跳至正文

数字孪生能预测你的未来吗

目录

本篇三向红线，置于篇首而不置于篇末——三条同时成立，缺一条这篇就是废的。

第一条（防虚无化，写在防升格前面）：本篇裁的是「孪生」这个名号，不是计算模型的价值。 一个机制模型在 2008 年 1 月被 FDA 接受为动物试验的替代物，从此「为设计新的胰岛素治疗算法而做的动物实验已被放弃」（Cobelli & Kovatchev 2023 原文）。一个患者特异性心脏模型在 2026 年 4 月的《新英格兰医学杂志》上把十位缺血性室速患者的消融靶点算了出来，术终十位全部不可诱发，平均 405.4 天随访里八位在停用抗心律失常药的情况下无室速复发（Chrispin 等 2026）。一套 4.4 公里全球分辨率的地球系统模型正在把气候投影的更新周期从七到十年压到一年或更短（ECMWF 官方）。任何把「孪生叙事夸张」推成「这些都是包装、什么都没做到」的读法，本篇明确拒绝。

第二条（防升格）：本篇不作医疗、器械、诊疗建议，尤其不构成任何减药或停药建议。 本篇要审计的商用人体孪生项目里，主动减药（deprescribing）是干预内容的一部分，且是在多中心、有医生三月一次随访、有家用血压计与连续血糖监测的条件下进行的。读者不得据本篇自行调整任何处方。

第三条（防越界）：本篇只裁公开论文、公开官方文件与公开注册记录。 不评价任何在世研究者的能力与动机，不预测任何公司、项目或政府计划的前景，不裁「生物学年龄是不是衰老本体」（那属本库表观时钟篇），不裁「模型成功是否说明世界真的如此」（那属本库模型成功与科学实在论篇）。两侧利益申报一律照登。

核验图例（全篇通用）：[一手逐字] ＝ 主笔取回原文或官方文件逐字比对；[多源交叉] ＝ 官方摘要级或权威综述转引逐字，原始正文未取回；[有争议] ＝ 单侧举证或二手转述，明确不作承重；[需亲核] ＝ 仅题名与元数据可核，只作背景不作承重；[我们的断言] ＝ 本篇自己的推论，不冒充文献结论。

去重与分界声明（七条）。 本库已有 155 篇，本篇必须先说清自己占哪块地：

  1. 不重裁生物学年龄的本体身份。表观时钟篇已裁「统计预测器冒充衰老实体」。本篇只裁一格更窄的东西：能不能给一个具体的人算出一条可模拟、可干预的衰老轨迹。
  2. 不重裁「模型成功是否等于世界如此」。那是模型成功篇的本体论辖区。本篇不问模型描述的世界真不真，只问这个模型在这一个问题上被验证过没有。
  3. 不重裁预测与因果的分野。因果推断篇已做。本篇只在反事实层引用其结论作为付款条件，不重新论证。
  4. 不重裁混沌与可预测性视界。混沌篇已裁。本篇的不可预测性论证一律不走「混沌所以不可知」这条路——那条路本库已经封了。
  5. 不重裁测量代理性。测量代理性篇已裁「指标冒充现象」。本篇的病灶不在指标，在名号：「孪生」这个词做的是身份声明，不是精度声明。
  6. 与「同名不同物」的关系是子案例而非重复。同名不同物篇给了元病理，本篇是它在一个正在花掉数十亿欧元与美元的具体名号上的落地检验，并且给出该名号的官方定义与官方计数。
  7. 归因方法学承接三篇而非重复。AI Agent 篇的「模型 × 脚手架」、脑机接口篇的「性能是靠改算法补回来的而非电极修复」，与本篇的「疗效是真的而孪生的贡献未被分离」，是同一台机器的第三次落刀。本篇的新东西是：这一次，监管机构给这台机器起了名字——model influence。

主动防联想。 本篇与「元宇宙」、「虚拟人」、「AI 复活亲人」、「意识上传」四件事无关，也不涉及任何工业软件供应商的产品评价。

结构胎记（三跳共用一个动作）。 三跳分别是：回路跳（把一个不更新的离线仿真，说成一个与你活体耦合的孪生）× 个体跳（把在群体上标定过的参数，说成「你的」参数）× 反事实跳（把拟合得好，说成能替你试药、替你选路）。三跳共用的那一个动作是：把「这个模型在这一个问题上被验证过吗」这个可判定的问题，换成「它像不像你」这个不可判定的问题——而「像」不需要证据，只需要修辞。

〇 母裁决与八层硬度光谱

母裁决。 数字孪生在三样东西同时齐备的地方是真的，而且已经在替具体的人做具体的决定：一个可信的机制模型、一条连续廉价低噪声的传感回路、一个真的执行器（或一个真的、有人负责按下去的决策）。一型糖尿病齐了三样，于是有了世界上唯一一份把「孪生本身」单独设臂并且赢了主终点的随机试验；心脏电生理齐了两样半，于是有了《新英格兰医学杂志》上的十个人；飞机结构与天气系统齐了三样，于是有了几十年的工程史。

而「它能模拟你的未来」这句话未立——不是因为算力不够，是因为在人身上那三样几乎从不齐备。在被同行评议的人体孪生文献里，149 篇自称做了人体数字孪生的研究，按美国国家科学院 2024 年共识报告的定义逐条对表，只有 18 篇（12.08%）够格；这 18 篇里有 17 篇的回路是靠人闭的，真正做到自动双向更新的只有 1 篇——0.67%（Tudor 等 2025）。

同时「数字孪生是包装」同样未立。 说这话的人要先解释：为什么一个数学模型能在 FDA 的器械主文件里拿到一张替代动物试验的许可，为什么十个原本要接受大范围消融的病人只被烧了模型算出来的那几个点。

