In der heutigen Zeit verschmelzen Medizin und Technologie immer st\u00e4rker miteinander. Daher ist es nicht verwunderlich, dass digitale Biomarker und Patientenzwillinge in den Vordergrund treten. Diese innovativen Technologien haben das Potenzial, die personalisierte Medizin grundlegend zu ver\u00e4ndern und die Behandlung von Patientinnen und Patienten zu revolutionieren. Sie bieten die M\u00f6glichkeit, Gesundheitsrisiken fr\u00fchzeitig zu erkennen und individuelle Pr\u00e4ventionsstrategien zu entwickeln.<\/p>\n
Biomarker sind charakteristische biologische Merkmale, die objektiv gemessen werden und als Indikatoren f\u00fcr normale oder krankhafte biologische Prozesse sowie f\u00fcr die Reaktion auf therapeutische Behandlungen dienen und dabei helfen k\u00f6nnen, den Gesundheitszustand zu \u00fcberwachen und Prognosen zu erstellen. Ein Beispiel f\u00fcr einen Biomarker ist das Choriongonadotropin (hCG). Normalerweise wird dieser Wert zur Bestimmung einer Schwangerschaft verwendet. Ist der hCG-Wert jedoch unabh\u00e4ngig von einer Schwangerschaft erh\u00f6ht, kann dies auf das Vorliegen eines Keimzelltumors oder eines Hepatoblastoms bei Kindern hinweisen. Die \u00dcberwachung und Kontrolle der Therapie dieser Tumoren basiert insbesondere auf dem hCG-Wert [1].<\/p>\n
Aufbauend darauf haben sich mittlerweile digitale Biomarker als eine fortgeschrittene Form entwickelt. Diese werden unter anderem durch den Einsatz digitaler Technologien wie Sensoren, Wearables, Implantate oder Bilddaten erfasst. Die \u00fcber mehrere Hard- und Softwareebenen gesammelten Daten der Ger\u00e4te dienen als Indikatoren f\u00fcr normale biologische Prozesse, pathogene Prozesse oder biologische Reaktionen auf therapeutische oder andere Interventionen. Durch die kontinuierliche und ferngesteuerte Erfassung und Bewertung von medizinischen Daten au\u00dferhalb der traditionellen klinischen Umgebung erweitern digitale Biomarker die M\u00f6glichkeiten zur medizinischen \u00dcberwachung [2]. Beispiele f\u00fcr digitale Biomarker aus der Praxis lassen sich in verschiedenen medizinischen Bereichen finden. In der Neurologie werden beispielsweise bei Patientinnen und Patienten mit Friedreich-Ataxie oder Duchenne-Muskeldystrophie Bewegungsanalysen mittels Sensoren in der Kleidung durchgef\u00fchrt [3]. Die erfassten Bewegungsmuster helfen bei der Diagnose und \u00dcberwachung dieser Krankheiten. In der Psychotherapie findet die Stimmungsanalyse Anwendung bei bipolaren St\u00f6rungen. Durch Ver\u00e4nderungen im Verhalten der Smartphone-Nutzung k\u00f6nnen somit R\u00fcckschl\u00fcsse auf den emotionalen Zustand von Patientinnen und Patienten gezogen werden [4].<\/p>\n
Digitale Zwillinge repr\u00e4sentieren eine fortschrittliche Technologie, die durch die Integration von Daten und Echtzeitsimulationen virtuelle Modelle physischer Entit\u00e4ten erstellt. Urspr\u00fcnglich in technischen Disziplinen etabliert, findet dieses Konzept zunehmend Anwendung im medizinischen Sektor, zum Beispiel in Form von digitalen Patientenzwillingen. Ein digitaler Patientenzwilling ist eine spezifische Auspr\u00e4gung des Digitalen Zwillings, der individuelle Gesundheitsdaten eines Patienten oder einer Patientin nutzt, um ein detailliertes und dynamisches virtuelles Modell dieser Person zu