Nat. Med. | 面向精准医学的人类健康全球数字导航系统

人类健康并不是一个静态状态，而是由遗传背景、生长发育、衰老、生活方式、环境暴露、疾病进展以及治疗响应共同塑造的连续动态过程。然而，当前临床医学主要通过基因组检测、实验室检查、医学影像、电子健康记录和风险评分等离散时间点的“快照”描述患者。尽管多模态健康数据快速增长，这些信息仍缺乏有效整合，难以真正描述一个人的健康状态如何变化、疾病如何发生以及不同干预将如何改变未来轨迹。

研究人员提出，以医疗数字孪生为基础建立“人类健康全球数字导航器”，将临床、分子、影像、生理、行为和环境信息整合为持续更新的个体虚拟表示。其核心目标不再只是回答“患者现在患有什么疾病”，而是进一步确定“患者现在处于什么健康状态”“未来可能走向哪里”以及“采取哪一种干预能够改变这一轨迹”。为推动这一愿景，国际医疗与健康数字孪生联盟（ICDT-HM）于2024年成立，希望将数字孪生发展为精准健康的新型基础设施。

人口老龄化、慢性疾病和多病共存正在持续增加医疗体系压力。传统医学往往在疾病已经出现后进行诊断和治疗，而精准健康更强调在整个生命周期内整合多维数据，连续追踪生理变化，预测未来健康轨迹，并在疾病完全形成之前实施更加个体化的预防和干预。

数字孪生为实现这种模式提供了新的计算框架。所谓医疗数字孪生，是与真实世界数据持续同步的动态虚拟模型。被“孪生”的对象既可以是一名患者，也可以是器官、疾病过程、医院工作流程甚至整个群体健康系统。模型不断接收新的临床和生物学数据，在虚拟环境中模拟未来可能发生的情况，再将真实结果反馈回来更新自身。

图1｜个体数字孪生的健康轨迹推断框架。

ICDT-HM希望把分散的医疗数字孪生研究连接成全球共享框架，使人类健康不再被表示为孤立疾病标签，而成为可以随生命周期连续追踪的动态轨迹。研究人员提出三个长期目标。

首先是解析健康状态转换。临床医学能够判断一个人是否已经患病，却不容易解释一个人如何从健康进入风险状态、如何进一步发展为疾病，又如何从疾病进入恢复。实际上，这些变化通常经历分子功能、器官生理、临床表现、环境因素和治疗响应的逐渐改变。因此，需要利用纵向多模态数据绘制状态之间的转换轨迹，并寻找驱动转换的规律。

其次是建立全生命周期健康模型。儿童发育、成年人疾病风险和老年衰老通常被分开研究，但成年和老年疾病往往受到早期遗传风险、发育过程、生活方式和环境暴露的长期影响。数字孪生应把儿童期、成年期和衰老连接起来，使健康被描述为一条连续轨迹，而不是不同年龄阶段的一系列独立诊断。

第三是实现数字导航和虚拟试验。面对多个治疗方案时，医生经常缺乏足够可靠的个体化预测工具。数字孪生可以首先预测不同未来轨迹，再在虚拟环境中比较多种干预，使部分决策在真正作用于患者之前接受计算模拟。

数字孪生真正用于精准医学，不能只准确预测患者未来会发生什么，还必须回答：“如果换一种治疗，结果会怎样？”

这一问题比普通预测更加困难。现实医疗数据中的治疗选择通常与患者病情相关，例如病情严重的人可能接受更积极治疗。因此，一个模型即使能够准确重现历史结局，也不意味着它能够可靠预测同一个患者接受另一种治疗后的结果。

研究人员强调，可信的反事实模拟必须建立明确的因果问题和适当的因果识别策略，并明确模型假设、不确定性以及对不同治疗方案的预测。数字孪生不能把统计相关性简单解释为治疗因果效应。

未来体系还需要把个体数字孪生进一步扩展到器官模型、虚拟队列以及人口和医疗系统尺度。临床记录、影像、组学、生理、行为、环境和治疗数据持续进入模型，使健康状态随着新信息实时更新；不同国家和医疗体系则通过联邦网络开展外部验证，目标不是简单获得更多数据，而是建立更加稳健、可泛化且公平的人类健康模型。

个体数字孪生描述一个患者，而虚拟队列则将这一概念扩展到患者群体。虚拟队列由真实世界数据中的统计模式生成，其中每个虚拟患者并不对应现实中的具体个人，却能够保留年龄、生物标志物、疾病阶段、治疗史和结局等重要群体特征。

利用这些虚拟患者，可以模拟疾病进展和不同治疗策略，并支持计算机模拟临床试验、患者筛选以及罕见病和儿童疾病研究。对于成本过高、实施困难甚至存在伦理限制的真实试验，这种方式尤其具有潜力。

