Skip to main content
Sheng Wu Yi Xue Gong Cheng Xue Za Zhi = Journal of Biomedical Engineering logoLink to Sheng Wu Yi Xue Gong Cheng Xue Za Zhi = Journal of Biomedical Engineering
. 2024 Apr 25;41(2):376–382. [Article in Chinese] doi: 10.7507/1001-5515.202310041

数字孪生医院:改变医疗的未来

Digital twin hospitals: transforming the future of healthcare

Huijuan HU 1, Mingbang WANG 1, Qifang LEI 1, Kai YANG 1, Haiyan SUN 1, Xiaocen LIU 1, Song WU 1,2
PMCID: PMC11058498  PMID: 38686420

Abstract

数字孪生技术概念自提出以来,经过近几十年的迅速发展和广泛应用,不仅在多个领域取得了巨大的成就,也为医学领域带来了更为广阔的发展前景。数字孪生医院作为当前医疗行业的一个重要趋势,通过连接实体医院与虚拟医院场景发挥多重作用,惠利“患者—医务工作人员—医院管理者”三方,突显出数字孪生技术在智慧医院的应用前景不可估量。本综述以数字孪生技术为切入点,简单介绍了其在各领域的应用进展,重点概括了数字孪生技术的特点、在医院实际应用案例及其所面临的局限,同时也对其未来的发展前景进行了展望,旨在为数字孪生医院领域的未来提供一定有益的启示和指导,也期望能在一定程度上为改变医疗的未来发挥重要作用。

Keywords: 数字孪生医院, 可视化, 实时监测, 个性化, 智慧医疗

0. 引言

数字孪生技术是近年来应用广泛的一项新技术,它以计算机辅助设计、大数据、人工智能等为基础,模拟真实场景,建立数字模型,通过计算机对数字模型模拟情况来实时交互反馈。它区别于数字化、智能化以及虚拟现实(virtual reality,VR)等传统概念,其特点是:真实物理对象与其映射的数字孪生体可以进行双向映射、动态交互和实时连接。数字孪生技术的应用范围非常广泛,目前已用于工业、交通、城市规划等领域。在工业领域,数字孪生技术可以用于工业制造、设备维修等具体方向,通过建立数字模型、模拟生产流程等操作,可进行预测性维护、优化制造流程、延长产品生命周期以及监控产品质量等,以进一步提高生产效率和产品质量管理水平[1-2]。在交通领域,数字孪生技术经过建立虚拟模型、实时监控、分析和预测交通流量状态、优化交通系统等操作后,可为交通管理提供决策支撑、提高交通效率、缓解交通拥堵压力等[3-4]。在城市规划领域,数字孪生技术可通过建立虚拟城市模型等操作来监测城市状况、识别潜在风险、预测城市发展,从而提高居民生活质量,促进城市建设更好地可持续发展[5]。医学的进步与现代科技的发展息息相关,如今数字孪生技术已经应用于医疗领域,而其中一个重点的方向是将数字化技术与医疗机构相结合,以实现更高效、更准确、更个性化的医疗服务,即数字孪生医院[6-7]。数字孪生医院是数字医疗的一部分,已经成为当今医疗行业的一个热门话题。数字孪生医院是一种新型医院运营模式,它以数字孪生技术为基础,根据医院真实的场景,模拟构建出一个完全虚拟的医院,通过建立患者或医疗系统的虚拟映射和实时连接,来提供更智能、精确和个性化的医疗服务,同时也利于医疗工作者以及医院管理者的工作开展[8]

1. 数字孪生医院的特点

数字孪生医院是利用数字仿真、物联网等现代智能技术建立的虚拟医院,如图1所示。首先,它可以做到可视化操作:通过模拟手术操作,为年轻医生积累手术经验,同时可视化操作能辅助管理人员进行医院规划。其次,能实现高效率地分配资源:通过优化资源的分配,为患者提供优质的医疗资源。再次,可监控患者健康状态:为患者提供可靠的监护保障。最后,提供方便的医疗服务:可方便患者就医,提升患者就医体验感。

图 1.

