jsonscraper

Microsoft y Boehringer Ingelheim estudiarán gemelos digitales de pacientes para ensayos clínicos

Los socios comenzarán con el modelado de enfermedades pulmonares y evaluarán si los modelos digitales pueden respaldar grupos de control sintéticos e híbridos.

Política editorial Informar de un error

Los modelos digitales de pacientes individuales serán objeto de un estudio conjunto de Microsoft y Boehringer Ingelheim. Las compañías anunciaron la colaboración el 22 de octubre de 2026: la primera área de trabajo será la salud pulmonar, y el estudio se centrará en evaluar la viabilidad científica y técnica.

Artículo: Microsoft y Boehringer Ingelheim estudiarán gemelos digitales de pacientes para ensayos clínicos
Resumen: El 22 de octubre, Microsoft y Boehringer Ingelheim anunciaron un estudio conjunto sobre gemelos digitales de pacientes. La primera fase se centrará en la salud pulmonar; las compañías evaluarán la viabilidad científica y técnica del enfoque, incluida la simulación de ensayos clínicos.
Función de la imagen: portada: la idea central
Sección: 
Tema visual: Visualización conceptual de la investigación clínica de un gemelo digital personalizado para un paciente
© jsonscraper · Ilustración generada por IA

Los socios definen un gemelo digital como una representación computacional de un paciente que utiliza datos clínicos y de otro tipo para modelar la evolución de una enfermedad y los posibles resultados en distintos escenarios. El programa de investigación abarcará el modelado de la evolución de enfermedades, la predicción de resultados y la simulación de ensayos clínicos. Se trata de una descripción del trabajo previsto: en el anuncio, la compañía presentó objetivos de investigación, no un sistema terminado ni resultados de ensayos con pacientes.

Por qué modelar un grupo de control

Una de las ideas que se evaluarán es si estos modelos pueden respaldar grupos de control sintéticos o híbridos. En un ensayo convencional, el grupo de control permite comparar el resultado de una terapia con un escenario alternativo. Un grupo de control sintético utiliza datos ya disponibles; uno híbrido combina esos datos con los de un grupo de control tradicional. Si el enfoque ofrece resultados fiables, podría permitir reducir el número de participantes necesarios para el control y ayudar a planificar estudios. Los socios pretenden investigar esta posibilidad, no afirman que ya se haya logrado.

Para quienes diseñan estudios clínicos, el criterio práctico es la calidad de las pruebas en las que se basa el modelo: hasta qué punto los datos son comparables con la población objetivo, cómo se evalúan las diferencias entre las predicciones y los resultados observados, y qué verificaciones se necesitan para una enfermedad concreta. Microsoft y Boehringer anunciaron planes para utilizar el modelado, la creación de prototipos y la generación de pruebas en varias áreas de enfermedades y terapias, empezando por las pulmonares.

Primero, viabilidad; después, aplicación

En el anuncio de la colaboración, la directora médica de Boehringer Ingelheim, Lykke Hinsch Gylvin, destacó por separado la necesidad de preservar el rigor científico, la seguridad de los pacientes y el cumplimiento de los requisitos regulatorios. Estas condiciones delimitan la evaluación futura: un gemelo digital debe demostrar su utilidad para un contexto clínico específico y superar la validación correspondiente antes de que sus conclusiones puedan influir en el diseño de un estudio.

La colaboración también incluye la modernización de centros de datos y sistemas de seguridad. Las compañías estudian posibles proyectos conjuntos en salud veterinaria, procesos empresariales e infraestructura tecnológica; todavía no se han revelado detalles de estas áreas.

En esta etapa, el resultado es un programa de investigación, no un sustituto de los ensayos clínicos estándar. El valor del proyecto para el sector dependerá de que el modelado basado en datos clínicos pueda generar estimaciones suficientemente verificables como para mejorar el diseño de los ensayos, sin dejar de cumplir los requisitos de seguridad y solidez de las pruebas.

Keep readinginDrive, Pony.ai y NVIDIA estudiarán lanzar robotaxis en Kazajistán
Read the next article

Convierte lo que lees en una integración funcional

Explora las API de datos sociales de jsonscraper, prueba solicitudes y crea tu próximo flujo de trabajo.

Explorar APIs