BioTuning.ru
Главная / Информационный курс / Цифровой двойник организма: технология или рекламная метафора.
BioTuning / смотреть и разбираться

Цифровой двойник организма: технология или рекламная метафора.

Цифровой двойник организма: технология или рекламная метафора.
Купить полную версию статьи в PDF 399 ₽

Доступно в полной версии:

Купить полную версию статьи в PDF 399 ₽

Двойник в кармане: обещание и предмет разговора

Представьте приложение, которое рисует на экране полупрозрачную фигуру человека. Рядом светятся показатели сна, движения, питания и «энергии». Кнопка предлагает посмотреть, что произойдёт завтра, если сегодня лечь раньше. Всё выглядит так, будто у владельца телефона появился второй организм, живущий внутри устройства. Но между красивой сценой и моделью, умеющей предсказывать последствия, помещается целая цепочка допущений.

Слово «двойник» необычайно сильное. Оно обещает сходство, непрерывную связь и почти личное присутствие. «Модель» звучит скромнее: сразу напоминает, что что-то оставили за рамками. В инженерии такая скромность полезна. Компьютерная модель самолёта не обязана воспроизводить каждую молекулу воздуха, чтобы отвечать на определённый вопрос. Цифровой двойник человека тоже может быть полезным благодаря ограниченному назначению. Проблема начинается там, где узкий успех предъявляют как знание обо всём организме.

В материалах National Academies двойник связан с реальным объектом, обновляется его данными, обладает предсказательной способностью и помогает принимать решения. Обратная связь может проходить через человека; полностью автоматическое управление не обязательно. Такая рамка задаёт смысл термина, но не подтверждает качество каждого продукта, который им назван. [01]

В этом образовательном разборе мы будем смотреть на технологию как на механизм: что измерено, что вычислено, что предположено и что действительно проверено. Научные примеры нужны здесь для понимания масштаба обещаний. Они не превращаются в назначения, рекомендации по обследованиям или указания менять питание и нагрузку по числу на экране.

Главный вопрос темы не сводится к ответу «да» или «нет». Некоторые системы действительно связывают персональные данные с вычислительной симуляцией. Другие полезно показывают историю наблюдений. Третьи используют имя двойника как привлекательную оболочку. Все три могут выглядеть одинаково. Различает их не реалистичность аватара, а содержание модели и доказательства её работы.

Условные сцены и реальные результаты

Бытовые истории, диаграммы без эмпирических чисел и названия вымышленных сервисов далее являются авторскими примерами. Они показывают логические различия и не описывают реальные продукты или участников исследований. Численные результаты работ снабжены ссылками и ограничениями. Аннотация, дорожная карта и пресс-сообщение не приравниваются к прочитанному полному исследованию.

Материал носит образовательный характер. Это не персональная инструкция. Решения, затрагивающие здоровье, требуют консультации квалифицированного специалиста с учётом вашей ситуации

Аватар, архив, прогноз и двойник

Аватар отвечает на вопрос «как это выглядит». Архив отвечает на вопрос «что уже записано». Прогноз отвечает на вопрос «какое значение можно ожидать». Двойник в более строгом смысле добавляет связанное представление конкретного объекта, его обновление и цикл использования прогноза. Эти уровни могут соседствовать в одном интерфейсе, но не заменяют друг друга.

Возьмём вымышленную карточку пользователя. В неё внесены возраст, время сна за неделю и среднее число шагов. Если программа лишь хранит записи, перед нами профиль. Если она окрашивает силуэт в разные цвета, это визуализация профиля. Если она вычисляет среднее за следующие сутки по прошлым значениям, это модель прогноза. Если она обновляет параметры конкретного человека, сравнивает сценарии и проверяет их на новых наблюдениях, появляется основание обсуждать двойник. Даже тогда название не снимает вопрос о качестве.

