数字孪生将加速未来个性化健康的发展

美国迈阿密大学米勒医学院的研究人员日前公布了一个名为MILBox的研究项目，该项目旨在利用从家里和身体上的传感器收集的健康和环境数据，创建基于个人的数字孪生。个人数字孪生创建好后，医疗保健从业人员可以将人工智能（AI）用于个人数字孪生，进而可以进行虚拟测试及评估各种治疗方案和潜在结果，然后再将其应用到物理世界。

MILBox项目最先源于米勒学院最近启动的媒体和创新实验室（TheMIL）及与亚马逊网络服务（AWS）和开放健康网络合作。MILBox项目标志着我们向健康和保健的新模式迈出的重要一步，我们将来可以基于直接从个人及其当地环境收集的数据提供精确的、个性化医疗。

IDSC成员Azizi Seixas博士是媒体和创新实验室（TheMIL）创始主任、米勒医学院转化睡眠和昼夜科学项目副主任、全国领先的睡眠健康专家，参与该项目合作的专家还有转化睡眠和昼夜科学项目主任、精神病学和行为科学教授Girardin Jean-Louis博士。

从睡眠开始

MILBox项目的第一阶段基于Seixas博士早期由美国国立卫生研究院（NIH）资助的研究，第一阶段将研究睡眠不佳（包括睡眠呼吸暂停等情况）与严重健康疾病（包括心脏病和痴呆症）之间的联系。项目将利用病人佩戴的和基于家庭的传感器和测试套件收集生物、临床、行为和环境数据，进而评估睡眠模式、体重、空气质量和压力水平。MILBox配有一系列的设备，用于采集和编排各种数据，包括：

• 一台流动血压监测器
• 一台测量睡眠和觉醒周期的行动记录仪
•  一杆智能秤
• 一台空气质量设备
• 一部移动电话，用于安全地将数据传输到云端。

Seixas博士表示，“我们想展示的是，这种个性化的数据采集可以刺激医疗保健领域的新研究和个性化。我们能够收集关于一个个体的一切数据，就可以改变人类和他们的健康之间的关系。”

MILBox项目的数据可以利用基于云的技术进行安全管理和分析，例如由AWS提供支持机器学习（ML）。媒体和创新实验室和AWS的主题专家将开发一个基于云的远程病人监测平台，其中包括一个与电子健康记录（EHR）系统集成的医疗数据湖，用于推动个性化护理。

AWS研究主管Andreia Pierce博士（拥有MBA学位）表示，“我们很高兴与媒体和创新实验室及迈阿密大学米勒医学院的医疗保健创新者合作共同建立一个专注于学术医学的医疗创新生态系统，包括医学教育、临床护理、研究和社区推广。AWS将支持科技架构、培训研讨会以及其他有助于改善健康结果的活动的开发和发展。”

该研究项目的参与者将收到一个MILBox套件，其中包含测量和传输健康和环境数据所需的所有必要的传感器和设备，包括一部手机，手机的作用是连接所有设备并将数据传输到云端。该项目在去年年底招募了第一批参与者，目前正在招募这一阶段包括1500名多样化群体参与者，重点是佛罗里达州和纽约三州地区传统上服务不足的社区或有色人种社区。

创建数字孪生

套件的传感器将从每个参与者收集连续七天的纵向数据。这些测量结果然后整合在一起创建一个对某个个体来说独一无二的“生物健康算法”。该算法就成了该个体的“数字孪生”，研究人员则可以借助数字孪生采用人工智能和其他技术来确定睡眠不佳和其他健康状况之间的联系。

这种“数字双胞胎”到最后可以涵括关于某个个体足够多的细节，以至于计算机可以根据其模型测试不同的治疗或保健方案以及预测最可能的最佳结果是什么。这种新方法将为每个患者提供个性化的建议，从而得到对他们来说最好的结果，而不是根据一个大群体结果的统计模型去开一个治疗处方。

管理、处理和保护这些诸多数据隐私的工作靠的是加州山景城的Open Health Network（开放健康网）PatientSphere 2.0技术平台。PatientSphere 2.0是一个具有个性化的、符合HIPAA标准的护理协作管理系统，PatientSphere 2.0整合了来自各种来源的健康和医疗数据并支持患者和广泛的护理团队之间的无缝沟通。利用区块链技术和大数据技术，开放健康平台将支持用户智能手机上的MILBox应用程序，开放健康平台还负责维护基于云的数据采集系统及管理数据分析和构建“数字孪生”算法。

开放健康网络的创始人兼首席执行官Tatyana Kanzaveli表示，“MILBox必将彻底改变数字健康领域，而要做到这一点就需要先进、灵活和强大的技术，而这些正是开放健康网络和PatientSphere 2.0的核心。我们公司将与Seixas博士合作共同创建先进的平台和应用程序，用于实现这种医疗保健的创新，同时保护宝贵及敏感的个人数据。”

最初的MILBox包含了已知品牌里各种最佳的传感器，但MILBox的基础技术则是跨设备的，因此可以随时换成别的、更好的传感器。数据的收集也可以扩展到包括别的实时生物、数字、行为、临床、社会心理和环境数据，进而提高“数字孪生”的能力达到可以对个人的整体健康进行建模的目的。

Seixas表示，“用户可以根据用例情况增加和减少不同的设备。我们的设计是面向未来，能够担负起创造新的个性化医疗保健的重任。”