图 1

The features of digital twin hospital

数字孪生医院的特点

1.1. 可视化操作

数字孪生医院的可视化操作,是指通过数字孪生技术按照医院真实场景搭建虚拟场景,将医院设备、医护人员配置、患者信息等具体情况在数字孪生医院中体现出来,涵盖医疗服务、医学教学、临床研究、医院运营等多方面,可使医护工作者、患者以及医院管理人员通过可视化操作获得便利。现代医学技术要求医生熟练掌握手术操作技能,而数字孪生医院的可视化操作能将手术场景转换为虚拟场景,可使医生通过虚拟场景进行手术操作,从而大大提高手术技能和效率[9]。Bjelland等[10]提出了将数字孪生技术与关节镜外科手术结合的设想,利用数字孪生技术模拟关节的生物力学行为,给医生提供一个自由操作关节镜外科手术并可以观察手术影响的虚拟环境,为医生积累手术经验、提高手术技能提供了良好的平台。Dang等[11]提出可以将数字孪生技术应用于医学教育工作,为医学生提供更贴合现实的虚拟场景,包括手术模拟、医学影像等,帮助医学生更好地研习和实践、锻炼技能,提升医学教育的质量。另外,Zackoff等[12]将可视化技术应用于新入职医护人员的岗前培训,利用沉浸式虚拟现实体验医院各个科室场景,通过完成任务来指导医护人员照顾虚拟患者,有效地将理论与实际相结合,使新入职的工作人员更好地适应新的工作环境,提升员工入职体验。人们相信,随着数字孪生技术的不断发展和应用,其可视化操作将发挥越来越重要的作用。

1.2. 高效匹配资源

数字孪生医院可以分析医疗资源的配置和利用情况,提升医疗服务质量和效率,避免因配置不当而导致资源浪费、医疗服务效率低下等问题。James[13]报道数字孪生技术可以近乎实时地跟踪医疗保健设备运营情况,选择最佳的资源分配方式,提高医疗机构运维效率,更有效地匹配供需,使医疗资源可以高效使用。Liu等[14]提出建立基于数字孪生技术的医疗健康方向的云医疗平台,各地医疗机构通过将医疗资源上传至云医疗平台,利用平台为患者合理分配医疗服务,同时动态灵活地为医疗机构提供基础设施建设、区域合作、资源共享、故障预测等服务。El Azzaoui等[15]提出了一种基于区块链的智慧健康城市数字孪生框架,能自动分配患者到符合需求的最佳医院或拥有足够医疗资源的医院,高效协调医疗资源,改善智能医疗保健系统。数字孪生医院的建设是医疗行业智能化转型的重要组成部分,在数字孪生医院中高效匹配资源,可以有效地改善医疗质量和服务水平。因此,数字孪生医院应关注上述领域,以提升匹配资源应用的能力;只有正确地将人力、设备和药物等资源应用于每位患者,才能在全面提高医疗质量的同时,实现资源利用最大化。

1.3. 实时监控健康状况

数字孪生医院通过使用物联网、大数据等技术实时监控患者的健康状况,为其提供个性化的医疗服务,避免了因未能及时处理病情变化而可能导致的医疗服务问题。Webster等[16]提出利用可穿戴监测技术来连续监测患者的生命体征,在每位患者入院时分配一个可穿戴设备,这个设备会实时测量患者的心率、呼吸、体温和血压等生命体征,更有效地及早识别患者恶化的病情,从而减少入住重症加强护理病房(intensive care unit,ICU)的可能。可穿戴设备可以方便、快捷地监测患者健康状况,所以应用可穿戴设备逐渐成为实施持续健康监测的重要组成部分。常用的可穿戴设备有手腕式、头戴式、贴片式等,可实现连续监测人体生物特征指标,及时发现还处于潜伏期的疾病并实施早期干预[17-19]。由于可穿戴设备具有和患者密切接触和及时反馈体征的特点,因此可穿戴设备十分适合糖尿病患者的管理与治疗。传统血糖仪获取指尖血样时的不便和痛苦会导致糖尿病患者自我监测依从性差,而可穿戴血糖监测设备可以改善这一点,同时准确性和安全也可保障[20]。Wang等[21]提出使用一种可穿戴汗液传感技术,通过个性化和非侵入性的代谢和营养监测,有利于早期识别异常状况,实现精准营养治疗。Falkowski等[22]提出通过专用设备连接患者和康复技师,以保证康复技师可远程、实时地监控和指导患者进行康复训练,为患者提供精确的、个性化康复治疗方案,在降低患者康复治疗费用的同时,为康复技术人员提供精准评估和监控患者的工具。总之,实时监控健康状况是医疗保健行业的重大创新,它可为医疗行业提供更先进、智能的医疗保健方法,更有效地进行医疗服务和治疗,提高医疗服务的效率和质量,从而促进医疗行业的创新和发展[23]

