Gemelos Humanos Virtuales (VHT) para el apoyo integrado a la toma de decisiones clínicas en prevención y diagnóstico

Resultado esperado:

Este tema tiene como objetivo apoyar actividades que permitan o contribuyan a uno o varios impactos esperados del destino “Desarrollo y uso de nuevas herramientas, tecnologías y soluciones digitales para una sociedad sana”. Para ello, las propuestas bajo este tema deben tener como objetivo entregar resultados que estén dirigidos, adaptados y contribuyan a todos los siguientes resultados esperados:

• Los profesionales de la salud tienen acceso a modelos multiescala^[1] y multiorgánicos de pacientes individuales que tienen como objetivo mejorar la prevención y el diagnóstico en áreas de alta carga de enfermedad.
• Los profesionales de la salud se benefician de un mayor conocimiento de enfermedades complejas y comorbilidades mediante el recurso a modelos multiescala y multiorgánicos.
• Los pacientes con diversas características (por ejemplo, de cualquier sexo, grupo de edad, origen racial o étnico^[2]) se benefician de herramientas de prevención y diagnóstico mejoradas, integradas y personalizadas.
• Los profesionales de la salud y los pacientes se benefician del uso de modelos de “Gemelo Humano Virtual” (VHT) que permiten la integración de otras herramientas y modalidades preventivas y de diagnóstico.

Alcance:

Los VHT son representaciones digitales y modelos in-silico del estado de salud y enfermedad de un individuo en diferentes niveles de anatomía. Las soluciones VHT multiescala y multiorgánicas tienen un potencial para la prevención y el diagnóstico personalizados, particularmente en áreas de alta carga de enfermedad, y pueden beneficiar significativamente la salud de los ciudadanos y la eficiencia de los sistemas de salud de la UE.

Las propuestas deben tener en cuenta el trabajo de los proyectos financiados bajo el tema HORIZON-HLTH-2023-TOOL-05-03: “Modelos computacionales integrados y multiescala de la patofisiología del paciente ('gemelos virtuales') para el manejo personalizado de enfermedades”, que tenía un enfoque predominante en el manejo de enfermedades, y centrarse en enfoques multidisciplinares de alto potencial con mayor complejidad (multiescala, multiorgánico, longitudinal), fortaleciendo su despliegue en la salud y la atención, incluida la integración en las vías de atención y los vínculos con otras herramientas de apoyo a la decisión.

Las propuestas deben abordar todas las siguientes actividades:

• Seleccionar casos de uso clínicos para ofrecer soluciones multidisciplinares de alto impacto que requieran enfoques multiorgánicos y multiescala para modelar la fisiopatología compleja a lo largo del tiempo, como base desde la cual se podría mejorar la prevención y el diagnóstico de enfermedades con alta morbilidad y mortalidad. Las propuestas pueden presentar casos de uso en cualquier área de alta carga de enfermedad; los ejemplos incluyen comorbilidades, afecciones cardiovasculares crónicas, infección e (auto)inmunidad, inflamación y cáncer, diabetes y afecciones relacionadas, enfermedades raras, enfermedades degenerativas (incluida su interacción con afecciones de salud mental), el exposoma y su impacto en la salud y la enfermedad humanas.
• Basándose en enfoques actuales, estándares, repositorios de datos (por ejemplo, biobancos, datos ambientales, otros) y activos de modelado (por ejemplo, los de EDITH CSA^[3] y la Plataforma para Modelos VHT Avanzados^[4]), y nuevos datos si son relevantes, diseñar, desarrollar, extender y validar modelos computacionales dinámicos, multiorgánicos y multiescala que simulen con precisión los estados de salud y enfermedad de una persona, según sea necesario.
• Evaluar, seleccionar, extender y validar diversas metodologías de modelado, lo que dará como resultado modelos VHT integrados, avanzados, interoperables y específicos del paciente que puedan integrar diversas fuentes de datos y metodologías, abordando los requisitos del caso de uso clínico elegido. Las metodologías pueden incluir, entre otras, modelado basado en biofísica, inteligencia artificial (IA) que debe ser interpretable o permitir la explicabilidad de los resultados, IA generativa y modelado in-silico, enfoques basados en agentes y fisiología de redes. La evaluación, selección y extensión de estos deben documentarse durante la fase de diseño. La disponibilidad e integración de los datos multimodales...