„Digital twins“ in der Uroonkologie
Hintergrund: Die Uroonkologie befindet sich im Wandel hin zur Präzisionsmedizin. Multimodale, longitudinale Daten führen jedoch zunehmend dazu, dass klassische Entscheidungslogiken und Risikoscores an ihre Grenzen gelangen. Mithilfe des Digital-twin-Konzepts ist es möglich, multimodale Patientend...
Salvato in:
| Autori principali: | , , , , , , |
|---|---|
| Natura: | Article (Journal) |
| Lingua: | tedesco |
| Pubblicazione: |
22. April 2026
|
| In: |
Die Urologie
Year: 2026, Volume: 65, Fascicolo: 6, Pages: 605-610 |
| ISSN: | 2731-7072 |
| DOI: | 10.1007/s00120-026-02827-2 |
| Accesso online: | Verlag, lizenzpflichtig, Volltext: https://doi.org/10.1007/s00120-026-02827-2
|
| Note sull'autore: | Johanna Smielowski, Maximilian Glienke, Sherif Mehralivand, Gregor Duwe, Felix Chun, Hendrik Borgmann, Magdalena Görtz |
| Riassunto: | Hintergrund: Die Uroonkologie befindet sich im Wandel hin zur Präzisionsmedizin. Multimodale, longitudinale Daten führen jedoch zunehmend dazu, dass klassische Entscheidungslogiken und Risikoscores an ihre Grenzen gelangen. Mithilfe des Digital-twin-Konzepts ist es möglich, multimodale Patientendaten zu integrieren und ein dynamisches, patientenspezifisches Modell mit iterativer Rückkopplung zur Simulation von Krankheitsverläufen und Interventionen zu erstellen. Fragestellung: Was ist ein „digital twin“ im medizinischen Sinne, welche Datenbasis ist in der Uroonkologie erforderlich und welche klinischen „use cases“ sind aktuell absehbar? Methoden: Narratives Review mit Einordnung des Digital-twin-Begriffs, strukturierter Darstellung der multimodalen Daten für den Digital twin (Labor, Bildgebung, Pathologie, Omics, Follow-up) sowie Zusammenstellung publizierter Anwendungsbeispiele (z.B. Tumorwachstumsmodelle, digitale Pathologie, chirurgische 3D-Zwillinge). Ergebnisse: Erste Digital-twin-Ansätze sind in der Uroonkologie bislang überwiegend als Teilzwillinge beschrieben (z.B. Tumorwachstum, virtuelle Befundung, 3D-Operationsplanung). Der große potentielle klinische Mehrwert von Digital Twins liegt in dynamischer Risikostratifizierung, Therapie-Simulation und Operationsplanung sowie adaptiver Nachsorge. Hauptbarrieren für die Implementierung sind Datenqualität, Interoperabilität, Erklärbarkeit, Datenschutz sowie regulatorische Anforderungen.Schlussfolgerungen: „Digital twins“ können die prädiktive Präzisionsmedizin in der Uroonkologie substanziell voranbringen, erfordern jedoch robuste Validierungsmethoden und eine sichere Implementierung in klinische Workflows. |
|---|---|
| Descrizione del documento: | Online publiziert: 22. April 2026 Gesehen am 12.06.2026 |
| Descrizione fisica: | Online Resource |
| ISSN: | 2731-7072 |
| DOI: | 10.1007/s00120-026-02827-2 |