1.4. 提供便捷的医疗服务

数字孪生医院可以提供诊断、治疗、预防、健康管理、教育等全方位的医疗服务,实现远程监控患者的治疗进展并评估他们的健康状况,让患者享受到高质量的远程医疗监护和医疗交互服务,在一定程度上可将现有的医疗资源最大化利用[24]。传统的医疗流程由于医疗资源分布不均导致患者到医院排队挂号、等待诊断、拿药付款等环节所需的时间较长、就诊时间短以及就医流程繁杂且低效。而数字孪生医院将这些流程都整合在一个平台上,患者可以随时随地通过电子设备连接数字孪生医院,进行挂号、预约、咨询、诊断、治疗、付款等服务,大大节省了人力和物力[25]。数字孪生医院作为数字化医疗服务的一种重要形式,提供了便利、高效的医疗服务,并且在发挥已有优势的同时,还不断完善和创新,因此,数字孪生医院拥有十分广阔的应用前景,并将会为人们的健康事业做出更大的贡献。

2. 数字孪生医院应用案例

当前,国内外在数字孪生医院领域的探索较为活跃,各家医院、科技公司都在努力探索与实践。国内,深圳大学附属华南医院是按照三级甲等医院规模打造、重点投入建设的市属公立医院,是深圳市目前最大的集医教研于一体的单体医院建筑,为对医院空间进行优化,构建了数字孪生医院,如图2所示,它可以统计医院业务、楼宇能耗、车辆出入以及电梯运行状态,获得门诊空间结构、诊区分布情况,同步楼层信息、科室分布信息以及消防通道路线等。Peng等[26]报道了同济大学附属东方医院为解决运营维护效率低下的问题,建立数字孪生医院建筑孪生体,实时监测医院空间、能源、设施、安保等情况,从而对医院整个生命周期进行管理,虽然需要实时收集且记录的数据量很大,但格式相对简单,因此,在网络稳定时可以持续顺利地运行,不过需要每三个月备份一次数据库,此外还存在数据保密的安全问题,这在一定程度上限制了数字孪生技术在医院的发展。Li等[27]报道了广东省第二人民医院与华为合作建设全场景智能化医院。该院住院患者可以从床边触摸屏或在医院开发的智能手机应用程序“叮呗医生”上访问检查、治疗的项目以及费用等相关数据,从而方便了患者的就医流程,提高了医疗服务质量,使患者、医务人员和管理人员受益。国外,Aluvalu等[28]通过数字孪生技术来为患者提供新型的急诊医院服务,使用人脸识别或是生物识别来捕获患者身份,验证身份之后,可以访问患者甚至是未曾在提供此次急诊服务的医院就诊过的患者的年龄、血型、病史等基本电子健康信息,有助于医生治疗处于危急状态的患者,但这需要患者定期更新、维护个人的医疗健康信息。数字孪生医院在运营维护方面应用较多,也是目前最有可能实现的,通过应用数字仿真、物联网等技术,实现全院建筑物、机房以及设备等的三维仿真模型,通过实时采集设备的关键指标数据,以全局视角把控医院设备分布、运行、能耗等信息,利于直观了解全院设备的运行情况。

图 2.

图 2

Digital twin logistics movement control center of South China Hospital of Shenzhen University

深圳大学附属华南医院数字孪生后勤调度中心

3. 数字孪生医院的局限性

应用数字孪生医院虽已取得初步成效,但也面临着一定的挑战。首先,数字孪生医院的开发和维护需要投入一定的成本,一般而言,最先进的扫描设备通常也比较昂贵。不过应用数字孪生技术也在一定程度上降低了医院成本,比如,其应用可以及时维护设备,减少管理成本;也可缩短特定药物上市时间并减少成本来降低药品生产价格;还可缩短患者治疗周期、降低医生误诊率;以及可进行远程诊断减少患者就诊成本。因此,最终可能要视具体情况来判断数字孪生技术的应用是否导致医院成本增加[29]。再次,数字孪生技术应用在医学领域还需关注的是医学伦理、患者隐私保护以及安全风险降低等问题引起的重大挑战。最后,利用数字孪生技术构建的模型依赖于持续获取大量高质量、多尺度、多模态的数据以及高性能的计算技术,因此数据收集和技术壁垒问题也在一定程度上影响着数字孪生技术的发展[30]。总体而言,尽管存在挑战,但相信在解决这些障碍之后,数字孪生医院将会在更有价值的道路前进。

