AI in sjukvården bör tänka smått

Sex minuter in i Apollo 13:s uppdrag till månen 1970 exploderade syretanken. Händelsen fick NASA att utveckla en ny metod för att förutsäga möjliga fel i sina rymdfarkoster. Metoden byggde på kontinuerliga sensordata, som sedan matades in i djupa digitala simuleringar, vilket möjliggjorde en mycket mer rigorös testning av komplexa rymdsystem. Det var den allra första användningen av “digital tvilling”-teknik.

Idag används digitala tvillingssystem inom olika branscher för att förbättra verksamheten och exakt simulera eventuella förändringar i ett system. Teknologiföretag som Apple och Tesla använder digitala tvillingar för att övervaka produktens prestanda på fältet och avgöra om specifika systemkomponenter kräver underhåll.

Digitala tvillingar har också använts inom sjukvården, om än främst inom läkemedelsforskning och utveckling. Deras största potential ligger dock inom kronisk sjukdomshantering. Genom att kombinera maskinlärning och Internet of Things-teknik med digital tvilling-AI, har en metod som ursprungligen utvecklades för något så stort som rymdutforskning potentialen att göra sjukvården riktigt individualiserad.

Digitalisering av traditionell vård har misslyckats

Den moderna medicinen har gjort gradvisa framsteg mot personlig vård under det senaste decenniet genom att ge patienterna en röst i beslutsfattandet och mot precisionsmedicin genom framsteg inom genetisk forskning. Båda har hjälpt till att anpassa vården till individen, men vår sjukvårdssystem tar i allmänhet en “stor grupp”-ansats till vårdleverans.

Det märks i hur vi hanterar kronisk sjukdom. Var och en av de 133 miljoner amerikaner som för närvarande lever med en eller flera kroniska sjukdomar sätts på en planerad vårdväg – en behandlingsregim, en diet, ofta ett antal läkemedel – och deras förbättring mäts i batcher om tusentals andra individer som delar deras tillstånd.

Denna ansats har inte fungerat. Som är välkänt, USA:s utgifter för diabetes, hjärtsjukdomar och cancer fortsätter att öka, och teknikens påverkan på resultat och kostnader har varit begränsad. I digital hantering av diabetes, viktminskning och andra tillstånd har denna påverkan varit en icke-faktor.

I mars publicerades en rapport av Peterson Health Technology Institute som underströk bristen på varaktiga resultat. Rapporten fann att alla utvärderade lösningar presterar dåligt när det gäller engagemang och resultat över tid. Som ett resultat är viktminskning, A1C-reduktion, eliminering av läkemedel, diabetesreversering och de hälsomässiga, välbefinnande- och ekonomiska fördelarna med dessa lösningar både begränsade och ohållbara.

Det beror på att de flesta lösningar bara digitaliserar en ineffektiv mall för vård. De tar inte hänsyn till individuella skillnader. Varje person har sin egen uppsättning kulturella, biologiska, dietiska, beteendemässiga och miljömässiga faktorer som påverkar deras hälsa på ett djupt individuellt plan.

Från “personlig” vård till individualiserad vård

Digital tvilling-AI lovar en avvikelse från mallen. Kärnan i tekniken är konceptet att varje individ är en N av en. En individs digitala tvilling informeras av en kontinuerlig mätning av deras unika kliniska och beteendemässiga variabler och använder dessa data för att forma vårdvägledning mot den bästa och hälsosammaste versionen av den enskilda individen.

Kraften i digital tvillingsteknik ligger i dess uppmärksamhet på de små sakerna – de saker vi äter och gör – och hur de påverkar vår nuvarande och framtida hälsa. I praktiken kan digitala tvillingar exakt förutsäga effekten av en steakmiddag på en specifik persons metaboliska eller kardiovaskulära hälsa. I den utsträckning som denna påverkan kan vara negativ kan digitala tvillingar erbjuda sätt att mildra följderna. Det kan föreslå en 10-minuters promenad eller ett alternativt dessert.

På detta sätt kan digital tvilling-AI visa en individ vad som är i förvar för dem om de fortsätter på sin nuvarande bana och de stora förändringar som kan ske genom att göra små justeringar över tid. Håll fast vid din nuvarande rutin, och du kommer att kunna sluta ta metformin om tre veckor. Falla tillbaka i gamla vanor, och du kan förvänta dig att hämta en påfyllning.

Det är en kraftfull teknik, och medan dess påverkan på sjukvården till stor del har erkänts endast inom akademin, börjar den hitta sin roll i kommersiella användningsfall. 2014 lanserade Dassault Systemes och FDA SIMULIA Living Heart, ett projekt som arbetar med enhets­tillverkare för att utveckla och förbättra kardiovaskulära enheter i en snabbare takt. Vid pandemins början utvecklade OnScales Project BreathEasy en digital tvilling av COVID-19-patienters lungor för att förbättra och optimera användningen av ventilatorresurser.

Medicinska forskare använder också digitala tvillingssjukdomsmodeller för att förutsäga effektiviteten av farmakologiska ingrepp baserat på komplexa, extremt individuella biologiska processer. Takeda Pharmaceuticals har omfamnat tekniken för att förkorta farmakologiska processer och göra realistiska indata-utdataförutsägelser för biokemiska reaktioner. Nyligen använde forskare digital tvillingsteknik för att simulera terapiresultat och bestämma den bästa behandlingen för orofaryngeal carcinom baserat på den enskilda individen.

Kronisk sjukdomshantering är den nästa fronten

En nyligen publicerad rapport i Nature hävdar att digitala tvillingar “är redo att göra betydande bidrag” till cancer­vården, särskilt när det gäller att övervaka sjukdomens progression och utvärdera behandlingssvar, som ökänt varierar från individ till individ. Samma rapport analyserar kardiovaskulära digitala tvillingar som matas av avbildnings-, EHR-, genetiska och kontinuerliga wearabledata och deras potential att förutsäga akuta kardiovaskulära händelser.

Dessa framsteg kommer att leda till livsförändrande sjukvårdsteknologier. Deras kraft ligger i ett koncept som är kärnan i deras syfte: ingenting komplext är statiskt.

Detta gäller särskilt våra biologiska system. En digital tvilling kräver tusentals datapunkter per dag, per individ, för att verkligen förstå samspelen mellan en individs biologi, kultur, livsstil, preferenser och hälsa. En del av dessa data samlas redan in av wearables och mobilappar, men utan en modell som sätter dessa data i sammanhanget med den enskilda individen och deras vårdresa är de utan styrsystem.

I världen av kronisk sjukdomshantering kan de små sakerna mycket snabbt bli stora, livshotande saker. Och medan digital hälsa har väckt patienternas förhoppningar med uttryck som “personligisering”, har de verktyg och metoder som har erbjudits till människor inte tillgodosett deras unika behov och preferenser.

Digital tvilling-AI kommer att vända denna ansats på huvudet genom att hjälpa oss att bättre förstå och förbättra vår hälsa på ett djupt personligt plan. Det är en teknik som är redo att infria löftet om individualiserad vård.