由于大量现实世界数据（RWD）的可用性，如电子健康记录（EHR），这些数据已成为高级机器学习算法的关键基石。这使得通过解决观察数据中存在的混杂问题来实现有效的决策和应用成为可能。近年来，数字孪生（DTs）作为物理组件、过程或系统的数字对应物出现，提供了可用于模拟、评估、优化和虚拟测试的虚拟表示。在医疗保健领域，这项技术的重要性日益增加，具有重塑患者护理和促进更个性化、智能化、主动化的患者福祉方法的潜力。这种变革潜力涵盖了医疗保健的各个方面，从预测、诊断、治疗、预后策略到资源分配。数字孪生技术的集成成为满足这些不断变化需求的有前途的解决方案。
数字孪生在医学中特别有用，因为它可以开发虚拟模型来模拟分子之间的相互作用，模拟细胞、组织和器官对物理化学刺激的响应模型，直至模拟整个个体的宏观临床效应。当严格相似于其生物对应物的要求放宽时，数字孪生的应用范围甚至更广；在这种情况下，一个有趣的变体是生成完全合成的患者，虽然没有真实的对应物，但仍然足够逼真，可以代表与感兴趣变量相关的相同统计特征。从这个角度来看，生成合成数据集的系统代表了数字孪生范式的有趣演变，为诸如隐私保护或数据保护等问题提供了有价值的解决方案，例如在多中心研究的管理中。
本次征稿的目的是收集高质量的文章或综述，探讨如何在遗传学或临床实践中解释和实际应用数字孪生概念，从健康科学和数学方法的角度出发。感兴趣的子主题包括但不限于以下方面：
- 遗传学中的数字孪生
- 组学科学中的数字孪生
- 遗传医学中的数字孪生
- 合成数字患者队列的生成
- 数据融合和互操作性增强个性化医学中的人工智能应用
- 实时监测和慢性病管理的数字孪生平台
- 可穿戴设备和移动设备中的数字生物标志物用于疾病预测
- 适用于远程医疗和远程患者监测的数字孪生
- 心理健康护理中的变革性人工智能技术
- 基于人工智能的病理成像和遗传数据融合用于癌症诊断
- 通过人工智能分析EHR和药房数据进行个性化药物管理
- 医疗保健中数字孪生的伦理和监管考虑
- 合成患者队列中的数据隐私和安全
- 多模态数据集成用于全面健康档案和数字孪生
关键词：数字孪生、遗传医学、人工智能、个性化医学
重要提示：提交给本研究主题的所有贡献必须在其使命声明中定义的相应部分和期刊范围内。Frontiers 保留在同行评审的任何阶段将超出范围的手稿引导至更合适的部分或期刊的权利。
(全文结束)
