Twin Health запускает метаболического цифрового близнеца на базе ИИ для персонализации питания и благополучия

Image: The Verge · Source

Twin Health предлагает метаболического цифрового близнеца с искусственным интеллектом, который прогнозирует реакцию уровня глюкозы на пищу, помогая пользователям адаптировать диету и улучшать метаболическое здоровье благодаря индивидуальным рекомендациям на основе непрерывного сбора данных.

Twin Health является пионером в применении цифровых близнецов с поддержкой искусственного интеллекта в управлении метаболическим здоровьем, предоставляя пользователям персонализированный подход к питанию и благополучию через непрерывное моделирование данных. Цифровой близнец — это виртуальное представление метаболизма человека, объединяющее обширные личные медицинские данные — включая метаболические показатели, лабораторные анализы, показания носимых устройств и непрерывный мониторинг глюкозы (CGM) — для прогноза реакции уровня глюкозы на различные продукты питания и активности.

Эта концепция проиллюстрирована недавним случаем с пожилой рецензенткой из The Verge, которая использовала программу Twin Health более 100 дней. Ежедневно она вводила данные о составе тела с умных весов, измерения кровяного давления, прием лекарств и питание в приложение Twin Health. Эти данные, в сочетании с данными из CGM Dexcom G7 и лабораторными результатами, формировали прогнозы цифрового близнеца. Пищу и активность классифицируют по цветовой системе: зеленый означает продукты, вероятно способствующие поддержанию здорового уровня глюкозы, оранжевый сигнализирует о умеренном воздействии, а красный указывает на потенциально проблемные варианты.

Например, миска протеиновых Cheerios была помечена оранжевым, но стала зеленой при добавлении ежедневной прогулки, подчеркивая, как изменения образа жизни влияют на метаболические реакции. Регулярные рекомендации из приложения со временем повышали точность цифрового близнеца, помогая принимать реальные диетические решения.

Программа Twin Health также включает виртуальные консультации с медицинскими специалистами, которые анализируют лабораторные данные, такие как печеночные ферменты, маркеры инсулинорезистентности и липидные профили. Персонализированное коучинг и периодические анализы крови помогают ставить цели и отслеживать здоровье. Несмотря на первоначальные опасения относительно больших объемов данных и усталости от мониторинга, участники часто отмечают повышение ответственности и мотивации к ведению здорового образа жизни.

Клинические результаты включают улучшение показателей метаболического здоровья, снижение маркеров воспаления и лучшую регуляцию триглицеридов. Подход с цифровым близнецом пока доступен преимущественно через корпоративные или частные программы здравоохранения для лиц с хроническими метаболическими заболеваниями, но представляет собой практический шаг к персонализированной медицине.

Помимо метаболизма, цифровые близнецы имеют перспективы в сложных областях, таких как онкологическая помощь, где реакции на лечение могут моделироваться виртуально. Однако существуют вызовы, особенно в сфере конфиденциальности данных, нагрузки на пользователя и того, как цифровые близнецы сохраняются или влияют на лечение после завершения терапии.

Метаболический цифровой близнец Twin Health демонстрирует практически применимое и низкорисковое использование этой технологии, помогая пользователям адаптировать питание и изменения образа жизни через управляемую ИИ персонализированную обратную связь. Это пример того, как основанные на данных виртуальные модели могут трансформировать управление здоровьем, открывая взгляд на будущее индивидуализированной медицины.