Российский обзор Кобяковой и соавторов обращал внимание на неоднозначность термина и соседство слов «профиль», «модель» и «аватар». Его патентный и публикационный ландшафт описывает ситуацию преимущественно до 2021 года. Он помогает увидеть историю интереса к теме, но не служит сегодняшним каталогом доказанных решений. [04]

Аватар, архив, прогноз и двойник: иллюстрация из информационного курса 209

В быту часто встречается ещё один промежуточный случай: приложение сравнивает человека с группой похожих пользователей. Такая персонализация может давать полезную подсказку, но сходство по нескольким признакам не превращает статистическую группу в копию конкретного организма. «Люди с похожими записями обычно…» и «ваша индивидуальная система отреагирует…» являются разными утверждениями.

Аватар, архив, прогноз и двойник: иллюстрация из информационного курса 209

Организм не является изделием с паспортом

У двигателя есть чертёж, история обслуживания, известные материалы и относительно ограниченный набор режимов. Даже его двойник требует допущений. У человека нет доступного разработчику полного исходного чертежа, а история жизни записана лишь частично. Организм меняется, адаптируется и реагирует на среду; его поведение зависит также от того, что человек решил сделать после просмотра прогноза.

Полнота измерений и полнота знания различаются. Можно собирать огромный поток пульса и при этом почти ничего не знать о причине изменения внимания. Можно иметь подробное изображение органа, но не знать персональные параметры его динамики. Можно получить множество биологических признаков без надёжной модели связей между ними. Большой объём данных не заполняет автоматически пробелы в причинном понимании.

Концептуальная статья Björnsson и соавторов обсуждает связывание молекулярных, клеточных, фенотипических и других слоёв через сетевые модели. Это предложение архитектуры будущего, а не демонстрация готовой универсальной копии. Авторы прямо признают технические, теоретические и этические трудности и раскрывают связи с цифровыми инициативами. [08]

Метафора двойника полезна, если она направляет внимание к связи модели с конкретным человеком. Она вводит в заблуждение, если стирает границу между наблюдаемым и предполагаемым. Несколько аккуратно выбранных параметров могут отвечать на узкий вопрос лучше, чем гигантский набор переменных с неизвестными связями.

У человека есть и социальный слой. «Оптимальный сон» в программе может конфликтовать с ночной сменой, заботой о ребёнке или необходимостью ранней поездки. Модель, которая называет такой конфликт ошибкой пользователя, описывает лишь свою функцию оценки. Она не получает от этого права определять, что считать хорошей жизнью.

Почему идея полной копии так привлекательна

Полная копия обещает отменить неопределённость. На экране можно заранее прожить варианты будущего и выбрать удачный. Но организм и повседневность не дают возможности воспроизвести два совершенно одинаковых будущих дня. Поэтому даже развитая система сравнивает условные сценарии, а не показывает уже существующую судьбу человека. Разница тонкая, но именно она отделяет инструмент от оракула.

Организм не является изделием с паспортом: иллюстрация из информационного курса 209

Рисунок 1. Вычислительный портрет выбирает слои и связи. Оригинальная авторская иллюстрация: силуэт не является анатомическим изображением; схема не содержит результатов исследования.

Из чего собирается вычислительный портрет

Условный цифровой портрет проходит несколько этапов. Сначала появляется сигнал: свет отражается от кожи, акселерометр фиксирует движение, человек пишет время отхода ко сну. Затем алгоритм превращает сигнал в показатель. После этого модель объединяет показатели и выдаёт прогноз. Интерфейс переводит прогноз в слово, цвет или совет. Ошибка может возникнуть на любом переходе.

Одна запись «сон 7 часов» скрывает несколько разных вещей: длительность нахождения в постели, время без движения, оценку состояния сна или результат специального измерения. Если разработчик смешал эти определения, модель может быть математически безупречной и всё равно отвечать на другой вопрос. Необходимость знать смысл входного показателя важнее эффектного количества подключённых устройств.