第四件事最容易被漏掉，而它是本篇的落点：今天所有真在起作用的孪生，回路都是靠人闭的。 医生、气象员、护理者、病人自己——而「孪生」这个词的全部修辞力量，恰恰来自暗示那一段不需要人。

八层硬度光谱

层 内容 硬度 判定与最硬的一条证据
① 工程与地球系统 最硬地板 真。DestinE 全球 4.4 km／欧洲 500–750 m 已在产出；气候投影更新周期从 7–10 年压到一年或更短
② 在硅试验的监管接受 硬，但口径逐字窄 真。FDA 2008-01 接受 UVA/Padova 模拟器替代动物试验，器械主文件 MAF-1521；标签上逐字写着替代的是什么
③ 单器官临床孪生 真而单臂小样本 真。TWIN-VT：FDA 把研究限制在一个机构、十位受试；主终点由术者本人裁定
④ 真孪生的随机对照证据 真而只有一处 真。T1D 六个月 RCT：TIR 72→77%（p<0.01），而「仪表盘」臂无额外效应——归因被单独测了
⑤ 患者特异性力学模型进指南 真而灰区一致率 46.1% 真。FFR-CT 把不必要的侵入性造影从 73% 压到 12%；而在最需要判断的灰区里与金标准一致率不到一半
⑥ 定义与回路 未立（0.67%） 未立。自称孪生的 149 篇里，真正自动双向耦合的 1 篇；VVUQ 一词只出现在 2 篇
⑦ 个体参数可辨识 已被证否为唯一解 未立。不同的心脏激动图可以产生完全相同的体表 ECG——首次被证明，且证明者是造孪生的人
⑧ 个人化衰老轨迹与全身孪生 未立 未立。健康性状预测器的开发者自己说它们目前只能用于群体层面、尚不能给个体可靠预测

一 守真锚：六条先立住，然后才有资格挑刺

本库规矩：先把真的钉死，再动手拆。以下六条，全部取回一手原文或官方文件。

1.1 名号的出生地：NASA，2010，一架飞机

「数字孪生」这个词不是营销部门造的。美国国家科学院 2024 年共识报告考证：概念更早，但术语「digital twin」约在 2010 年由 NASA 的技术路线图工作产生，由 John Vickers 共同主持；该报告并转引 Shafto 等 2012 的原始定义 [一手逐字]：

A digital twin is an integrated multiphysics, multi-scale, probabilistic simulation of a vehicle or system that uses the best available physical models, sensor updates, fleet history, etc., to mirror the life of its flying twin.

—— Shafto 等 2012，经 NASEM 2024 报告第 2 章 逐字转引

请注意这个定义里已经写着的四件事：多物理场、多尺度、概率性（不是确定性）、镜像一架正在飞的飞机的一生（不是拍一张照）。同一节还写明该定义与观念建立在 Grieves 2005 年产品全生命周期管理工作之上。另一份 2025 年的人体孪生系统综述则把源头记为Grieves 2002 年在密歇根大学的一场工程演讲，其框架为三元：物理系统、虚拟表征、以及两者之间双向信息流的链接（Tudor 等 2025）[一手逐字]。两个来源对 Grieves 的年份记法不同（2002 与 2005），本篇如实并列，不做取舍，也不用这个分歧承重——因为两侧都同意的那一点才是本篇要用的：从第一天起，「孪生」的定义要件里就有那条双向链接。

1.2 地球：4.4 公里是真的

欧盟委员会旗舰计划 Destination Earth（DestinE）由 ECMWF、ESA、EUMETSAT 分工实施 [一手逐字]：

  • 极端天气孪生：全球分量由 ECMWF 实施，基于其业务化 IFS，把大气、陆面、波浪分量分辨率提高到 4.4 km，可做到未来四天；欧洲区域分量由 Météo-France 领衔、32 家机构参与，500 到 750 米、未来两天。海洋分量沿用 NEMO ORCA025 网格未变。（ECMWF 官方页）
  • 气候变化适应孪生：目标为 5 km 全球、多十年尺度的业务化投影；原型投影已在 EuroHPC LUMI 上跑出（IFS-NEMO 大气与陆面 4.4 km、海洋与海冰 1/12 度；ICON 全分量 5 km）。官方原话：把气候投影的更新周期「从现在的 7–10 年降到一年或更短」，并支持按需重跑以回答特定的「what-if」问题，甚至「在孪生里插入孪生」。（ECMWF 官方页）
  • 阶段：第一期 2022–2024 年 6 月，第二期 2024 年 6 月–2026 年 6 月，第三期已于 2026 年 6 月底启动。官方路线图写着 「Full Earth Replica By 2030 — A “full” digital replica of the Earth」——引号是官方自己加的。（DestinE 官方站）

这一层最硬，而它也是「回路靠人闭」的第一个活体：你不能对一场飓风做「虚拟到物理」的执行。地球孪生的虚拟→物理那一段，是由防汛部门、电网调度、农业保险里的人完成的。NASEM 的定义允许这样——它明确写下反馈流可以「自动或有人在环」（either automatic or with a human- or humans-in-the-loop）[一手逐字]。这不是漏洞，这是本篇后面所有裁决的关键：定义里那条「双向」，在几乎所有真实系统里，另一半是人。

1.3 一型糖尿病：一个数学模型拿到了替代动物试验的许可

这是本篇最锋利的一格，因为它同时是最强的正面证据和最清楚的边界声明，而两者出自同一篇文章、同一批作者。

Cobelli & Kovatchev 2023（《J Diabetes Sci Technol》17(6):1493–1505）记述 [一手逐字]：2007 年他们做出一个葡萄糖-胰岛素动力学模型与一个装有 N = 300 个在硅「受试者」的模拟器，每个「受试者」是三十多个个体参数构成的复合体。

In January 2008, in an unprecedented decision, the US Food and Drug Administration (FDA) accepted this computer simulator as a substitute to animal trials for the testing of closed-loop control strategies.

