Gemelos digitales para la modelización predictiva del riesgo de trombosis y accidente cerebrovascular: enfoques...

Área de la Ciencia:

• Medicina Cardiovascular
• Biología Computacional
• Ingeniería Biomédica

Sus antecedentes:

• La trombosis causa una mortalidad mundial significativa a través de afecciones como la fibrilación auricular, el tromboembolismo venoso y la aterosclerosis.
• Las puntuaciones de riesgo clínico actuales son estáticas y no tienen en cuenta los factores dinámicos del paciente, lo que lleva a una clasificación errónea y a eventos trombóticos prevenibles.

Objetivo del estudio:

• Avanzar en una agenda científica para gemelos digitales específicos del paciente que integren dinámicamente datos longitudinales multimodales con información mecanicista para predecir los riesgos de trombogénesis.
• Refinar la estimación del riesgo de accidente cerebrovascular y hemorragia más allá de las directrices clínicas existentes.

Principales métodos:

• Proponer modelos híbridos que combinen principios basados en la física con algoritmos basados en datos para simular la progresión de la enfermedad y la terapia.
• Utilizar actualizaciones continuas de imágenes, resultados de laboratorio, dispositivos portátiles y registros de salud electrónicos para la evaluación dinámica del riesgo.
• Identificar prioridades de investigación en modelización multiescala, aprendizaje informado por la física, predicción probabilística y gestión de datos.

Principales resultados:

• Los gemelos digitales ofrecen un marco para trayectorias de riesgo dinámicas y vías de atención adaptativas, lo que permite una reevaluación continua del riesgo.
• El análisis identifica lagunas en la calidad de los datos, la calibración, la validación y la cuantificación de la incertidumbre que dificultan la traslación clínica.
• Las prioridades de investigación propuestas abordan la modelización multiescala, el aprendizaje informado por la física, la predicción probabilística y la gestión de datos compatible con la normativa.

Conclusiones:

• La tecnología de gemelos digitales promete la terapia anticoagulante personalizada al pasar de heurísticas poblacionales a una predicción de riesgos precisa y oportuna.
• La traslación de gemelos digitales a la práctica clínica requiere abordar los desafíos en los datos, la modelización, la validación y las vías regulatorias.
• Este enfoque facilita una transición hacia la evaluación dinámica del riesgo y las estrategias de tratamiento adaptativo para enfermedades impulsadas por la trombosis.