schaffen. Dieses Modell erm\u00f6glicht es Medizinerinnen und Medizinern, Krankheitsverl\u00e4ufe zu simulieren, Therapien pr\u00e4zise anzupassen und potenzielle Reaktionen auf verschiedene Behandlungsmethoden vorherzusagen. Dadurch, dass der digitale Patientenzwilling kontinuierlich mit neuen Daten aktualisiert wird, k\u00f6nnen auch Ver\u00e4nderungen im Gesundheitszustand der Patientinnen und Patienten zeitnah erfasst werden und es kann entsprechend reagiert werden. Der Einsatz solcher Modelle kann somit zu einer erheblichen Verbesserung von Diagnose, Behandlung und pr\u00e4ventiven Ma\u00dfnahmen f\u00fchren und stellt einen Paradigmenwechsel in der personalisierten Medizin dar [5].<\/p>\n
Digitale Zwillinge von Patientinnen und Patienten finden bereits in verschiedenen Bereichen Anwendung und k\u00f6nnen dabei unterschiedlich aufgebaut werden:<\/p>\n
Die Kombination von digitalen Biomarkern mit digitalen Patientenzwillingen stellt einen bedeutenden Fortschritt in der personalisierten Medizin dar. Die Verbindung dieser Methoden erm\u00f6glicht durch die Nutzung von Echtzeitgesundheitsdaten und virtuellen Patientenmodellen eine genauere und individuellere medizinische Betreuung. Die kontinuierliche \u00dcberwachung des Gesundheitszustands einer Person und die st\u00e4ndige Aktualisierung ihrer digitalen Repr\u00e4sentation k\u00f6nnen Behandlungspl\u00e4ne laufend verbessern, was die Effektivit\u00e4t der medizinischen Versorgung steigert. Zudem erm\u00f6glicht die fortgeschrittene Analyse, zuk\u00fcnftige Gesundheitsentwicklungen vorauszusehen und proaktiv darauf zu reagieren. Digitale Patientenzwillinge unterst\u00fctzen auch die Entdeckung und Validierung neuer digitaler Biomarker. Durch ihren Einsatz lassen sich Daten in einer bisher unvorstellbaren Detailtiefe sammeln und analysieren, was zur Identifikation von bisher unbekannten Biomarkern f\u00fchren kann. Viele potenzielle Biomarker sind bislang m\u00f6glicherweise unentdeckt geblieben, da die Daten nicht in der n\u00f6tigen Breite und Tiefe gesammelt und ausgewertet werden konnten. Insgesamt bietet diese Verbindung das Potenzial, die medizinische Landschaft grundlegend zu ver\u00e4ndern [6].<\/p>\n
Anwendungsbeispiele f\u00fcr die Integration von digitalen Biomarkern in digitale Patientenzwillinge sind in verschiedenen medizinischen Feldern zu finden und demonstrieren eindrucksvoll, wie diese Technologien die Behandlung und das Gesundheitsmanagement verbessern:<\/p>\n
Obwohl die Verbindung von digitalen Biomarkern mit digitalen Patientenzwillingen erhebliche Fortschritte in der personalisierten Medizin verspricht, bringt sie auch Herausforderungen mit sich. Eine der gr\u00f6\u00dften Herausforderungen ist der Datenschutz und die Datensicherheit, da enorme Mengen sensibler Patientendaten gesammelt, \u00fcbertragen und gespeichert werden m\u00fcssen. Die Gew\u00e4hrleistung des Datenschutzstandards und die Sicherung der Daten gegen unbefugten Zugriff stellen entscheidende Anforderungen dar. Eine weitere Herausforderung liegt in der Integration und Standardisierung der Daten aus verschiedenen Quellen, um eine konsistente und pr\u00e4zise Datenbasis f\u00fcr die digitalen Patientenzwillinge und die Identifikation von digitalen Biomarkern zu schaffen. Hinzu kommt die Notwendigkeit, medizinisches Personal in der Nutzung dieser neuen Technologien zu schulen, um eine korrekte Anwendung und Interpretation der gewonnenen Daten zu gew\u00e4hrleisten. Schlie\u00dflich ist die wissenschaftliche Validierung der erzielten Ergebnisse eine kontinuierliche Herausforderung, da klinische Relevanz und Genauigkeit dieser innovativen Ans\u00e4tze st\u00e4ndig \u00fcberpr\u00fcft und verbessert werden m\u00fcssen.<\/p>\n