模型被存入 FDA 器械主文件 MAF-1521（2008 年 2 月），标签逐字写着 [一手逐字]：

Accepted for approximation of human glucose/insulin utilization, interstitial sensor performance, and SC insulin delivery, for the pre-clinical testing of insulin treatments and for the development of artificial pancreas (closed-loop control) algorithms.

后果是可以报数的：「为设计新的胰岛素治疗算法而做的动物实验已被放弃」；到 2023 年，从这条路径上走出的六套算法进入了临床实践。

而同一篇文章、同一批作者，在同一节里写下了上界 [一手逐字]：

Good in silico performance of a control algorithm does not guarantee in vivo performance—it only helps test extreme situations and the stability of the algorithm and rule out inefficient scenarios. Thus, computer simulation is only a prerequisite to, but not a substitute for, clinical trials.

把这两段并排读，就是本篇的方法论全貌：在硅模型真的替代过动物试验——而那张许可上逐字写着它替代的是什么、不替代什么；写下那张标签的人，也是写下「模拟只是临床试验的前置条件、绝不是其替代物」的人。

1.4 一型糖尿病之二：世界上唯一一份把「孪生本身」单独设臂的随机试验

Kovatchev 等 2025（《npj Digital Medicine》8:253，注册号 NCT05610111，2022-11-10）[一手逐字]：

  • 招募 77 人，72 人完成六个月研究；全程使用其自有的 Control-IQ 自动胰岛素输注（AID）系统。
  • 干预（ABC，Adaptive Bio-behavioural Control）四步：把 AID 数据传到云端 → 把每个人映射到他自己的数字孪生 → 每两周优化一次 AID 控制参数 → 让使用者在自己的孪生上重放 what-if 情景。
  • 主终点 CGM 测得的目标范围内时间（TIR，3.9–10 mmol/L）从 72% 升到 77%（p < 0.01），糖化血红蛋白 6.8%→6.6%。
  • 而「信息反馈」臂（也就是业界通用的那些指标与图表）相对单用 AID 没有额外效应。

两组的分层数字（同文表 2）：A 组（递进）单用 AID 72.26（12.65）→ 加信息反馈 72.49（11.77）→ 加 ABC 76.80（9.20）；B 组（递减）先 ABC 77.91（10.41）→ 信息反馈 77.93（9.40）→ 撤到单用 AID 78.03（10.52）。组间 p < 0.01，组×干预 p = 0.04。作者据此论证 A 组的改善来自 ABC 干预、不应归于研究参与效应。

这为什么是本篇最重要的一条正面证据？ 因为它做了别人没做的那件事：它把「孪生」和「给你看更多数据」分成了两个臂。业界最常见的辩护是「孪生就是让你看见自己的数据」；这份试验直接测了那个东西，测出来是零。所以剩下那 5 个百分点（约每天 72 分钟血糖在范围内）可以被归给模型本身。

同时把分母摆上桌：n = 72，六个月，单一疾病，而且是在一台已经闭环的设备之上再加 5 个百分点——该领域公认的天花板是 70–75% TIR，这份试验把它推到约 77–78%。基线糖化血红蛋白最差的那个亚组（≥7.5%，n = 12）效应量 +5.68，置信区间 [−0.07, 11.42] 跨零，p = 0.05。重放模拟模块（PAM）的代码因专有原因不公开。利益申报照登：通讯作者有转让给 Dexcom 与 Novo Nordisk 的专利许可费，第二作者现为 Dexcom 雇员、另一位现为 Insulet 雇员（两人均声明该工作在其 UVA 任职期间完成、与其雇佣关系独立）。

为什么偏偏是一型糖尿病？ 因为这里三样东西齐了：一个被十五年监管审视过的机制模型、一个连续葡萄糖传感器、一个胰岛素泵。这不是巧合，这是本篇的判据。

1.5 心脏：十个人，一份 FDA 研究性器械豁免，和一句「feasibility」

Chrispin 等 2026（《N Engl J Med》394(13):1345–1347，通信栏；注册号 NCT03536052）[一手逐字]。TWIN-VT 研究，FDA 研究性器械豁免 G180087/A001：

  • 流程：钆增强心脏 MRI → 重建心脏孪生几何 → 快速起搏在孪生里诱发室速 → 对关键成分做虚拟消融直到孪生不可诱发 → 把预测靶点导入电解剖标测系统指导真实消融。
  • FDA 把研究限制在美国一个机构、十位受试者（原文：The FDA limited the study to one institution in the United States and 10 subjects.）。
  • 结果：10 人中 8 人可诱发室速，全部成功接受孪生导引消融；7 人在消融后接受程序刺激（1 人因血流动力学不稳定顾虑未做），6/7 转为不可诱发；剩下 1 人在左室间隔孪生靶点消融后仍可诱发，转做右室间隔的孪生靶点后不可诱发。术终十位全部对任何室速不可诱发，零围术期并发症。
  • 随访平均 405.4 天（范围 90–909 天）：10 人中 8 人在停用抗心律失常药物的情况下无室速；2 例复发者各发生一次室速、均在消融后一个月内由抗心动过速起搏终止，此后无复发且抗心律失常药已降级；无人接受过除颤器电击。
  • 资助：NIH R01HL174440 与 Leducq 基金。

分母必须报全：n = 10，单臂，单中心（且这是 FDA 划的线），主终点「室速不可诱发」由术者本人裁定（原文：adjudicated by the operator）——不是盲法，且不可诱发是替代终点而非临床终点。作者自己的结论句只走到 feasibility：This study demonstrates the feasibility and clinical outcomes of utilizing personalized heart digital twins to guide clinical VT ablation.