4. 数字孪生医院的未来展望

数字孪生技术已在医疗领域展开应用,数字孪生医院也已经进入了实际应用阶段。如图3所示,未来,随着数字孪生技术的不断发展和进步,可以预期将有更多的应用逐步展开,例如:首先,可实现个性化医疗:为患者提供个性化医疗服务,帮助医生制定精确的治疗计划;其次,可实现联合诊疗:让患者享受到专家医生的联合诊疗服务,帮助医生避免因信息未及时更新而导致的诊疗误差;再次,可实现医疗智慧化:为患者提供更精准的医疗服务,实现智慧医院管理;最后,数字孪生医院也将会不断完善和延伸,逐渐成为医疗服务行业的重要组成部分。

图 3.

图 3

The future of digital twin hospital

数字孪生医院的未来展望

4.1. 个性化医疗

数字孪生医院可以实时监测患者的健康数据,为其提供更个性化、精细化、可持续化的医疗服务[31]。数字孪生医院可以帮助医疗行业实现从“治疗疾病”转向“预防疾病”,让每个人都能获得高效且贴心的医疗服务。未来,数字孪生医院也将在个性化医疗领域不断发展。

(1)首先,基于数字孪生技术制定个性化诊疗方案将成为常态。数字孪生医院的核心是人体数字模型,通过分析这些模型判断患者病情,帮助医生制定精准的治疗方案。数字孪生技术还可以实时监测患者体征,根据患者情况适时调整治疗方案,从而确保治疗的不断优化。Liu等[14]将在线心电图设备接入到云数字孪生服务平台,为有心律失常症状的患者及其医护人员提供用药提醒服务,并且药物剂量是基于他们个人的身体健康状况和遗传因素制定的,运用此平台在一定程度上实现了个体化用药。Cho等[32]介绍了利用口腔扫描等数字孪生技术,将患者的口内全部牙齿以及一些黏膜组织等口腔内部情况个性化、精准性地转化为虚拟模型,再通过三维打印(three dimension printing,3DP)技术打印出患者的口内模型,便于后续个性化义齿的制作,同时也可以个性化地判定牙齿与面部的位置关系。

(2)其次,数字孪生医院将带动医疗服务向以预防为主的方向发展,可以在早期对患者进行诊断和预防疾病的发生,比如预测问题是否会发生、何时发生,制定个性化的预防方案,为及早治疗疾病提供必要的时间,让患者在避免疾病发生的同时,享受更优质的医疗服务,这些步骤是加速向预防性、个性化医疗迈进的关键[33]

(3)最后,数字孪生医院将推动医疗产业的数字化升级。未来,可以在每个人出生时创建个性化的数字孪生技术基因图谱,患病时应用数字孪生技术来计算用药,以确保选择最有效的药物以及精确的药物量,或是提前计算患病的可能性,在重大疾病发病之前有效预防。

随着医疗产业不断数字化,应用数字孪生技术尝试新仪器、新技术或治疗方法,可以将人们患病的风险降至最低,医生制定的诊疗方案更加精准,医疗应用和技术也将得到更好的发展[34]。总之,数字孪生医院将会在个性化医疗领域持续不断地发展演化,使得医疗服务的质量、效率和个性化程度不断提升,从而带给人们更加优质的健康服务。

4.2. 联合诊疗

数字孪生医院可以以大、中型医院为核心,再连接基层医院、社区健康服务中心、诊所等,将多家医疗机构的诊疗服务数据集成在一起,整合不同临床医生的意见,通过共享医疗资源、联合诊断和治疗等方式,提高医疗服务的覆盖范围、医学教育的水平和深度以及缓解患者看病难的现状,打造医院智慧运营的新模式。

数字孪生医院可以实现医疗数据的共享,使患者享受专家联合诊疗,有效缓解患者看病难、看难病的问题,从而改进医疗流程、提升患者体验以及节省运营成本,为医疗行业带来巨大的变革。

数字孪生医院可以帮助医生共享患者病历、影像资料、检验结果等,避免因信息不对称而造成诊疗误差。以深圳大学附属华南医院为例,该院为将诊疗规范最大化,打通患者数据,搭建了数字孪生人体模型,此模型可以整合患者全身各部位的检查检验数据,为患者建立了个性化、动态的人体档案。