Am Fraunhofer IESE verf\u00fcgen wir \u00fcber spezialisierte Kenntnisse, Technologien und Methodologien zur Erfassung und Analyse von digitalen Biomarkern, die entscheidend sind, um Ver\u00e4nderungen im Gesundheitszustand von Patientinnen und Patienten pr\u00e4zise zu erfassen. Ein Beispiel ist hier unser Projekt Neighborhood Diagnostics (https:\/\/www.iese.fraunhofer.de\/de\/referenz\/neighborhood-diagnostics-patientennahe-diagnostik.html<\/a>), wo ein innovatives Digitales \u00d6kosystem zur Erfassung relevanter Gesundheitsdaten \u00fcber Wearables und Smart Medical Devices entwickelt wird.<\/p>\n Die Symbiose aus digitalen Patientenzwillingen und digitalen Biomarkern repr\u00e4sentiert einen Meilenstein f\u00fcr die Entwicklung der personalisierten Medizin. Durch sie k\u00f6nnen Behandlungspl\u00e4ne fortlaufend optimiert werden, und es kann proaktiv auf Ver\u00e4nderungen im Gesundheitszustand von Patientinnen und Patienten eingegangen werden. Dies bietet nicht nur mehr Pr\u00e4vention, sondern reduziert auch die Gesundheitsausgaben f\u00fcr Medikamente oder Sp\u00e4tfolgen. Auch wenn dieser Ansatz einige Herausforderungen mit sich bringt, so wird die Symbiose dieser beiden unsichtbaren Helden unser aller Gesundheit in Zukunft ma\u00dfgeblich beeinflussen.<\/p>\n [1] Sisinni L, Landriscina M. The Role of Human Chorionic Gonadotropin as Tumor Marker: Biochemical and Clinical Aspects. Adv Exp Med Biol. 2015;867:159-76. doi: 10.1007\/978-94-017-7215-0_11. PMID: 26530366.<\/p>\n [2] Coravos A, Khozin S, Mandl KD. Developing and adopting safe and effective digital biomarkers to improve patient outcomes. NPJ Digit Med. 2019;2(1):14. doi: 10.1038\/s41746-019-0090-4. Epub 2019 Mar 11. Erratum in: NPJ Digit Med. 2019 May 10;2:40. doi: 10.1038\/s41746-019-0119-8. PMID: 30868107; PMCID: PMC6411051.<\/p>\n [3] Kadirvelu, B., Gavriel, C., Nageshwaran, S.\u00a0et al.<\/i>\u00a0A wearable motion capture suit and machine learning predict disease progression in Friedreich\u2019s ataxia.\u00a0Nat Med<\/i>\u00a029<\/b>, 86\u201394 (2023). https:\/\/doi.org\/10.1038\/s41591-022-02159-6<\/a><\/p>\n [4] M\u00fchlbauer, E., Bauer, M., Ebner-Priemer, U.\u00a0et al.<\/i>\u00a0Effectiveness of smartphone-based ambulatory assessment (SBAA-BD) including a predicting system for upcoming episodes in the long-term treatment of patients with bipolar disorders: study protocol for a randomized controlled single-blind trial.\u00a0BMC Psychiatry<\/i>\u00a018<\/b>, 349 (2018). https:\/\/doi.org\/10.1186\/s12888-018-1929-y<\/a><\/p>\n [5] Katsoulakis, E., Wang, Q., Wu, H.\u00a0et al.<\/i>\u00a0Digital twins for health: a scoping review.\u00a0npj Digit. Med.<\/i>\u00a07<\/b>, 77 (2024). https:\/\/doi.org\/10.1038\/s41746-024-01073-0<\/a><\/p>\nFazit zu digitalen Patientenzwillingen und digitale Biomarker<\/h2>\n
Referenzen<\/strong><\/h3>\n