这一层最诚实的补充是「下一步是什么」：目前公开的下一步之一是 APOLO-VT（《J Cardiovasc Electrophysiol》2026）[多源交叉]——介入性、前瞻性、单中心、60 例、主终点为 12 个月室速复发。也就是说，即便是心脏孪生这条最成熟的临床路线，其公开的下一级证据仍不是随机对照试验。

1.6 冠脉：一个患者特异性力学模型进了指南，而且它不是孪生

FFR-CT（由冠脉 CT 血管成像重建三维解剖、以计算流体力学求解 Navier–Stokes 方程、无创估算血流储备分数）是今天临床上最成功的患者特异性力学模型。以下数字取自 Bozika 等 2025 综述 正文，原始试验除 PRECISE 外未逐篇取回，按 [多源交叉] 记：

  • 指南地位：2021 年 AHA/ACC/ASE/Chest/SAEM/SCCT/SCMR 多学会胸痛评估指南在「CCTA 结果不确定」与「中度狭窄（30–90%）」两个场景给 FFR-CT IIa 类推荐（证据等级 B），作为下游无创检查之一，并要求个体化选择与共同决策。
  • 诊断验证链：DISCOVER-FLOW 2011（103 例/159 支血管，AUC 0.90，准确率 84.3%）、DeFACTO 2013（252/407，AUC 0.79，准确率 69%）、NXT 2014（254/484，AUC 0.93，准确率 86%）。
  • 该综述记载 HeartFlow 的 CFD 版 FFR-CT 于 2022 年获 FDA 批准，且截至 2024 年仍是唯一获 FDA 许可的 FFR-CT 平台；美国标价约每次分析 997 美元。

这里出现了本篇最有意思的一次反转，而它值得单独成句：临床上最成功的那个患者特异性模型，按严格定义根本不是孪生——它是一次性的、不更新的、只回答一个问题的个体化模型。 而它工作得很好。在那份 149 篇的人体孪生分类里，它属于「个体化数字模型，用过一次做决策支持」那一类——占 20.81%，且明确不够格叫孪生。

二 定义层：「孪生」这个名号的付款条件是什么

2.1 官方定义，逐字

美国国家科学院 2024 年共识报告《Foundational Research Gaps and Future Directions for Digital Twins》（DOI: 10.17226/26894）委员会定义 [一手逐字]：

A digital twin is a set of virtual information constructs that mimics the structure, context, and behavior of a natural, engineered, or social system (or system-of-systems), is dynamically updated with data from its physical twin, has a predictive capability, and informs decisions that realize value. The bidirectional interaction between the virtual and the physical is central to the digital twin.

该报告说明这份定义主要基于 AIAA 数字工程整合委员会 2020 年的定义，并做了两处刻意的加强，报告自己写明了理由 [一手逐字]：加入「has a predictive capability」是为了强调孪生必须能给出超出已有数据的预测；加上最后那句「双向交互是数字孪生的核心」是因为委员会的信息收集过程显示有必要把这一点明确写出来（原文：our committee's information gathering revealed the importance of explicitly em[phasizing]…）。

于是「孪生」这个名号的付款条件被官方拆成了四张单：

付款条件 官方措辞 少了它是什么
① 个体化 mimics… a natural, engineered, or social system 一般模型
② 动态更新（物理→虚拟） is dynamically updated with data from its physical twin 一次性个体化模型
③ 外推预测能力 has a predictive capability（超出已有数据） 拟合／可视化
④ 反向作用（虚拟→物理） informs decisions that realize value；bidirectional… is central 数字影子

报告的 Finding 2-1 只有一句话 [一手逐字]：A digital twin is more than just simulation and modeling.

2.2 三分法：模型／影子／孪生

制造业文献里对这四张单的通行简化是 Kritzinger 等 2018 的三分法（IFAC-PapersOnLine 51(11):1016–1022）。本篇未能取回该文正文（该刊仅在出版商站点提供、对爬虫返回拦截），故其定义按转引处理 [多源交叉]，转引自 Tudor 等 2025 的逐字表述：

Whereas a digital twin entails a dynamic, bidirectional exchange of information, a digital model refers to a digital representation of a physical system with no automatic data exchange, while a digital shadow describes a system with one-way, real-time data flow from the physical to the virtual environment.

三分法的价值不在术语，在于它把一个连续的修辞滑坡切成了三个可以点数的档位。下一节就是点数的结果。

三 回路账：149 篇里有 1 篇（独占核心之一）

Tudor 等 2025（《npj Digital Medicine》2025 年第 8 卷文章号 587，DOI: 10.1038/s41746-025-01910-w）做了一件本篇需要的事：拿 NASEM 那份定义当尺子，去量 2017 年 1 月至 2024 年 7 月间自称创建或评价了人体数字孪生的同行评议文献。检索 1817 条，去重后逐级筛至 149 篇纳入。分类结果 [一手逐字]：

模型类型 篇数 占比 缺哪张付款单
个体化数字模型，不动态更新、不用于决策支持 56 37.58% 缺 ②③④
个体化数字模型，不动态更新，用过一次决策支持 31 20.81% 缺 ②
数字孪生：动态更新 + 人在环推荐 17 11.41% 齐（虚拟→物理由人完成）
虚拟患者队列 15 10.07% 缺 ①（不是某个具体的人）
一般数字模型 15 10.07% 缺 ①②④
数字影子：动态更新但不用于决策支持 14 9.40% 缺 ④
数字孪生：动态更新 + 自动更新物理系统 1 0.67% 齐（全自动）
合计 149 100%

四个数字请分开记住：

  1. 12.08%（18/149）够格叫孪生。
  2. 0.67%（1/149）做到了自动的双向回路。八年文献，一篇。
  3. 58.39%（87/149）是根本不更新的个体化静态模型——也就是说，超过一半自称孪生的东西，连数字影子都不是。
  4. 心脏是最大的品类（43 篇，28.86%），而在该文交叉表里，心脏类够格孪生的只有 1 篇，24 篇是不提供决策支持的个体化静态模型。

3.1 VVUQ：一个必须诚实报两次的数字

该文另报：只有 2 篇论文在正文中出现过 VVUQ（验证、确认与不确定性量化）一词，而 VVUQ 是 NASEM 报告反复强调的可信度门槛。

但本篇必须把该文自己的补充也照登，否则这个数字会被读成比实情更糟 [一手逐字]：

Roughly two thirds of included studies had some treatment of uncertainty and/or model validation, but a small subset of these addressed many of the VVUQ concerns without explicitly mentioning the term.

