數字孿生市場主要目標是工業和製造業，據《財富商業洞察》預測，數字孿生市場2023年的市值將達到115.1億美元，到 2030年其年複合增長率將達到42.6%。而新興的生物數字孿生子集也正受到越來越多的關注。
打造一個與醫學相關的人類數字替身的想法其實並不再像以前那麼遙遠，2022年8月發表的一篇綜述文章僅以心血管疾病為重點，文章發現有15家公司對該新興領域有商業興趣以及3項與心臟相關的專利申請和88篇同行評審論文。
這些都是數字孿生在生物醫療領域的應用基礎。
心血管生物數字孿生
大家對數字孿生整體類別的興趣激增，導致了一些混亂。這種混亂在所謂的「技術炒作」周期中常常發生，仔細研究一下心血管生物數字孿生有助于澄清問題。
首先，這個小眾領域的存在說明了一些問題。
應用於生物醫療領域的數字孿生並不一定代表整個人，和創建飛機機翼或起落架等子系統的孿生體一樣，可以對生理系統建模，生理系統更小一些，並不是整個人體。
其次，孿生並非純粹由數據驅動。
心血管生物數字孿生不是一系列心電圖讀數、壓力測試結果、血壓讀數或其他類似數據，數字孿生在最開始時需要構建物理模型所需的參數，例如四個相互連接的心腔與靜脈和動脈網路相連，進而實現確定的血流量。
這兩點聽起來可能很簡單，但思維上的模糊卻比比皆是。只是簡單地將健康數據和人工智慧混在一起並不能得到數字孿生，這樣做不能強化個人電子健康記錄，也無法實現醫學上有效的模擬、測試和預測目標。
數字孿生的模擬模型
如果你正在構建「客戶的數字孿生」，萬一出錯，可能會對業務產生影響，但不會造成生死攸關的後果。
而心血管數字孿生的早期用例都極有可能涉及危重病人，因此數字孿生組成部分的定義必須精確。
心血管系統非常複雜，但可以對其進行機械式的描述。
例如，一個電路圖中的電容器、二極體和電阻器可以代表人的心腔、瓣膜和全身的血管，電流則代表血液流動，這樣理解的話，該模型就是由模擬電路驅動的系統而不是由二元數據驅動。這一點也就成了建立各種假設情景的框架。
數字孿生的形成
要將通用模型調整為個體數字孿生模型需要結合群體層面的知識和患者自身的數據，從我們的角度來看，這一過程包括兩個步驟。
首先是建立一個數字群體，其中包括各種假設場景和不同情況下的相應預測測量結果，這可能涉及使用大型公共衛生數據集的各項工作。
接下來是將觀察到的患者測量數據與觀察到的情境結合起來，再使用統計推斷找到哪些最初的假設場景最有可能解釋當前的觀察結果。這種假設場景的分布就形成了數字孿生。
讓我們為心臟升級
心臟的數字孿生體並不是個能夠以虛擬的方式拿到手裡左右轉動的三維全息圖，這其實其實存在一個誤解，數字孿生終歸看上去確實是個相當樸素的數學模型。
我們的心血管生物數字孿生的目標是找到科學合理的方法，提高個體心臟狀況的可視性，降低心臟衰竭對全球死亡率的負面作用。其他生物數字孿生可能也有類似的願景。而對於製造、運輸和其他領域的數字孿生系統，目標也是系統模擬，以便更好地了解它及支持更好的決策制定。
不管是哪種情況，如果您正在參與這一類的數字孿生計劃，請考慮採用以下的共識和方法：
將最終目標放在首位，而不是將技術放在首位。
充分認識到建立數字孿生系統需要一個能代表目標系統的好模型，而且該模型必須是為特定的最終目標專門建立的。
結合群體數據和個人數據生成假設場景和預測。
牢記數學的重要性：生物數字孿生更多的是統計分布，而不是光亮的物體。
數字孿生的市場價值如此之高，其原因是數字孿生的巨大改進潛力，生物醫療領域的數字孿生則有望延長生命。