Технический стандарт FHIR описывает обмен структурированными данными через ресурсы и связи между ними. Это полезная основа совместимости, но стандарт обмена не доказывает, что разные источники измеряли одно и то же, что время записано правильно или что прогноз точен. [31]

В бытовом примере два телефона могут записать одинаковую отметку «23:30», но один сохраняет местное время, а другой переводит его в другую часовую зону. При поездке серия выглядит как внезапный сдвиг режима. Если происхождение записи потеряно, приложение легко превращает ошибку согласования в рассказ об организме.

Дополнительный слой составляет очистка данных. Пропуск иногда означает, что человек снял устройство; иногда устройство разрядилось; иногда связь пропала. Замена пропуска

средним значением не восстанавливает утраченный день. Она создаёт вычисленную запись, которую следует отличать от наблюдения.

Из чего собирается вычислительный портрет: иллюстрация из информационного курса 209

Схема 1. Путь от события к экранному обещанию. Авторская схема; каждый переход добавляет обработку и допущения.

Происхождение важнее аккуратной линии

Для интерпретации записи значимы устройство, версия алгоритма, условия измерения и способ обработки. В авторской модели «паспорт данных» сохраняет эти сведения рядом с результатом. Ровная кривая после сглаживания может быть удобной, но сама по себе она не является дополнительным фактом о человеке. Её гладкость принадлежит обработке.

Три семейства моделей и три вида обещаний

Механистическая модель описывает выбранные процессы через уравнения и физические или физиологические предположения. Статистическая модель ищет устойчивые связи между признаками и результатом. Гибридная соединяет оба подхода. Любое из семейств может быть полезным или ошибочным; название метода не заменяет проверки.

Механистический подход привлекателен тем, что позволяет задавать сценарии и смотреть, как меняется расчёт. Но он зависит от правильности структуры и параметров. Статистический может хорошо прогнозировать внутри знакомых условий, не объясняя механизм. Гибридный использует дополнительные ограничения, но наследует проблемы обоих компонентов.

Позиционная статья Corral-Acero и соавторов описывает вычислительные модели и алгоритмы как один из столпов персональной кардиологии. Здесь использована только её аннотация: полный авторский PDF получить не удалось. Поэтому публикация подтверждает концептуальную позицию авторов, а не любые конкретные показатели точности. [10]

Чтобы увидеть разницу методов, представим вымышленный прогноз времени прогулки. Простая статистика замечает, что в дождливые дни записей меньше. Механистическая часть могла бы описывать маршрут, доступное время и погоду. Но ни одна из них не узнает автоматически, что в этот день человек остался дома ради семейного события. Такая

причина находится вне входных данных.

Утверждение «мы применяем ИИ» ничего не говорит о том, существует ли внутри динамическая модель организма. ИИ может очищать сигнал, распознавать картинку, подбирать похожую группу или писать объяснение готового числа. Все эти функции различны. Их объединение под одним словом удобно для рекламы, но делает обещание менее проверяемым.

Три семейства моделей и три вида обещаний: иллюстрация из информационного курса 209

Красивое объяснение и работающая симуляция

Текст «ваша энергия снизилась из-за…» может быть создан языковой системой уже после расчёта. Он не доказывает причинность и не добавляет измерений. Симуляция должна иметь определённые входы, выходы и условия сравнения с реальностью. Убедительный рассказ без такой основы остаётся рассказом, даже если написан персонально и звучит заботливо.