所以准确的说法是：「2/149」是术语出现率，不是实质完成率；实质上约三分之二有某种不确定性或验证处理。 该文同时指出，那两篇里有一篇正是在讨论一个空缺：在为在硅临床试验与数字患者申请监管批准这件事上，缺少一条清晰的 VVUQ 路径。

3.2 这不是一个外人挑刺的数字

需要说清楚：NASEM 报告自己就说了同一件事，而且更狠。报告第 2 章末节记述委员会多场信息收集会议后的判断 [一手逐字]：

the publicity around digital twins and digital twin solutions currently outweighs the evidence base of success.

并直接引用了艾伦·图灵研究所首席科学家在向委员会汇报时的原话 [一手逐字]：

Digital Twin evidence base of success and added value is seriously lacking. —— Girolami 2022

以及 Conclusion 2-5 [一手逐字]：

Digital twins have been the subject of widespread interest and enthusiasm; it is challenging to separate what is true from what is merely aspirational, due to a lack of agreement across domains and sectors as well as misinformation. It is important to separate the aspirational from the actual…

报告还转引了该领域自己的一篇纲领性文章（Niederer 等 2021《Scaling digital twins from the artisanal to the industrial》）来描述现状 [一手逐字]：many state-of-the-art digital twins are largely the result of custom implementations that require considerable deployment resources and a high level of expertise——那篇文章的标题本身就是一句裁决：从手工业到工业化。

四 保真层：可信度不是模型的属性，是「模型 + 问题」这一对的属性

这一层是全篇最容易被跳过、而跳过之后整个「孪生」叙事才能成立的一层。

FDA 于 2023 年 11 月 17 日发布终版指南《Assessing the Credibility of Computational Modeling and Simulation in Medical Device Submissions》（草案 2021-12-23，登记号 FDA-2021-D-0980；官网对爬虫拦截，本篇经 Wayback 官方存档取回 PDF 全文逐字比对）[一手逐字]。

第一条，也是最重要的一条，指南引 ASME V&V 40-2018 给出的定义：

Credibility: “the trust, established through the collection of evidence, in the predictive capability of a computational model for a context of use“

可信度不是模型的属性。它是「这个模型 + 这一个使用情境」这一对的属性。 换掉问题，可信度归零，需要重新举证。而「孪生」这个词的语义恰恰是相反的：孪生暗示的是对这个人的全部都可信。指南在开篇诊断问题时写的正是这件事 [一手逐字]：Regulatory submissions often lack a clear rationale for why models can be considered credible for the context of use (COU).

第二条：模型风险的定义与分解。

Model risk: “the possibility that the computational model and the simulation results may lead to an incorrect decision that would lead to an adverse outcome”

Model risk should be interpreted as the risk associated with using the model to address the specific question of interest, not risk intrinsic to the model.

指南建议按 ASME V&V 40 把模型风险分解为两个因子：model influence × decision consequence（3×3 网格，也可用 5×5 或 5×4）。其中：

Model influence: the contribution of the computational model relative to other contributing evidence (e.g., bench test results, animal or clinical study results) in addressing the question of interest.

请记住这个词：model influence。 它是「在回答这个问题时，模型相对于其他证据贡献了多少」。本篇第八节要审计的那件事，监管机构已经给它起好了名字。

第三条，一条范围排除条款，其后果被严重低估 [一手逐字]：

For the purposes of this guidance, CM&S refers to first principles-based (e.g., physics-based or mechanistic) computational models, and not statistical or data-driven (e.g., machine learning or artificial intelligence-based) models.

也就是说：FDA 这套可信度框架管的是机制模型，不管统计与机器学习模型。 而今天市面上绝大多数被叫做「AI 数字孪生」的东西，恰恰是后者。它们不在这套框架里——这不是说它们不受任何监管（软件即医疗器械另有路径），而是说本节这把最成熟的尺子，量不到它们。这是一处真实且可逐字核对的制度空缺。

同一份 NASEM 报告的 Conclusion 2-2/2-3/2-4 从研究侧描述了同一个洞 [一手逐字]：孪生需要的 VVUQ 是持续过程，必须随物理对象、模型、数据与决策任务的变化而适配，而「传统建模仿真所考虑的问题类别与数字孪生将会遇到的 VVUQ 问题之间存在差距」；并且「尽管 AI、机器学习与经验建模的使用在增长，VVUQ 报告缺乏标准，对模型输出的置信度缺乏考虑」。

五 可辨识层：一个人有很多个孪生

这一节只需要一句话，而这句话是造孪生的人自己证明的。

Grandits、Gillette、Plank、Pezzuto 2025（《Medical Image Analysis》105:103641，DOI: 10.1016/j.media.2025.103641）在摘要中写 [多源交叉]（该刊正文对爬虫返回拦截，本篇仅取回官方摘要逐字）：

For the first time, we demonstrate that distinct activation maps can generate identical surface ECGs. To address this non-uniqueness, we introduce a physiological prior based on the distribution of Purkinje-muscle junctions. Additionally, we develop a digital twin ensemble for probabilistic inference of cardiac activation.