数字孪生医院还可以与社区卫生服务中心等机构协作,结合患者的健康数字孪生数据,实时预测和优化患者流向各个医院的情况,进一步实现对患者的健康管理以及医院之间的资源管理、运营数据共享[35]

总之,数字孪生医院将联合诊疗应用于多学科,为患者“量身定制”治疗方案,在联合诊疗领域发挥着越来越重要的作用。

4.3. 医疗智慧化

通过人工智能、大数据、数字建模等技术,数字孪生医院可以搭建智能化数字医院场景,为患者提供更加精准的医疗服务,提高医疗运营管理效率、决策的准确性和科学性,打造医院智慧运营新模式。数字孪生医院的智慧化能实现多项智慧管理,除了可以使患者享受全过程智能化的优质医疗资源外,还可清晰地展示医院各楼层具体的能耗数据,使医院管理人员按照医院能耗管理制度来自动或人工调节公共设施的用水、用电等情况,从而达到节能减排的目的,提升了医院运营管理效率。此外,还有研究提及数字孪生技术的医疗实践应用,例如Hernigou等[36]就目前全踝关节置换手术中距骨植入物的轴向对齐排列的普遍问题,提出可以使用数字孪生技术、人工智能和机器学习技术来得到患者精准化、个性化的踝关节轴,从而帮助医生操作全踝关节置换手术,在治疗疾病中起到了不可估量的作用。在心血管疾病领域,利用数字孪生技术模拟手术的设备反应或剂量效应来指示手术中的医疗设备使用或药物治疗剂量,从而为患者选择一套适合的治疗方案,在一定程度上可实现精准治疗心脏病的愿景。

总之,数字孪生医院的发展为医疗智慧化带来了新的机遇和挑战。未来,数字孪生医院需要在加强技术创新、完善服务体系等方面,不断提升医疗服务水平和智慧化水平,积极开展科技与临床的融合创新,为患者带来全新的高水平智能体验,提供更好的健康管理和医疗服务,推动医疗服务模式向个性化、全周期持续化转型,打造更加智能化的医疗系统和平台,加快实现个性化数据驱动的智慧健康医疗。

5. 结论

随着时代的发展、科技的进步以及人们生活水平的逐步提高,人们对于医疗服务质量提出了更高的要求,这也推动了医院逐步向智能化方向转型,于是以数字孪生技术赋能的智慧医院应运而生。数字孪生医院是一项新兴的医院运营模式,它以数字孪生技术为基础,利用各种智能化技术构建出一个与实体医院场景完全等同的虚拟医院,它的可视化操作、高效分配资源、实时监控患者健康状况以及提供便捷的医疗服务的特点,将惠及医疗工作者、患者以及医院管理人员三方。相较于传统医院,数字孪生医院可以借助数字孪生技术推动医院向数字化方向转型,构建智慧医院数字孪生体,它以患者的临床需求为导向,通过智能化技术解决患者看病难、看难病、医护人员诊疗效率低、设备监管不到位等问题,以医疗技术创新来造福百姓,从而降低医院运营成本,提升医院效益和综合能力,支持医院实现可持续的高质量发展和数字化的创新能力。未来,数字孪生医院也将会不断完善和延伸,助力未来医院精细化运营,成为医疗服务的重要组成部分,改变传统医疗保健方式,继续提高医院的医疗保健质量,为医疗行业的发展增姿添彩。

重要声明

利益冲突声明:本文全体作者均声明不存在利益冲突。

作者贡献声明:胡慧娟负责文章撰写;王明帮负责文章整体构思;雷崎方、杨凯、孙海燕和刘晓岑负责对文章内容提出建设性意见以及文章修改;吴松负责论文审校。

Funding Statement

国家自然科学基金资助项目(61931024,82071733,12326610,92359202);深圳市自然科学基金重点项目(JCYJ20220818100015031)

National Natural Science Foundation of China; Science, Technology and Innovation Commission of Shenzhen Municipality

