Models in Medicine: the Digital Twin for Health

Autores/as

  • Vicente Basaure Universidad de Valparaíso

DOI:

https://doi.org/10.22370/sst.2025.10.4872

Palabras clave:

in silico, Ingeniería Biomédica, Predicción, Matemático, Representación

Resumen

Este artículo explora el papel de los modelos en la medicina con un enfoque en la evolución y aplicación de modelos matemáticos y computacionales, en particular los Gemelos Digitales (GDs). Los modelos en la ciencia sirven como herramientas esenciales para representar sistemas y fenómenos complejos, lo que permite a los investigadores predecir resultados y desarrollar estrategias efectivas. Históricamente, los modelos han sido fundamentales para los avances en varios campos médicos, desde la farmacocinética hasta la propagación de enfermedades y la respuesta tumoral a ciertos tratamientos. En la medicina moderna, los modelos predictivos, incluidos los GDs, ofrecen un potencial transformador al mejorar los resultados de los pacientes a través de la medicina personalizada, optimizar la gestión sanitaria y avanzar en la investigación biomédica. Los Gemelos Digitales, que son réplicas digitales detalladas de entidades físicas, están emergiendo como herramientas críticas en el ámbito de la salud, capaces de simular desde órganos individuales hasta sistemas hospitalarios completos. A pesar de su promesa, la implementación de los GDs enfrenta desafíos como la privacidad de los datos, la integración de información y la precisión de los modelos. Superar estos obstáculos requiere colaboración entre proveedores de salud, investigadores y desarrolladores tecnológicos. A medida que este campo avanza, se espera que estos modelos cambien significativamente el futuro de la ciencia médica.

Citas

Alinier, G., Hunt, B., Gordon, R., & Harwood, C. (2006). E↵ectiveness of intermediate-fidelity simulation training technology in undergraduate nursing education. Journal of Advanced Nursing, 54 (3) pp. 359-369. doi:10.1111/j.1365-2648.2006.03810.x

Baillargeon, B., Rebelo, N., Fox, D. D., Taylor, R. L., & Kuhl, E. (2014). The Living Heart Project: A robust and integrative simulator for human heart function. Eur. J. Mech. A Solids, 48 pp. 38–47.

Cassini, Alejandro. (2016). “Modelos cient´ıficos”. En Diccionario Interdisciplinar Austral, editado por Claudia E. Vanney, Ignacio Silva, y Juan F. Franck. URL=http://dia.austral.edu.ar/Modelos_cientificos.

Digital Twin Consortium. (2020). Digital twin definition. https://www.digitaltwinconsortium.org/2020/12/digital-twin-consortium-defines-digital-win/. (Accessed 30vJuly 2024)

Cilla, M., Martinez, J., Pe˜na, E., & Martinez, M. A. (2012). Machine learning techniques as a helpful tool toward determination of plaque vulnerability. IEEE Transactions on Biomedical Engineering, 59 (4), 1155e1161. https://doi.org/10.1109/TBME.2012.2185495

DISCIPULUS Project. (2012). The digital patient: Roadmap. https: //cordis.europa.eu/docs/projects/cnect/3/288143/080/deliverables/001-discipulusleafletextendedversion1.pdf. (Accessed 30 July 2024)

Erdemir et al. J Transl Med, 18(369), 2020. https://doi.org/10.1186/s12967-020-02540-4

Frigg, Roman, and Stephan Hartmann. “Models in Science.”The Stanford Encyclopedia of Philosophy (Fall 2024 Edition), Edward N. Zalta & Uri Nodelman (eds.). URL=https://plato.stanford.edu/archives/fall2024/entries/models-science/.

Hodges, Wilfrid. “Model Theory.”The Stanford Encyclopedia of Philosophy (Fall 2023 Edition), Edward N. Zalta & Uri Nodelman (eds.). URL=https://plato.stanford.edu/archives/fall2023/entries/model-theory/.

Hodgkin, A. L., & Huxley, A. F. (1952). A quantitative description of membrane current and its application to conduction and excitation in nerve. The Journal of Physiology, 117 (4) , pp. 500-544. doi: 10.1113/jphysiol.1952.sp004764

Katsoulakis, E., Wang, Q., Wu, H., et al. (2024). Digital twins for health: a scoping review. npj Digit. Med., 7, p. 77. https://doi.org/10.1038/s41746-024-01073-014

Models in Medicine: the Digital Twin for Health Kermack, W. O., & McKendrick, A. G. (1927). A Contribution to the Mathematical Theory of Epidemics. Proceedings of the Royal Society of London. Series A Containing Papers of a Mathematical and Physical Character, 115 (772) , pp. 700-721. doi:10.1098/rspa.1927.0118 Kolla, L., Gruber, F. K., Khalid, O., Hill, C., & Parikh, R. B. (2021).

The case for AI-driven cancer clinical trials - The efficacy arm in silico. Biochim Biophys. Acta Rev. Cancer, 1876, 188572.

Lamas, A. (2016). Historia de la Medicina: Hechos y personajes (2da Edición). Editorial Mediterráneo, Chile, p. 82-83.

Michaelis, L., & Menten, M. L. (1913). Die Kinetik der Invertinwirkung. Biochemische Zeitschrift, 49 pp. 333-369.

Osorio, J.A., Scheer, J.K., & Ames, C.P. (2016). Predictive modeling of complications. Curr. Rev. Musculoskelet. Med., 9 pp. 333–337.

Paul, G. (2023). Digital Human Modeling and Medicine: The Digital Twin. ACADEMIC PRESS, Elsevier International.

Redmond, J. (2022). El desafío de razonar sustitutivamente en la práctica de modelización en ciencia. Cuadernos Filosóficos, 19.

Rifaioglu, A. S., et al. (2019). Recent applications of deep learning and machine intelligence on in silico drug discovery: methods, tools, and databases. Brief. Bioinform, 20, pp. 1878–1912.

Sahal, R., Alsamhi, S. H., & Brown, K. N. (2022). Personal Digital Twin: A Close Look into the Present and a Step towards the Future of Personalized Healthcare Industry. Sensors (Basel), 22. https://doi.org/10.3390/s22155918.

Simeoni, M., Magni, P., Cammia, C., De Nicolao, G., Croci, V., Pesenti, E., Germani, M., Poggesi, I., & Rocchetti, M. (2004). Predictive pharmacokinetic-pharmacodynamic modeling of tumor growth kinetics in xenograft models after administration of anticancer agents.

Cancer Research, 64 (3) , pp. 1094-1101. doi:10.1158/0008-5472.CAN-03-2524

Sun, T., He, X., Song, X., Shu, L., & Li, Z. (2022). The Digital Twin in Medicine: A Key to the Future of Healthcare? FrontMed (Lausanne), 9, 907066.

Toma, M., Wei, O.C. (2023). Predictive Modeling in Medicine. Encyclopedia, 3 , pp. 590–601. https://doi.org/10.3390/encyclopedia3020042

Wakefield, J. (2022). Why you may have a thinking digital twin within a decade. BBC News. https://www.bbc.com/news/business-61742884.

Descargas

Publicado

2025-04-08

Cómo citar

Basaure, V. (2025). Models in Medicine: the Digital Twin for Health. Serie Selección De Textos , 10, 3–16. https://doi.org/10.22370/sst.2025.10.4872