逐字翻译这件事的后果： 从你的体表心电图反推你的心脏激动模式，解不唯一。不同的心脏内部电激动图可以产生完全相同的体表 ECG。所以「你的心脏孪生」不是一个对象，是一个等价类。这个领域的应对方式有两条，都写在同一句摘要里：加一个生理学先验把等价类切小，和带着一整个孪生集合做概率推断。

第二条应对方式尤其值得停一下：当这个领域最前沿的方法论文选择把「孪生」做成 ensemble 时，它在事实层面承认了——一个人在模型里有很多个孪生。 这一点与本节标题一样，是我们的转述而非作者的措辞 [我们的断言]；作者的措辞是 non-uniqueness，并且明确把这项工作定位为提升孪生标定的可信度（原文：enhances their credibility for clinical application）——注意这个词又落回第四节那个定义上。

为什么这一节不能被「数据多了就好了」打掉？ 因为非唯一性不是噪声问题，是反问题结构问题：观测算子把不同的内部状态映到同一个观测上。加数据可以缩小等价类，但只有加不同种类的观测（或加先验）才能改变映射的零空间。这是数学事实，不是工程进度条 [我们的断言]。

六 个体预测层的会计学：把每个招牌数字的分母还原

本库的老规矩：一个精度数字，必须报出它的分母、它的分区、和它在哪里最差。以下用临床上最成功的那个患者特异性模型自证。

6.1 FFR-CT：模型在最不需要它的地方最准

以下取自 Bozika 等 2025 综述 对 2017 年一项血管水平系统评价（908 处病变／536 例患者）的记述 [多源交叉]（原文 2017 年评价未取回，按转引记）：

分区 与侵入性 FFR 的一致率
全体（per-vessel 准确率） 81.9%（95% CI 79.4–84.4）
FFR-CT > 0.90（明显不缺血） 97.9%
FFR-CT ≤ 0.60（明显缺血） 86.4%
FFR-CT 0.70–0.80（灰区，也就是唯一需要它的区间） 46.1%

同一记述还给出解释阈值：要达到 82% 以上的准确率需要 > 0.83 或 < 0.63；要达到 95% 的确定性，需要 > 0.93 或 < 0.53。并且该数据集本身在侵入性 FFR 0.70–0.80 这一带只有 12.8% 的病变——最需要判断的区间，样本最少、准确率最低。

技术侧的分母同样必须报：在 NXT 与 PLATFORM 等试验中，约 10–12% 的数据集因成像质量不佳被拒绝分析；ADVANCE 注册研究中运动伪影占失败原因的最高 78%，常规临床实践中为 64%；假阴性主要集中在重度钙化病变。

6.2 PRECISE：一个复合终点，两个方向

这一条本篇取回了原文逐字核对 [一手逐字]（PRECISE 随机临床试验，《JAMA Cardiol》2023;8:904–914，DOI: 10.1001/jamacardio.2023.2595）。n = 2103（平均年龄 58.4 ± 11.5 岁，50.2% 男性，20.1% 归为最低风险）。精准策略（PS）＝风险分层 + CCTA 并选择性使用 FFR-CT；对照为常规检查（UT）。

终点 精准策略（n=1057） 常规检查（n=1046） HR（95% CI）
主复合终点 44（4.2%） 118（11.3%） 0.35（0.25–0.50），校正后 0.29（0.20–0.41），P<.001
——效率成分：无梗阻性病变的导管检查 27（2.6%） 107（10.2%） 0.24（0.16–0.36）
——安全成分：死亡或非致死性心梗 18（1.7%） 12（1.1%） 1.52（0.73–3.15），校正后 1.57（0.76–3.27）
全因死亡 5（0.5%） 7（0.7%） 0.71（0.23–2.23）
非致死性心梗 13（1.2%） 5（0.5%） 2.65（0.96–7.36）

这张表要读两遍。 第一遍：把不必要的侵入性导管检查从 10.2% 降到 2.6%，这是真实且重要的临床收益，病人少挨一刀。第二遍：主终点是「效率 + 安全」的复合终点，赢的全部来自效率成分，而安全成分的点估计朝着相反方向（1.52，非显著）；非致死性心梗 13 例对 5 例，置信区间下界 0.96 刚刚压住 1。原文自己给出了归因分析：多出的 6 例（占试验队列 0.3%）主要来自 2 型心梗（5 比 2）与围手术期心梗（4 比 1），且三分之一的心梗发生在检查之前。此外一年时精准策略组的降脂药（50.0% 对 41.8%）与抗血小板药（35.7% 对 27.1%）使用率更高（均 P<.001）。

而归因问题在这里第三次出现：PS 臂不是「FFR-CT」，是「风险分层 + CCTA + 选择性 FFR-CT」这一整包。这份最好的 RCT 也没有把那个力学模型自己的贡献分离出来。 用第四节那个词：model influence 未测。

6.3 钱：真实世界里没省下来

该综述记述 [多源交叉]：一项当代三级医疗队列（Rasoul 等）发现引入 FFR-CT 没有带来总体成本节约，人均成本比直接侵入造影策略略高，尤其在梗阻性病变患病率高、可避免的造影本来就少的场景；英国 NHS 的一项报告（Graby 等）发现 FFR-CT 确实改变了临床处置（取消功能影像 17%、取消侵入造影 47%），但人均净成本增加是边际性的。

本层裁决： 患者特异性力学模型进指南是真的、减少侵入操作是真的、预后分层信息是真的；而「更准的模型 → 更好的硬终点 → 更省的钱」这条链条，在今天最好的证据里只兑现了中间一环。

七 衰老轨迹层：backlog 的原题，与它缺的那一格

本篇原始立项是「数字孪生与个人化衰老轨迹预测」。按第一节的分界声明，本节不重裁生物学年龄的本体身份，只裁一格：今天能不能给一个具体的人算出一条可模拟、可干预的衰老轨迹。