References

  • 1.Touckia J K Integrating the digital twin concept into the evaluation of reconfigurable manufacturing systems (RMS): literature review and research trend. Int J Adv Manuf Technol. 2023;126(3-4):875–889. doi: 10.1007/s00170-023-10902-7. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 2.Asad U, Khan M, Khalid A, et al Human-centric digital twins in industry: a comprehensive review of enabling technologies and implementation strategies. Sensors (Basel) 2023;23(8):3938. doi: 10.3390/s23083938. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 3.Li Y, Zhang W Traffic flow digital twin generation for highway scenario based on radar-camera paired fusion. Sci Rep. 2023;13(1):642. doi: 10.1038/s41598-023-27696-z. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 4.Yeon H, Eom T, Jang K, et al DTUMOS, digital twin for large-scale urban mobility operating system. Sci Rep. 2023;13(1):5154. doi: 10.1038/s41598-023-32326-9. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 5.Ye X, Du J, Han Y, et al Developing human-centered urban digital twins for community infrastructure resilience: a research agenda. J Plan Lit. 2023;38(2):187–199. doi: 10.1177/08854122221137861. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 6.Sun T, He X, Li Z. Digital twin in healthcare: recent updates and challenges. Digital Health, 2023, 9: 20552076221149651.
  • 7.刘丹, 何玲, 杨砥, 等 人体骨骼肌数字孪生体技术研究进展. 生物医学工程学杂志. 2023;40(4):784–791. doi: 10.7507/1001-5515.202210007. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 8.Cheng W, Lian W, Tian J. Building the hospital intelligent twins for all-scenario intelligence health care. Digital Health, 2022, 8: 20552076221107894.
  • 9.Keller J, Lindenmeyer A, Blattmann M, et al Using digital twins to support multiple stages of the patient journey. Stud Health Technol Inform. 2023;301:227–232. doi: 10.3233/SHTI230045. [DOI] [PubMed] [Google Scholar]
  • 10.Bjelland Ø, Rasheed B, Schaathun H G, et al Toward a digital twin for arthroscopic knee surgery: a systematic review. IEEE Access. 2022;10:45029–45052. doi: 10.1109/ACCESS.2022.3170108. [DOI] [Google Scholar]
  • 11.Dang J, Lal A, Montgomery A, et al Developing DELPHI expert consensus rules for a digital twin model of acute stroke care in the neuro critical care unit. BMC Neurol. 2023;23(1):161. doi: 10.1186/s12883-023-03192-9. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 12.Zackoff M W, Rios M, Davis D, et al Immersive virtual reality onboarding using a digital twin for a new clinical space expansion: a novel approach to large-scale training for health care providers. J Pediatr. 2023;252:7–10,e3. doi: 10.1016/j.jpeds.2022.07.031. [DOI] [PubMed] [Google Scholar]
  • 13.James L Digital twins will revolutionise healthcare: digital twin technology has the potential to transform healthcare in a variety of ways-improving the diagnosis and treatment of patients, streamlining preventative care and facilitating new approaches for hospital planning. Engineering & Technology. 2021;16(2):50–53. [Google Scholar]
  • 14.Liu Y, Zhang L, Yang Y, et al A novel cloud-based framework for the elderly healthcare services using digital twin. IEEE Access. 2019;7:49088–49101. doi: 10.1109/ACCESS.2019.2909828. [DOI] [Google Scholar]
  • 15.El Azzaoui A, Kim T W, Loia V, et al. Blockchain-based secure digital twin framework for smart healthy city //15th International Conference on Future Information Technology (Future Tech 2020), Jeju: Lecture Notes in Electrical Engineering, 2021, 716: 107-113.
  • 16.Webster C S, Scheeren T W L, Wan Y I Patient monitoring, wearable devices, and the healthcare information ecosystem. Br J Anaesth. 2022;128(5):756–758. doi: 10.1016/j.bja.2022.02.034. [DOI] [PubMed] [Google Scholar]
  • 17.Germini F, Noronha N, Borg Debono V, et al Accuracy and acceptability of wrist-wearable activity-tracking devices: systematic review of the literature. J Med Internet Res. 2022;24(1):e30791. doi: 10.2196/30791. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 18.Pagano T P, Dos Santos L L, Santos V R, et al Remote heart rate prediction in virtual reality head-mounted displays using machine learning techniques. Sensors (Basel) 2022;22(23):9486. doi: 10.3390/s22239486. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 19.彭仲康, 崔兴然, 张政波, 等 可穿戴设备: 评估与监测人体生理状态的展望. 生物医学工程学杂志. 2023;40(6):1045–1052. doi: 10.7507/1001-5515.202303043. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 20.邵盛奇, 樊凯, 李杜娟, 等 可穿戴无创葡萄糖传感器在糖尿病管理中的应用进展. 中国生物医学工程学报. 2022;41(6):732–743. doi: 10.3969/j.issn.0258-8021.2022.06.011. [DOI] [Google Scholar]