Купить полную версию статьи в PDF 399 ₽

Источники и Список литературы

  1. [01] National Academies of Sciences, Engineering, and Medicine. Foundational Research Gaps and Future Directions for Digital Twins: Highlights. 2023; основной отчёт 2024. первичный источник Прочитаны определение, элементы экосистемы, fit for purpose и раздел VVUQ в кратком документе, с. 1-4. Пределы: Изучен документ Highlights, а не весь основной отчёт. Консенсусная рамка, не испытание продукта. https://nap.nationalacademies.org/resource/26894/RH-digital-twins.pdf
  2. [02] U.S. Food and Drug Administration. Assessing the Credibility of Computational Modeling and Simulation in Medical Device Submissions. 2023. первичный источник Прочитаны введение, область применения, определения и этапы общей рамки; выбранные положения о context of use. Пределы: Рекомендации США для механистических моделей медицинских изделий. Не сертификат любого ИИ и не российский нормативный документ. https://www.fda.gov/media/154985/download
  3. [03] European Commission. European Virtual Human Twins Initiative. официальная действующая веб-страница. первичный источник Изучены описание инициативы, интеграции и валидации моделей, инфраструктуры и EDITH. Пределы: Программные цели и инфраструктура. Не клиническое исследование и не свидетельство готовности полного двойника организма. https://digital-strategy.ec.europa.eu/en/policies/virtual-human-twins
  4. [04] Кобякова О. С., Стародубов В. И., Куракова Н. Г., Цветкова Л. А. Цифровые двойники в здравоохранении: оценка технологических и практических перспектив. 2021. первичный источник Прочитаны аннотация, концепция цифрового двойника, описание метода патентного анализа и выбранные результаты. Пределы: Обзор и патентный ландшафт преимущественно до 2021 года. Коммерческие примеры в обзоре не приняты за независимые испытания. https://vestnikramn.spr-journal.ru/jour/article/view/1717
  5. [05] Редакция ITMO.NEWS, Университет ИТМО. Университет ИТМО стал единственным российским участником в проекте ЕС по созданию цифровых двойников. 2018. первичный источник Прочитаны блоки о DigiTwins, предварительном отборе проекта, миссии и роли лаборатории ИТМО. Пределы: Сообщение участника инициативы и планы 2018 года. Не подтверждает реализацию всей программы или её статус сегодня. https://news.itmo.ru/ru/science/new_materials/news/7551/
  6. [06] Российская академия наук. Заседание Президиума РАН 8 июня 2021 года: цифровой биодизайн и персонализированное здравоохранение. 2021. первичный источник Прочитаны сообщения о моделях разных уровней, биобанке, носимых датчиках и планируемом прототипе. Пределы: Материалы заседания и заявления участников. Сроки разработки в них являются планами, а не доказательством их выполнения. https://www.ras.ru/news/shownews.aspx?id=aef8898e-336d-495f-87bc-e5f25028f733&print=1
  7. [07] Сеченовский Университет. В Клиническом центре наук о здоровье появится цифровой двойник отделения анестезиологии и реанимации. 2025. первичный источник Прочитаны сообщение о соглашении, назначении системы и планах мониторинга службы. Пределы: Первичное институциональное сообщение. Двойник отделения не равен двойнику всего человека. Заявленные проценты эффективности без первичных исследований не использованы. https://www.sechenov.ru/pressroom/news/v-klinicheskom-tsentre-nauk-o-zdorove-sechenovskogo-universiteta-poyavitsya-tsifrovoy-dvoynik-otdele/
  8. [08] Björnsson B., Borrebaeck C., Elander N. et al. Digital twins to personalize medicine. опубликовано 2019; том 2020. первичный источник Прочитаны авторская концепция сетевых моделей, выбранные положения об интеграции слоёв данных, Conclusions и Competing interests. Пределы: Концептуальная статья консорциума. Не испытание универсального двойника; авторы раскрывают связь с цифровыми инициативами. https://genomemedicine.biomedcentral.com/articles/10.1186/s13073-019-0701-3