7.1 现状：三十个人，三十八个时钟，十三个月

Pusparum 等 2025（《npj Digital Medicine》8:537，DOI: 10.1038/s41746-025-01911-9）是目前把「衰老时钟 → 人体数字孪生」这条桥摆到台面上、并且用真实纵向数据检验的研究 [一手逐字]：

  • 队列：IAM Frontier，30 人（15 男 15 女），45–59 岁，2019 年 3 月至 2020 年 3 月，13 个月。
  • 采样密度：生理与临床生化每月 13 个时点；蛋白组与代谢组每两月 7 个时点；DNA 甲基化与微生物组每半年 3 个时点。
  • 预测器：29 个表观遗传时钟 + 4 个临床生化 + 2 个蛋白组 + 3 个代谢组 = 38 个。
  • 核心发现（摘要原句）：ageing is different between individuals but relatively stable within individuals。分层结论：表观遗传时钟给出的个体内预测更稳定；临床与蛋白组指标对短期影响（生活方式、用药、外部因素）更敏感。
  • 正面证据一条要照登：某位受试者（编号 ID27）明显异常的表观遗传测量与预测，在健康管理或预防性医疗场景下确实会触发进一步临床检查，从而揭示一个正在进行、此前未被发现的病理过程。

7.2 那一格：造尺人自己写下的群体级上限

而同一篇文章里有一句话，直接把「个人化衰老轨迹孪生」这一格钉住了 [一手逐字]：

Of note, according to the developers of those health trait predictors, they should currently only be used at a population level and are not yet supposed to provide reliable predictions at the individual level. Training data from larger-scale cohorts, including diseased individuals, will be required to refine these additional health trait predictors and enable their clinical use.

请注意这句话的说话人是谁：不是本篇，不是怀疑论者，是那些预测器的开发者自己。 而「个人化衰老轨迹孪生」这个概念要成立，需要的恰恰是被这句话排除的那件事——在个体层面给出可靠预测。

同一篇文章在讨论部分列出的实施障碍清单也照登 [一手逐字]：跨异质组学平台的数据标准化与互操作性、高维数据下的模型准确性与泛化、计算负担，以及「在无缝部署对生物学年龄敏感的人体数字孪生之前，仍有若干挑战待解」。

7.3 欧盟旗舰自己对起点的描述

欧盟资助的 EDITH（European Virtual Human Twin）协调支持行动的官方使命陈述 [一手逐字]（官方站）：

…with the mission of defining a roadmap from separated single organ systems to data-driven and knowledge-driven fully integrated multiscale and multiorgan whole-body twin.

其愿景对 VHT 的定义是「对定量人体生理与病理的、整合的多尺度、多时间、多学科表征」，用途写明为临床决策支持系统、个人健康预测，或个体化医疗产品开发与去风险的方法学。

把这句使命陈述读一遍就够了：欧洲人体孪生旗舰计划对自己起点的官方描述是「分离的单器官系统」，对终点的描述是一份路线图。 这与第三节那个 0.67% 完全一致，只是换了个说话的人。

7.4 本层裁决与三前提对表

衰老轨迹孪生缺的不是数据管道，缺的是两格：

  • 缺可信机制模型：衰老没有一个像葡萄糖-胰岛素动力学那样被十五年监管审视过的机制模型。今天的读数是统计预测器（本库表观时钟篇已裁其本体地位），而统计预测器恰好落在第四节 FDA 那条范围排除条款之外。
  • 缺执行器：即便算出一条轨迹，虚拟→物理那一段只能由人执行生活方式或用药改变，而这些改变对轨迹的因果效应本身是本库抗衰干预系列反复裁过的未结案区。
  • 传感这一格反而是今天最好的一格：可穿戴、连续监测、多组学采样密度都在快速改善。这解释了为什么这个方向的论文增长最快、而可裁决的进展最慢——三样里齐的那一样，恰好是最容易齐的那一样。 [我们的断言]

八 归因层：疗效可能是真的，而「是孪生在起效」这一格没被测（独占核心之二）

这一节要审计的是今天规模最大、发表最多的商用人体孪生项目。按第一节第二条红线，本节所有内容都不构成医疗建议，尤其不构成任何减药或停药建议。

8.1 事实层：数字要照登

Shamanna 等 2024（《JACC: Advances》3(9):101172，DOI: 10.1016/j.jacadv.2024.101172，注册号 CTRI/2020/08/027072）[一手逐字]：

  • 设计：多中心随机对照试验，印度 4 家大型医院，18–70 岁、2 型糖尿病病程 ≤8 年。分配比例 2020 年 8 月起为 6:1（干预:标准治疗），2020 年 12 月起经伦理审批改为 2:1，共分配 250 + 86；17 名干预组受试者未接受分配治疗即退出，意向治疗人群 233 对 86 = 319 人。
  • 母试验的主终点是糖化血红蛋白变化与 2 型糖尿病用药减少；本文报告的血压相关结局全部是次要结局。
  • 结果：一年后干预组收缩压 −7.6 对 −3.2 mmHg（P < 0.007）、舒张压 −4.3 对 −2.2 mmHg（P = 0.046）；全队列 319 人中仅 59 人（18.4%）在用抗高血压药（干预组 44、对照组 15），其中干预组 68.2% 保持停用抗高血压药而对照组为零；高血压亚组达到正常血压者 40.9% 对 6.7%（P = 0.0009）、高血压缓解 50% 对 0%（P < 0.0001）。
  • 干预内容（原文所述）：数字孪生模型与 AI 分析 + 可穿戴活动追踪器 + 智能体重秤 + 臂式血压计 + 连续血糖监测 + 手机 App 记录饮食 + 注册营养师担任健康教练 + App 与虚拟形式的按需咨询 + 每三个月医生随访（含用药调整）+ 每季度生化反馈；家用血压监测系统指导抗高血压药调整。
  • 利益申报照登：三位作者为 Twin Health Inc 雇员，一位为该公司科学家，四位为该公司顾问委员会成员；另有多家药企的咨询费与讲者费申报。

