Twin Health lanserar AI-driven metabolisk digital tvilling för att anpassa kost och välbefinnande

Bild: The Verge · Källa

Twin Health erbjuder en AI-driven metabolisk digital tvilling som förutspår glukossvar på mat, vilket hjälper användare att skräddarsy sina dieter och förbättra sin metabola hälsa genom personliga insikter från kontinuerlig dataspårning.

Twin Health är banbrytande inom användningen av AI-drivna digitala tvillingar inom hantering av metabol hälsa och erbjuder användare en personligt anpassad metod för näring och välbefinnande genom kontinuerlig datamodellering. En digital tvilling är en virtuell representation av en persons ämnesomsättning som integrerar omfattande personlig hälsodata – inklusive metabola mått, laboratorietester, mätvärden från bärbara enheter samt kontinuerlig glukosmätning (CGM) – för att förutsäga hur deras glukosnivåer kommer att reagera på olika livsmedel och aktiviteter.

Konceptet illustreras av ett nyligen fall med en senior recensent på The Verge som använde Twin Healths program under över 100 dagar. Varje dag loggade hon in kroppssammansättningsdata från en smart våg, blodtrycksmätningar, medicinintag och måltider i Twin Health-appen. Dessa data, kombinerade med insikter från en Dexcom G7 CGM och laboratorieresultat, låg till grund för digitaltvillingens förutsägelser. Måltider och aktiviteter klassificeras med ett färgkodat system: grönt indikerar mat som sannolikt bibehåller hälsosamma glukosnivåer, orange antyder måttlig påverkan och rött signalerar potentiellt problematiska val.

Till exempel flaggades en skål protein-Cheerios ensam som orange men blev grön när den kombinerades med en daglig promenad, vilket understryker hur livsstilsförändringar kan påverka metabola responser. Regelbundet appgenererade insikter bidrog till att förbättra digitaltvillingens noggrannhet över tid och vägledde beslut kring kost i verkliga livet.

Twin Healths program inkluderar även virtuella konsultationer med vårdpersonal som granskar laboratoriedata såsom leverenzym, insulinresistensmarkörer och lipidprofiler. Personlig coachning och regelbundna blodprov stödjer målsättning och hälsouppföljning. Trots initiala bekymmer kring den omfattande datainsamlingen och trötthet i spårningen som noterats bland användare, upplever deltagarna ofta ökad ansvarskänsla och motivation att följa hälsosammare vanor.

Kliniska resultat som rapporterats innefattar förbättringar i metabola hälsopoäng, minskningar i inflammationsmarkörer och bättre kontroll av triglycerider. Även om den digitala tvillingmetoden för närvarande främst är tillgänglig genom företags- eller privata hälsoplaner riktade mot personer med kroniska metabola tillstånd, utgör den ett praktiskt steg mot personligt anpassad medicin.

Utöver metabolism visar digitala tvillingar potential inom komplexa områden som cancerbehandling, där behandlingssvar kan simuleras virtuellt. Dock finns utmaningar kvar, särskilt kring dataskydd, användarbörda och hur digitala tvillingar fortsätter att påverka vården efter behandling.

Twin Healths metabola digitala tvilling illustrerar en genomförbar och låg risk-applikation av denna teknik, som hjälper användare att anpassa sina näringsval och livsstilsförändringar genom AI-driven, personlig återkoppling. Det exemplifierar hur datadrivna virtuella modeller kan förändra hälsovårdsförvaltning och ger en glimt av framtidens individualiserade medicin.