  9. [09] Bruynseels K., Santoni de Sio F., van den Hoven J. Digital Twins in Health Care: Ethical Implications of an Emerging Engineering Paradigm. 2018. первичный источник Прочитаны определение инженерной парадигмы и разделы о приватности, идентичности, неравенстве и управлении данными. Пределы: Философский анализ возможных последствий, не измерение частоты вреда или эффективности сервиса. https://www.frontiersin.org/journals/genetics/articles/10.3389/fgene.2018.00031/full
  10. [10] Corral-Acero J., Margara F., Marciniak M. et al. The Digital Twin to enable the vision of precision cardiology. 2020. первичный источник Прочитана аннотация и описание публикации в репозитории авторского университета ORBi. Пределы: Полный PDF при обращении вернул ошибку получения. Использован только заявленный в аннотации концептуальный тезис о вычислительных моделях. https://doi.org/10.1093/eurheartj/ehaa159
  11. [11] Prakosa A., Arevalo H. J., Deng D. et al. Personalized virtual-heart technology for guiding the ablation of infarct-related ventricular tachycardia. 2018. первичный источник Прочитаны Overview, Proof-of-concept Studies, выбранные Methods и Uncertainty in Target Predictions and limitations. Пределы: 21 ретроспективный человеческий случай и 5 проспективных; отдельная животная серия. Персонализирована геометрия, электрофизиология частично усреднена. Это раннее доказательство осуществимости. https://pmc.ncbi.nlm.nih.gov/articles/PMC6400313/
  12. [12] Arevalo H. J., Vadakkumpadan F., Guallar E. et al. Arrhythmia risk stratification of patients after myocardial infarction using personalized heart models. 2016. первичный источник Прочитаны Assessing the predictive capabilities, выбор пациентов и выбранные положения статистического анализа. Пределы: Ретроспективная сбалансированная группа 41 человека из исходной когорты 136. Доля событий в отобранной группе не является популяционной вероятностью. https://pmc.ncbi.nlm.nih.gov/articles/PMC4866040/
  13. [13] Boyle P. M., Zghaib T., Zahid S. et al. Computationally guided personalized targeted ablation of persistent atrial fibrillation. 2019. первичный источник Прочитаны авторство, аннотация, сведения о публикации и описание проверки осуществимости в 10 случаях. Пределы: Основной текст и приложения не изучены. Аннотация не позволяет оценить все исходы, отбор и длительность наблюдения. https://www.nature.com/articles/s41551-019-0437-9
  14. [14] Camps J., Berg L. A., Wang Z. J. et al. Digital Twinning of the Human Ventricular Activation Sequence to Clinical 12-lead ECGs and Magnetic Resonance Imaging Using Realistic Purkinje Networks for in Silico Clinical Trials. 2023. первичный источник Прочитаны аннотация, авторство и сведения о версии arXiv v1. Пределы: Изучена аннотация препринта: 4 контрольных участника и 2 пациента; корреляция QRS более 0,7. Не оценка клинической пользы и не чтение полного текста. https://arxiv.org/abs/2306.13740
  15. [15] Tang C., Yi W., Occhipinti E., Dai Y., Gao S., Occhipinti L. G. Human Body Digital Twin: A Master Plan. 2023. первичный источник Прочитаны аннотация, авторство, история версий и связь с журнальной публикацией. Пределы: Использована только аннотация arXiv v2, описывающая дорожную карту. Пять уровней развития не трактуются как достигнутые ступени. https://arxiv.org/abs/2307.09225
  16. [16] Kovatchev B. P., Breton M., Dalla Man C., Cobelli C. In Silico Preclinical Trials: A Proof of Concept in Closed-Loop Control of Type 1 Diabetes. 2009. первичный источник Прочитаны аннотация и описание трёх компонентов симулятора и его назначения. Пределы: 300 виртуальных субъектов — вычислительная популяция, не 300 участников нового испытания и не полные персональные двойники. https://pmc.ncbi.nlm.nih.gov/articles/PMC2681269/
