人体数字孪生
| 域 ID | domain.human-digital-twin |
|---|---|
| C 层级 | C4 |
| 研究对象 | 个体状态观测、动态模型、反事实模拟与决策接口 |
| 持续性作用 | 把分散数据转换为可更新的生命路径模型 |
| 证据状态 | 部分审查 |
| 仓库路径 | domains/c4-conversion-channel/human-digital-twin-life-course-simulation |
人体数字孪生：人体数字孪生研究用持续更新的数据、机制模型和统计模型表示个体或人群生理状态，以比较情景、预测风险和支持研究决策。[1]
稳定对象为个体状态观测、动态模型、反事实模拟与决策接口。本域对 Human Infra 的作用性质是：间接决策基础设施；模型只能改变信息质量，不能自行改变身体状态。 原模板中的持续性作用为“把分散数据转换为可更新的生命路径模型”。
它能改变的是可测风险、功能、恢复能力、信息质量或路径可达性；它不能仅凭概念存在、机制合理或局部指标变化证明主体已获得无限寿命或连续性。
- 数据覆盖、时间分辨率和测量误差
- 模型校准、外部验证和不确定性
- 预测对真实决策和结局的增量价值
- 隐私、可解释性和可撤回性
- 模型漂移、数据缺失和反馈回路
研究对象与干预/制度路线 -> 改变关键生物、功能、信息或基础设施变量 -> 改变主体状态与可恢复性 -> 改变死亡、失能、中断或路径封闭风险 -> 以预先定义的最终终点判断对主体持续性的净影响
机制链必须同时记录反方向路径：副作用、补偿反应、资源消耗、风险转移和长期未知可使局部改善不产生净收益。
- 多模态纵向数据整合
- 机制生理模型与器官模型
- 机器学习风险预测
- 虚拟试验和情景仿真
- 闭环监测与人类决策接口
直接依赖或共同约束：
相关技术节点：
相邻研究域：
替代路线必须按目标变量而不是按技术品牌比较；当主要路线在最终终点、安全性、可及性或维护性上失败时，应转向预防、修复、功能替代、社会支持或风险回避。
数字孪生在工程和部分医疗建模中使用，但“全身、长期、个体精确”孪生仍是研究目标；预测准确性高度依赖数据和用途。
不能证明：模型相似、数字副本或高预测分数不等于人格复制、意识上传或治疗效果。
- 证据来源：衰老生物标志物验证框架2024：支持把生物年龄指标视为需要独立验证的代理量，而非寿命或疗效的自动替代终点。[2]
- 证据来源：NIST人工智能风险管理框架1.0：支持把模型性能、数据偏差、可追溯性、人工监督、安全与部署情境同时纳入自动化科研。[3]
- 证据来源：Human Infra仓库研究材料：只支持本 Wiki 对项目专有概念、稳定对象和仓库路径的定义与溯源。[4]
验证应从机制指标依次推进到组织/系统功能、患者重要结局、长期安全和真实世界可及性。未来或条件性路线不得给出虚假实现年份。
反证或降级条件包括：合格研究未改善预设终点；结果不能独立重复；只在体外或不相关动物模型成立；净风险、失能或资源负担上升；关键前置依赖在现实环境中不可满足。
- 训练数据偏差和分布漂移
- 模型输出进入决策后改变被预测过程
- 不确定性被隐藏为单点预测
- 模型被用于保险、就业或资源排除
- 用途限制、审计、数据最小化和人类复核
- 医疗用途需按软件/器械和临床证据监管
- 不得提供个体寿命或疾病确定性预测
- 哪些生理过程可在何种时间尺度上可辨识？
- 模型建议是否真正改善患者重要结局？
- 数字孪生与主体身份之间应保持何种概念边界？