Ruijin Hospital Launches Medical Health Digital Twin Alliance, Initiates 50 Million Human Health Digital Twin Plan

“要为人类健康建造一部‘全球数字导航’：映照当下、追踪未来、指导干预、持续学习。” 10月30日，医疗健康数字孪生联盟学术研讨会在上海交通大学医学院附属瑞金医院召开，中国工程院院士、上海交通大学医学院附属瑞金医院院长宁光在致辞中表示。 研讨会聚焦医疗健康数字孪生的研究进展与临床应用，邀请相关领域专家及国际顶级期刊编辑，围绕人群健康与人工智能的融合、探讨医疗健康数字孪生在疾病机制研究、动态监测、风险预测、科学评估及临床转化中的发展路径。会上发布联盟委员会成员名单、核心工作规划与研究进展，并举行联盟总部揭牌和成员签约仪式。 如何把一次次检查、长期随访和日常监测中积累的健康信息连接起来，更早发现疾病风险？这是医疗健康数字孪生希望回答的问题。通过融合纵向健康数据与动态模型，研究者尝试描绘个体健康的变化轨迹，为疾病预防和个体化诊疗提供依据。 瑞金医院牵头发起的医疗健康数字孪生联盟 （ICDT-HM） ，汇聚海内外高校、医疗机构及相关领域的科研力量。本次研讨会上，中外院士，来自斯坦福大学、牛津大学、澳门科技大学、温州医科大学、杜克—新加坡国立大学医学院等高校和医疗机构的专家学者，以及《自然》 （Nature） 系列期刊编辑通过现场与线上方式参与交流。联盟将推动大规模纵向人群队列与人工智能深度融合，在数据标准、跨人群验证和数据治理等方面凝聚国际共识，逐步构建可预测、可推演的人体健康数字孪生。 宁光院士表示，数字孪生最深刻的价值或许正在于此：在虚拟世界里先把未来走一遍，让本可避免的疾病，在现实中不必发生。宁光介绍，瑞金医院提出“AI原生医院”理念，让AI成为新型医院和健康服务体系的“编码基因”。通过汇聚生物、生理、心理、行为、社会与环境等多维数据，探索构建个体的“数字生命”坐标，使健康从“有病”与“没病”的二元判断，转向可度量、可预测、可导航的连续轨迹。谈及开放共享，宁光表示：“我们的原则是：依法合规，让数据安全地留在本地，让模型与知识走向世界。”他同时强调：“孪生再精确，也只是镜像；数据再庞大，也只是投影。医学的初心，始终是镜子前那个有温度的人。“ 上海市科学技术委员会主任骆大进在致辞中说，医疗健康数字孪生处在人工智能、生命科学与数据要素交汇的地方。他期待联盟汇聚海内外一流高校、医疗机构和国家级人群队列建设者，聚焦代谢性疾病、心脑血管疾病、肿瘤等重大疾病，融合临床诊疗、长期随访、多组学和可穿戴设备等多维数据，加强基础研究与临床验证；推动大型人群队列建设，统一数据标准，探索隐私保护、合规授权、可信流通和安全治理的有效路径；深化国际合作，推动医疗健康数字孪生成果转化应用。 Nature生物、临床与社会科学主任编辑Francesca Cesari在视频致辞中强调，研究设计、数据质量、外部验证和可重复性，与数据规模同样重要，预测表现不能替代临床证据。模型适用于哪些人群和场景、存在哪些局限、能否改善患者结局，都需要认真评价。数字孪生的价值，应体现在更有依据的临床决策、更公平有效的医疗服务和疾病负担的减轻上。 澳门科技大学医学院副院长、人工智能交叉应用研究院院长、国家眼部疾病临床医学研究中心首席科学家张康介绍了联盟发展蓝图与核心工作，重点分享“5000万人类健康数字孪生计划” （50M Human Health Digital Twin Initiative） 。“5000万人数字孪生计划”是联盟面向精准健康提出的长期科研规划，旨在通过多方协作，逐步构建融合纵向健康数据与动态模型的研究体系，为疾病预测、精准预防和个体化医疗提供支撑。5000万人是规划目标，相关建设将分阶段探索推进。联盟将推动大规模纵向人群队列与人工智能深度融合，在数据标准、跨人群验证和数据治理等方面凝聚国际共识，逐步构建可预测、可推演的人体健康数字孪生。 上海交通大学医学院附属瑞金医院内分泌代谢科主任王卫庆教授，介绍了中国代谢解析计划ChinaMAP （China Metabolic Analytics Project） 的研究基础与最新进展。ChinaMAP官方网站与数字化枢纽，深度整合了万余例全基因组深度测序数据、大型前瞻性队列研究、具有里程碑意义的全国多中心RCT研究以及具全国代表性的代谢性疾病监测数据。通过这一数字化共享门户，ChinaMAP实现了跨地域、跨研究、跨组学的数据成果集中展示，打造了一个面向全球科研界的开放生态体系。这一重大代谢病研究资源的开放共享，将为揭示中国人群特有的代谢病发病机制、制定精准干预策略以及推动我国精准医疗事业的跨越式发展提供核心战略支撑。 在上午的主旨与专题报告环节，美国国家医学院院士、斯坦福大学教授Michelle A. Williams分享了从孕期到中年的人群健康研究，介绍基于母婴智能体开展的五项研究。美国国家医学院院士、美国艺术与科学院院士、斯坦福心血管研究所所长Joseph C. Wu分享了从基因组医学到“培养皿中的临床试验”的研究方法，介绍相关研究思路，探讨医学研究的新路径。加州大学伯克利分校医学人工智能实验室主任Ziad Obermeyer分享了从数据科学视角，如何让基础研究走向临床，从临床真实问题出发的研究探索。纽约大学健康AI研究实验室主任Eric K. Oermann围绕医疗人工智能的科学评价作主旨报告，将关注点从模型能力延伸至评价方法，分享了对医疗人工智能研究与验证的思考。 当天下午的主旨与专题报告在上海交通大学医学院副院长、上海市内分泌代谢病研究所所长毕宇芳的主持下进行。多位专家结合各自研究方向，从医学工程、患者预测、人群健康及蛋白质组研究等角度带来了分享。牛津大学遗传学教授Philip Awadalla以人群多组学与细胞及网络建模为主题，分享相关研究进展，为与会人员了解不同层次的健康数据与建模研究提供了学术视角。加州理工学院医学工程系教授高伟围绕柔性材料与生物传感技术作专题报告，介绍了贴肤式可穿戴生物传感器及通过汗液等体液进行无创连续检测代谢物和生物标志物的成果与研究。巴黎西岱大学巴黎移植与器官再生研究所所长Alexandre Loupy分享了多模态患者预测系统的相关研究，围绕此类系统从研究走向验证评价的过程进行了介绍。 专题研讨环节，来自韩国技术科学院、杜克-新加坡国际大学、四川省医学科学院四川省人民医院、Nature Medicine、Nature Cancer、NEJM AI、Cell的专家、编辑面对面交流研讨，围绕医疗人工智能前沿技术的临床可信性及其证据基础展开讨论，重点探讨数据驱动研究中的机制解释、模型面向不同人群的可靠性，以及临床应用所需的验证与评价，从研究方法、证据质量与学术传播等角度交流观点。