  • 21.Wang M, Yang Y, Min J, et al A wearable electrochemical biosensor for the monitoring of metabolites and nutrients. Nat Biomed Eng. 2022;6(11):1225–1235. doi: 10.1038/s41551-022-00916-z. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 22.Falkowski P, Osiak T, Wilk J, et al Study on the applicability of digital twins for home remote motor rehabilitation. Sensors (Basel) 2023;23(2):911. doi: 10.3390/s23020911. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 23.Lv Z, Guo J, Lv H. Deep learning-empowered clinical big data analytics in healthcare digital twins. IEEE/ACM Trans Comput Biol Bioinform, 2023, DOI: 10.1109/TCBB.2023.3252668.
  • 24.Kurakova N G, Tsvetkova L A, Polyakova Y V Digital twins in surgery: achievements and limitations. Khirurgiia (Mosk) 2022;2022(5):97–110. doi: 10.17116/hirurgia202205197. [DOI] [PubMed] [Google Scholar]
  • 25.Kwon H, An S, Lee H Y, et al Review of smart hospital services in real healthcare environments. Healthc Inform Res. 2022;28(1):3–15. doi: 10.4258/hir.2022.28.1.3. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 26.Peng Yang, Zhang Ming, Yu Fangqiang, et al. Digital twin hospital buildings: an exemplary case study through continuous lifecycle integration. Advances In Civil Engineering, 2020, DOI: 10.1155/2020/8846667.
  • 27.Li G, Lian W, Qu H, et al Improving patient care through the development of a 5G-powered smart hospital. Nat Med. 2021;27(6):936–937. doi: 10.1038/s41591-021-01376-9. [DOI] [PubMed] [Google Scholar]
  • 28.Aluvalu R, Mudrakola S, Uma Maheswari V, et al The novel emergency hospital services for patients using digital twins. Microprocessors and Microsystems. 2023;98:104794. doi: 10.1016/j.micpro.2023.104794. [DOI] [Google Scholar]
  • 29.Popa E O, van Hilten M, Oosterkamp E, et al The use of digital twins in healthcare: socio-ethical benefits and socio-ethical risks. Life Sci Soc Policy. 2021;17(1):6. doi: 10.1186/s40504-021-00113-x. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 30.Wang M, Hu H, Wu S Opportunities and challenges of digital twin technology in healthcare. Chin Med J (Engl) 2023;136(23):2895–2896. doi: 10.1097/CM9.0000000000002896. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 31.Coorey G, Figtree G A, Fletcher D F, et al The health digital twin: advancing precision cardiovascular medicine. Nat Rev Cardiol. 2021;18(12):803–804. doi: 10.1038/s41569-021-00630-4. [DOI] [PubMed] [Google Scholar]
  • 32.Cho S W, Byun S H, Yi S, et al Sagittal relationship between the maxillary central incisors and the forehead in digital twins of korean adult females. J Pers Med. 2021;11(3):203. doi: 10.3390/jpm11030203. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 33.Schütt M, O'farrell C, Stamatopoulos K, et al Simulating the hydrodynamic conditions of the human ascending colon: a digital twin of the dynamic colon model. Pharmaceutics. 2022;14(1):184. doi: 10.3390/pharmaceutics14010184. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 34.Ahmed H, Devoto L The potential of a digital twin in surgery. Surg Innov. 2021;28(4):509–510. doi: 10.1177/1553350620975896. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 35.Venkatesh K P, Raza M M, Kvedar J C Health digital twins as tools for precision medicine: Considerations for computation, implementation, and regulation. NPJ Digit Med. 2022;5(1):150. doi: 10.1038/s41746-022-00694-7. [DOI] [PMC free article] [PubMed] [Google Scholar]
  • 36.Hernigou P, Olejnik R, Safar A, et al Digital twins, artificial intelligence, and machine learning technology to identify a real personalized motion axis of the tibiotalar joint for robotics in total ankle arthroplasty. Int Orthop. 2021;45(9):2209–2217. doi: 10.1007/s00264-021-05175-2. [DOI] [PubMed] [Google Scholar]

Articles from Sheng Wu Yi Xue Gong Cheng Xue Za Zhi = Journal of Biomedical Engineering are provided here courtesy of West China Hospital of Sichuan University

RESOURCES