Los puntos clave no están disponibles para este artículo en este momento.
En los últimos años, la integración de los avances tecnológicos y la digitalización en la atención sanitaria ha traído consigo una transformación notable en la entrega de cuidados y la gestión de pacientes. Entre estos avances, el concepto de gemelos digitales (DTs) ha ganado recientemente atención como una herramienta con un potencial transformador sustancial en diferentes contextos clínicos. Los DTs son representaciones virtuales de una entidad física (p. ej., un paciente o un órgano) o sistemas (p. ej., salas de hospital, incluyendo laboratorios), actualizadas continuamente con datos en tiempo real para reflejar su contraparte en el mundo real. Los DTs pueden ser utilizados para monitorear y personalizar la atención médica simulando el estado de salud de un individuo basado en información de dispositivos portátiles, dispositivos médicos, pruebas diagnósticas y registros electrónicos de salud. Además, los DTs pueden ser utilizados para definir planes de tratamiento personalizados. En este estudio, nos centramos en algunas posibles aplicaciones de los DTs en la medicina de laboratorio cuando se utilizan con IA y datos sintéticos obtenidos por IA generativa. El primer punto discutió cómo la aplicación de la variación biológica (BV) podría ser adaptada a individuos, considerando los datos de BV derivados de la población sobre parámetros de laboratorio y variaciones circadianas o ultradianas. Otra aplicación podría ser mejorar la interpretación de marcadores tumorales en terapia y tratamientos contra el cáncer avanzado. Además, las aplicaciones de los DTs podrían derivar intervalos de referencia personalizados, considerando también los datos de BV, o pueden ser utilizadas para mejorar la interpretación de resultados de pruebas. La adopción generalizada de los DTs en la atención sanitaria no es inminente, pero tampoco está lejos. Esta tecnología probablemente ofrecerá soluciones innovadoras y definitivas para evaluar dinámicamente tratamientos y diagnósticos más precisos para la medicina personalizada.
Padoan et al. (Vie,) estudiaron esta cuestión.