  17. [17] Dalla Man C., Micheletto F., Lv D., Breton M., Kovatchev B., Cobelli C. The UVA/PADOVA Type 1 Diabetes Simulator: New Features. 2014. первичный источник Прочитана аннотация о физиологических изменениях модели, генерации виртуальных субъектов и версии S2013. Пределы: Полный текст не изучен. Использован как пример развития конкретного симулятора, без переноса алгоритмов в бытовые советы. https://pubmed.ncbi.nlm.nih.gov/24876534/
  18. [18] Visentin R., Dalla Man C., Kovatchev B., Cobelli C. The University of Virginia/Padova Type 1 Diabetes Simulator Matches the Glucose Traces of a Clinical Trial. 2014. первичный источник Прочитана структурированная аннотация Background, Subjects and Methods, Results, Conclusions. Пределы: 24 реальных взрослых, 96 профилей после еды и сравнение со 100 виртуальными взрослыми. Полный текст и приложения не изучены; проверка относится к определённым условиям. https://pubmed.ncbi.nlm.nih.gov/24571584/
  19. [19] Hall K. D., Sacks G., Chandramohan D. et al. Quantification of the effect of energy imbalance on bodyweight. 2011. первичный источник Прочитаны аннотация, выбранные разделы о динамике массы и популяционном усреднении, Conclusions. Пределы: Динамическая модель взрослых; не универсальная персональная копия. Старые данные используются для истории подхода, без предписаний по питанию. https://pmc.ncbi.nlm.nih.gov/articles/PMC3880593/
  20. [20] Zeevi D., Korem T., Zmora N. et al. Personalized Nutrition by Prediction of Glycemic Responses. 2015. первичный источник Прочитаны авторство и аннотация: 800 участников, 46 898 приёмов пищи, отдельная проверка в 100 участниках. Пределы: Основной текст и приложения не изучены. Прогноз одного ответа после еды не доказывает полезность любой персональной диеты или двойник всего организма. https://pubmed.ncbi.nlm.nih.gov/26590418/
  21. [21] Berry S. E., Valdes A. M., Drew D. A. et al. Human postprandial responses to food and potential for precision nutrition. 2020. первичный источник Прочитаны аннотация и описание дизайна PREDICT 1 на странице издателя: 1 002 взрослых Великобритании. Пределы: Полный текст и исправление 2020 года не анализировались; тонкие численные оценки вкладов факторов не используются. Различия ответов не равны доказанному долгосрочному эффекту приложения. https://www.nature.com/articles/s41591-020-0934-0
  22. [22] Mendes-Soares H., Raveh-Sadka T., Azulay S. et al. Assessment of a Personalized Approach to Predicting Postprandial Glycemic Responses to Food Among Individuals Without Diabetes. 2019. первичный источник Прочитаны Methods, Statistical Analysis, Results, Discussion, Limitations и основные сведения об авторах. Пределы: Полная американская группа: 327 участников. Для обучения и оценки модели использованы данные 293 американских и 397 израильских участников; проверка десятикратная, с разделением по участникам. Это не полностью нетронутая внешняя выборка; полные приложения не изучены. https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2723644
  23. [23] Shcherbina A., Mattsson C. M., Waggott D. et al. Accuracy in Wrist-Worn, Sensor-Based Measurements of Heart Rate and Energy Expenditure in a Diverse Cohort. 2017. первичный источник Прочитаны аннотация, Results, Discussion, Limitations и Conclusions. Пределы: 60 добровольцев, семь устройств своего времени, контролируемая лаборатория. Результаты не являются рейтингом моделей 2026 года. https://pmc.ncbi.nlm.nih.gov/articles/PMC5491979/
  24. [24] Bent B., Goldstein B. A., Kibbe W. A., Dunn J. P. Investigating sources of inaccuracy in wearable optical heart rate sensors. 2020. первичный источник Прочитаны аннотация и выбранные положения об источниках ошибок оптического сигнала. Пределы: Полный текст и Matters Arising 2021 года не изучены. Отсутствие значимого различия по оттенку кожи в этой работе не доказывает отсутствие различий везде. https://www.nature.com/articles/s41746-020-0226-6