研究人员根据能力成熟度，将医疗数字孪生划分为四种形式。

第一阶段是静态孪生，主要回答“现在在哪里”。它整合患者当前和历史临床数据，处理数据异质性和缺失问题，建立可更新的当前生理状态表示。

第二阶段是渐进式孪生，回答“未来可能去哪里”。通过纵向数据学习健康随时间的变化，可以模拟从发育、成年疾病风险到衰老的生命周期轨迹，甚至研究母亲与儿童之间相互关联的跨代健康风险。

第三阶段是操作型孪生，进一步回答“应该怎样干预”。系统利用预测轨迹比较不同临床决策，可以整合临床记录、多组学、磁共振和数字病理信息，在疾病谱、癌症风险、分期、治疗响应和预后之间建立统一动态模型。

最高阶段是自主孪生。它能够随着新的检查、治疗和结局数据持续学习，自动更新未来预测。但目前这一阶段仍是发展目标，真正实现之前必须解决前瞻性临床验证、数据漂移、算法偏差、真实世界反馈以及伦理和临床监督等问题。

这一愿景不能仅靠单一AI模型实现，而需要数据、计算、基础设施和治理共同发展。

首先，需要建立覆盖不同遗传背景、环境和医疗体系的全球生物样本与人口队列。其次，需要发展多模态测量体系，把临床记录、医学影像、实验室检查、组学、微生物组、可穿戴设备、行为和环境数据持续连接起来。

第三个关键是潜在空间计算科学。数字孪生并不是简单把所有数据堆在一起，而需要把不同模态对齐到共享潜在空间，使其成为表示生理状态、推断健康轨迹以及模拟治疗干预的“健康计算地图”。

此外，还需要大科学基础设施支持自动化流程、安全计算、联邦平台、质量控制和持续模型更新；需要统一数据模型、元数据、验证基准以及符合FAIR原则的数据资源；最终还需要国际治理体系，将临床医生、数据科学家、工程师、伦理学家、公共卫生专家、产业界和政策制定者连接起来。

全球数字孪生不能简单地把世界各地患者数据集中到一个服务器。ICDT-HM提出联邦式全球运行体系，通过亚太、欧洲和北美区域中心以及不同国家和机构节点共同参与，使医疗机构保留本地数据主权，同时参与共享模型开发、外部验证和跨人群比较。

隐私、公平、透明和责任必须从系统设计开始就被纳入其中。联邦学习、隐私保护分析、安全多方计算、审计轨迹和基于角色的访问机制，可以让模型跨机构学习，而不必集中原始患者数据。

全球人群代表性则不仅是伦理问题，也是模型能否科学成立的问题。研究人员计划系统分析不同队列在祖源、年龄、性别、地区和疾病负担方面的覆盖程度，并重点补充代表不足的人群。尤其重要的是，模型如果没有在某个人群中完成外部验证，就不应该直接用于该人群的临床决策。

图2｜ICDT-HM从基础建设迈向全球数字孪生生态系统的路线图。

人类健康全球数字导航器代表的是医学思维方式的变化：从疾病发生后的静态诊断，转向对健康状态的连续定位、轨迹预测和主动干预。未来医生面对患者时，数字系统可能不再只是展示过去的检查结果，而是像导航系统一样告诉医生和患者：现在处于什么健康状态，按照当前趋势未来可能走向哪里，不同干预又可能把轨迹引向何处。

但这种愿景距离真正临床应用仍有明显距离。数字孪生必须证明其预测具有因果可信度，必须能够在不同国家、不同祖源和不同医疗体系中泛化，并明确表达预测的不确定性。自主更新的模型还必须接受持续的偏差、数据漂移和安全监测。因此，数字孪生不能被理解为一个替代医生的“虚拟患者”，而更适合作为整合复杂纵向信息、模拟未来可能性并支持临床判断的动态工具。

研究人员规划的下一阶段，是统一标准和国际治理，扩展母婴健康、癌症风险和衰老等已有数字孪生研究，并在不同国家和医疗体系中进行外部验证。最终目标是建立一个实际可用且负责任的人类健康数字导航系统，使数字孪生服务于疾病预防、早期诊断、治疗规划以及群体健康研究。

如果这一体系能够实现，精准医学将不再只是根据患者当前特征选择治疗，而会逐渐转变为对个体整个生命健康轨迹的动态导航：持续感知现在，预测未来，模拟不同选择，并利用真实结果不断修正下一步方向。

Zhang, K., Dong, J., Wong, H. et al. A global digital navigator of human health for precision medicine. Nat Med (2026). 

https://doi.org/10.1038/s41591-026-04621-1