardiovaskulære digitale tvillinger, der fødes af billed-, EHR-, genetisk og kontinuerlig bærbart data, og deres potentiale til at forudsige akutte kardiovaskulære begivenheder.

Disse fremskridt vil give anledning til liv-forandrende sundhedsteknologier. Deres kraft ligger i et koncept, der er kerne til deres formål: intet komplekst er statisk.

Dette er særligt sandt for vores biologiske systemer. En digital tvilling kræver tusinder af datapunkter pr. dag pr. person for virkelig at forstå samspillet mellem en persons biologi, kultur, livsstil, præferencer og sundhed. Nogen af disse data indsamles allerede af bærbare enheder og mobilapps, men uden en model, der sætter disse data i kontekst af personen og deres sundhedsrejse, er det uden retning.

I verden af kronisk sygdomsbehandling kan de små ting meget hurtigt blive til store, livstruende ting. Og mens digital sundhed har været fuld af håb for patienter med sprog som “personliggjort”, har de værktøjer og tilgange, der er blevet tilbudt mennesker, ikke tilgodeset deres unikke behov og præferencer.

Digital tvilling-AI vil vende denne tilgang på hovedet ved at hjælpe os bedre med at forstå og forbedre vores sundhed på et dybt personligt niveau. Det er en teknologi, der er parat til at opfylde løftet om individualiseret sundhedspleje.