  25. [25] Chinoy E. D., Cuellar J. A., Huwa K. E. et al. Performance of seven consumer sleep-tracking devices compared with polysomnography. 2021. первичный источник Прочитаны структурированная аннотация Methods и Results и доступные положения об ограничениях лабораторного дизайна. Пределы: 34 молодых здоровых взрослых, три ночи; не все устройства применялись одновременно ко всем. Проверены устройства и версии периода сбора данных, а не весь современный рынок. https://academic.oup.com/sleep/article/44/5/zsaa291/6055610
  26. [26] Van Calster B., McLernon D. J., van Smeden M., Wynants L., Steyerberg E. W. Calibration: the Achilles heel of predictive analytics. 2019. первичный источник Прочитаны аннотация и раздел Discrimination is important, but are the risk estimates reliable? Пределы: Методологический разбор; новых клинических данных в статье нет. Использован для различия ранжирования и калибровки. https://pmc.ncbi.nlm.nih.gov/articles/PMC6912996/
  27. [27] Collins G. S. et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. 2024. первичный источник Прочитаны описание 27 основных пунктов, структура и выбранные изменения относительно TRIPOD 2015. Пределы: Рекомендации по полноте отчётности, не знак эффективности модели. Полный расширенный перечень и приложения не анализировались. https://www.bmj.com/content/385/bmj-2023-078378
  28. [28] Moons K. G. M., Damen J. A. A., Kaul T. et al. PROBAST+AI: an updated quality, risk of bias, and applicability assessment tool for prediction models using regression or artificial intelligence methods. 2025. первичный источник Прочитаны аннотация и доступное описание частей разработки и оценки: четыре домена, 16 и 18 вопросов. Пределы: Методологический инструмент. Не проведена формальная оценка всех исследований курса по полному PROBAST+AI. https://www.bmj.com/content/388/bmj-2024-082505
  29. [29] Obermeyer Z., Powers B., Vogeli C., Mullainathan S. Dissecting racial bias in an algorithm used to manage the health of populations. 2019. первичный источник Прочитаны аннотация, авторство и описание источника смещения: прогноз расходов вместо потребности в помощи. Пределы: Основной текст закрыт для полученного доступа. Работа про конкретную американскую систему, не про все цифровые двойники. https://doi.org/10.1126/science.aax2342
  30. [30] Wilkinson M. D., Dumontier M., Aalbersberg I. J. et al. The FAIR Guiding Principles for scientific data management and stewardship. 2016. первичный источник Прочитаны аннотация и Supporting discovery through good data management. Пределы: Принципы управления исследовательскими данными. FAIR не означает открытый доступ к личным данным и не гарантирует качество физиологического прогноза. https://www.nature.com/articles/sdata201618
  31. [31] HL7 International. FHIR Overview, версия R5 5.0.0. 2023, документация версии R5. первичный источник Прочитаны FHIR Overview, Components и Approach to information modeling. Пределы: Обзор стандарта обмена данными. Сам по себе не подтверждает согласованность смысла данных, точность модели или защиту конкретного сервиса. https://hl7.org/fhir/overview.html
  32. [32] Rosen J., Johns Hopkins University. Digital twin hearts deliver 100% success in arrhythmia trial. 2026. первичный источник Прочитано полное короткое сообщение университетской редакции, включая группу 10, ранние эпизоды у двух участников и дальнейшие планы. Пределы: Первичное сообщение авторской организации. Статья NEJM DOI 10.1056/NEJMc2517822 не получена (403; PMC CAPTCHA). Утверждения новости не заменяют независимую оценку полного протокола. https://hub.jhu.edu/2026/04/01/digital-twin-hearts-arrhythmia-trial/
Купить полную версию статьи в PDF 399 ₽

Продолжим разговор
в Telegram и на YouTube.

Новые материалы, видео и мысли о том, как внимательнее относиться к себе. Присоединяйтесь к BioTuning.