¿Qué son los gemelos digitales?

(Infobae) Los gemelos digitales funcionan como réplicas virtuales de cada persona: toman sus datos de salud, hábitos y genética, y los usan para simular, con precisión, cómo evolucionaría un paciente ante distintas amenazas y terapias.

El avance, acelerado por los últimos conocimientos en inteligencia artificial, promete, para muchos científicos, una revolución en la medicina comparable a la secuenciación del genoma.

¿Estamos ante el fin de la medicina de “ensayo y error”? ¿Qué significa para el paciente que ya exista un “yo digital” capaz de predecir y evitar enfermedades? ¿Qué desafíos éticos y regulatorios abre esta tecnología?

Laboratorios y centros de investigación ya están probando estos sistemas computacionales, que combinan registros clínicos, análisis genéticos, imágenes biomédicas y métricas de dispositivos portátiles.

Así logran simular en tiempo real la evolución de la salud y predecir la respuesta a tratamientos posibles, incluso antes de que el paciente desarrolle síntomas. “Los modelos virtuales de pacientes pueden predecir resultados de salud, simular tratamientos y respaldar la toma de decisiones clínicas”, resumió Christoph Sadée, especialista del Centro de Investigación en Informática Biomédica de la Universidad de Stanford.

El alcance de los gemelos digitales fue abordado en la última edición del newsletter de Singularity Chile, la delegación regional de Singularity University, una organización global fundada en Silicon Valley en 2008, dedicada a capacitar líderes y organizaciones en nuevas tecnologías. Los expertos postularon que la convergencia de inteligencia artificial, biotecnología y el manejo masivo de datos permite hacer realidad hoy un futuro que parecía reservado a la ciencia ficción.

La implementación de gemelos digitales médicos plantea interrogantes en torno a la ética, la privacidad de los datos, y la relación médico-paciente.

Según define Stanford Medicine, un gemelo digital médico es “una representación digital de un paciente que se actualiza continuamente con datos reales, provenientes de fuentes que van desde exámenes de laboratorio y resultados de imagenología, hasta dispositivos de monitoreo portátil y perfiles genéticos”.

Esta contraparte virtual, o “paciente in silico”, evoluciona de forma paralela al paciente físico y permite una atención personalizada y preventiva como nunca antes.

En un artículo publicado en julio de este año en The Lancet Digital Health, un equipo internacional de investigadores señaló que los gemelos digitales médicos no son solo modelos computacionales, sino un sistema que integra cinco pilares esenciales: el paciente real, la conexión y fusión de datos (clínicos, de imagen, genéticos, etc.), el paciente in silico (modelo virtual), la interfaz que permite la interacción con médicos y pacientes, y la sincronización continua de datos entre el mundo real y el virtual.

Esta estructura es la base que diferencia un gemelo digital real de simples modelos predictivos convencionales.

Los autores del artículo publicado en The Lancet, señalaron además que uno de los grandes desafíos de la medicina actual es el volumen de datos a integrar: “Los modelos virtuales de pacientes pueden predecir resultados de salud, simular tratamientos y respaldar la toma de decisiones clínicas”, resumió Sadée.

De este modo, los gemelos digitales facilitan la personalización de las terapias: al permitir simulaciones precisas sobre la respuesta a distintos medicamentos o intervenciones, abren la posibilidad de una medicina individualizada y preventiva.

Un equipo del Instituto Weizmann de Ciencias de Israel desarrolló un gemelo digital personalizado capaz de calcular la edad biológica de una persona y anticipar su riesgo de desarrollar enfermedades. Utilizando inteligencia artificial y datos médicos recopilados de decenas de miles de voluntarios —incluyendo genética, microbioma, mediciones corporales y monitoreo continuo de la salud—, el modelo predice desviaciones en el envejecimiento biológico y permite simular la eficacia de dietas y tratamientos antes de aplicarlos.

El profesor Eran Segal, líder del proyecto, destacó: “El modelo asigna puntuaciones a cada sistema corporal y compara estos valores con los esperados para la edad cronológica, el sexo y el índice de masa corporal del participante”.

Gracias a este enfoque, los investigadores detectaron prediabetes en un 40% de personas consideradas sanas y observaron patrones de envejecimiento distintos según el género, relacionados en las mujeres con la menopausia. El Proyecto Fenotipo Humano, base de este avance, sigue a más de 30.000 participantes y pone a disposición de la ciencia una de las bases de datos humanas más completas.

El objetivo es que, en el futuro, cada persona pueda acceder a una “trayectoria de salud” personalizada y que la medicina logre adelantarse años a posibles enfermedades, reduciendo el ensayo y error en la elección de tratamientos.

Segal resumió la relevancia de este avance: “Vivimos en una era de cambios increíblemente rápidos. Los ámbitos de la salud y la medicina experimentarán transformaciones drásticas en los próximos años, cada vez más impulsados por la IA. Nuestro proyecto está llamado a ser una fuente líder mundial de información e innovación, y todo esto gracias a nuestros participantes”.