来自新加坡两大医疗集群的医生们,将很快使用数字孪生技术来检测并管理由糖尿病引起的慢性肾病(CKD),若未能得到及时治疗,这种疾病有可能会导致肾衰竭。
所谓数字孪生,是指基于个人生物数据所建立的对应的虚拟副本。
这种用于表现患者病情的虚拟副本,可用于模拟慢性病的进展以及可能的后续走向,从而帮助医生更好地做出诊疗决策。
这项计划将于2025年初在新加坡中央医院(SGH)、陈笃生医院(TTSH)、新加坡保健集团(Singapore Health Services,简称SingHealth),以及新加坡国家保健集团(NHG)旗下指定的综合性医院开展项目试点,尝试在不向患者收取额外费用的情况下进行临床应用。
目前项目已经获得了卫生科学局的监管批准。
新加坡中央医院内分泌科主任Bee Yong Mong副教授表示,数字孪生技术有望帮助新加坡摆脱由糖尿病导致的终末期慢性肾病发病率全球第三高的困境。
根据美国肾脏数据系统2023年发布的年度报告,文莱在2021年位列由糖尿病引发慢性肾病的发病率最高位置,每百万人口中有370人;墨西哥哈利斯科州紧随其后,以每百万人297人的发病率位居第二;新加坡则以每百万人250人的发病率排名第三。
糖尿病已经成为导致新加坡肾衰竭病例的首要原因,占新增病例的67%。过去10年间,新加坡的肾衰竭患者数量增加了40%。
目前,新加坡有超过47万名成年人患有糖尿病,其中约半数同时患有慢性肾病。
到2050年,新加坡的成年糖尿病患者数量预计将再翻一番,达到100万,新加坡的医生们当然希望能够尽早发现慢性肾病征兆,以便有效加以管理。
Bee教授解释称,“在对全体透析患者当中患有5期或终末期肾衰竭的病例进行观察时,会发现其中约70%同时患有糖尿病,这也成为肾病的潜在致病因素。而一旦达到5期阶段,他们的预期寿命会缩短16年。”
他同时补充道,“从2010年到2019年的趋势来看,我们发现终末期肾病的患病率开始大幅增加。我认为部分原因在于,我们的糖尿病患者在更好的诊疗服务之下延长了存活时间。”
来自专注于医疗服务数字化转型的健康科技初创公司Mesh Bio的首席执行官Andrew Wu博士表示,“我们相信这项技术将有助于减轻糖尿病并发症的负担,并推进个性化护理策略。”
Mesh Bio利用新加坡保健集团与新加坡国家保健集团旗下的两家医院及部分综合性诊所的数据,成功开发出HealthVector Diabetes——世界上首个基于人体生物学的数字孪生模型。
其代谢数字孪生软件会使用数据分析加人工智能,借此预测糖尿病患者在未来三年内罹患慢性肾病的风险。
目前,糖尿病患者需要通过每年定期的血液与尿液检查来监测糖尿病并发型肾病,这是因为早期肾病通常没有任何症状。也就是说,单项检测成为了解肾脏功能的唯一方法。
对来自新加坡中央医院、特拉尼达及多所综合性诊所的7000名患者的数据进行评估之后,即可得出预测肾功能恶化的风险评分。
根据空腹血糖水平、胆固醇测量值、体重指数以及血压等信息,该软件能够估算出此前不存在肾脏问题的2型糖尿病患者在未来三年内罹患慢性肾病的风险。
陈笃生医院(TTHS)内分泌学家、新加坡国家保健集团成员Rinkoo Dalan副教授表示,“HealthVector Diabetes通过工作成效表明,该软件的预测结果优于年度血液与尿液检测等其他预测模型。”
关于HealthVector Diabetes的开发与有效性研究,已经于2024年5月发表在npj Digital Medicine期刊上。
Bee教授解释称,“在此之后,我们又进一步开发了这种算法,随后通过添加SingHealth糖尿病登记信息对其进行了微调与验证。”
Rinkoo教授则提到,“改进之后的软件有望改变对糖尿病患者的护理思路,帮助医生利用分析信息来确定治疗的优先次序与强化手段,尽可能延缓肾衰竭的恶化进程。”
一旦试点计划于2025年初启动,Rinkoo教授预计医生们将能够为患者的血糖和血压控制建立个性化治疗方案,从而延缓慢性肾病以及其他并发症的出现或者发展。
她总结道,“如此一来,糖尿病患者将额外获得15年的生命,同时摆脱终末期肾衰竭的困扰、拥抱更高的生活质量。”
好文章,需要你的鼓励
北京大学团队开发的DragMesh系统通过简单拖拽操作实现3D物体的物理真实交互。该系统采用分工合作架构,结合语义理解、几何预测和动画生成三个模块,在保证运动精度的同时将计算开销降至现有方法的五分之一。系统支持实时交互,无需重新训练即可处理新物体,为虚拟现实和游戏开发提供了高效解决方案。
AI硬件的竞争才刚刚开始,华硕Ascent GX10这样将专业级算力带入桌面级设备的尝试,或许正在改写个人AI开发的游戏规则。
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习和环境重塑能力,为政策制定、教育创新和社会治理提供前所未有的模拟工具。