这些效应量不小，而且方向一致。 一个开放的生活方式干预项目在一年里把收缩压多降 4.4 mmHg、把一半有高血压的受试者带入缓解，这是真实的临床结果，本篇不打折。

8.2 归因层：作者把结论写进了讨论，而设计不能测它

而同一篇文章的干预描述一节里有这样一段 [一手逐字]：

It is important to clarify that the primary driving force of our intervention is the sophisticated technology, particularly the personalized treatment strategies and precise predictive insights generated by the AI. The human element of our intervention, while more minimal in scope, plays a crucial facilitative role. It primarily serves to implement the AI’s recommendations…

这是一个关于 model influence 的断言。而这个试验的设计里，没有任何一臂能把孪生拿掉而保留营养师、连续血糖监测、体重秤、血压计、App 和三个月一次的医生随访。 对照臂是「标准治疗」，不是「同样的教练与设备但没有孪生」。因此：

  • 疗效层：在这个设计能支持的强度上，成立。
  • 归因层：未测。 不是被否证，是这个设计不产生关于它的信息。

另有两点是可逐字核对的观察，本篇如实记录、不做动机推测：其一，该文有一节标题为 「Randomization and Masking」，而该节正文只描述了样本量计算与分配比例，未报告任何盲法安排；其二，作者自陈的局限只有两条——「因族群文化因素导致的可推广性问题」与「高血压亚组相对较小」——归因问题不在其中。该文结语自己呼吁：Studies are needed to validate Digital Twin technology in hypertension management, with a focus on understanding underlying mechanisms for personalized therapies.

8.3 对照组：同一年，同一个疾病邻域，有人把归因测了

把第 1.4 节和本节并排放，是本篇最干净的一次对照 [我们的断言]：

Twin Health（2024） Kovatchev 等（2025）
疾病 2 型糖尿病（及高血压） 1 型糖尿病
设计 随机，对照为标准治疗 随机，对照包含「仅信息反馈」臂
「孪生」之外的共同干预 教练、CGM、体重秤、血压计、App、医生随访 全程同一台 AID 设备，两臂相同
主终点 HbA1c 与用药减少（母试验） TIR（本试验）
结果 干预有效 孪生有效（72→77%），仪表盘无额外效应
model influence 未测 测了，且为正
作者对归因的处理 写进讨论 设成一个臂

一句话总结这一层：把归因写进讨论，和把归因设成一个臂，是两件不同的事；前者是文字，后者是证据。 而第四节已经说明，监管机构对这件事有正式名称、有 3×3 网格、有把它纳入模型风险评估的明确建议。

九 三前提账：母裁决的可判定形式

本篇不想只说「有些孪生真、有些假」。以下是本篇提出的可判定判据，并用前面每一条证据对表 [我们的断言]。

一个模型要配叫某个对象的孪生，需要三样同时齐备：

  • ① 可信机制模型——在声明的使用情境里被验证过（第四节的 credibility 定义）；
  • ② 连续、廉价、低噪声的传感回路——把物理侧的状态持续送回虚拟侧（NASEM 定义的付款单 ②）；
  • ③ 一个真的执行器，或一个真的、有人负责按下去的决策——虚拟侧能回过来改变物理侧（付款单 ④）。
系统 ① 机制模型 ② 连续传感 ③ 执行器／可执行决策 判定
飞机结构寿命 齐 齐（机队历史 + 传感） 齐（维修排程） 真
天气与气候（DestinE） 齐 齐（观测同化） 回路靠人闭（防汛、电网、保险） 真，人在环
1 型糖尿病闭环 齐（MAF-1521，>30 参数/人） 齐（CGM） 齐（胰岛素泵） 真，且有 RCT
心脏电生理消融 齐（激动传播模型） 不连续（一次 MRI + 术中标测） 齐（导管） 框架内真：单臂 10 人，替代终点
冠脉 FFR-CT 齐（Navier–Stokes） 一次性（一次 CT） 齐（是否造影／支架） 真，但按定义不是孪生
个人化衰老轨迹 缺（统计预测器，开发者自设群体级上限） 齐（可穿戴 + 多组学） 缺（干预→轨迹的因果未结案） 未立
「全身孪生」／模拟你的一生 缺 缺（多器官多尺度同步观测不存在） 缺 未立

这张表解释了本篇全部裁决的分布，并且给出一个可以拿去用的预测：任何一个领域，只要三样里齐了三样，「孪生」就会从修辞变成工程；只要缺一样，「孪生」就会停在论文里。而在人身上，最难齐的从来不是①（模型），是③（执行器）——因为人不是被驱动的，人是被建议的。 [我们的断言]

十 双向裁决、对称三向红线与对称金句

10.1 双向裁决

「数字孪生能预测你的未来」未立。 六条理由，逐条对应上文：定义要件里的双向回路在自称孪生的人体文献里只有 0.67% 做到（第三节）；可信度按定义只对声明的那一个问题成立、换问题即归零（第四节）；从体表观测反推个体内部状态的解不唯一，而这是反问题结构问题不是数据量问题（第五节）；最成功的患者特异性模型在唯一需要它的灰区里与金标准一致率 46.1%、且硬终点上无差异、成本没省下来（第六节）；衰老性状预测器的开发者自己把它限定在群体层面（第七节）；规模最大的商用人体孪生项目里，孪生自身的贡献没有被任何一臂测量（第八节）。

「数字孪生是包装」同样未立。 说这话的人要先解释六件事：一个数学模型如何在 2008 年 1 月拿到 FDA 器械主文件里替代动物试验的许可、并让一整类动物实验被放弃；一份六个月随机试验如何在已经闭环的设备之上再拿到 5 个百分点的 TIR，而同一份试验里「给你看更多数据」那一臂拿到零；十位病人如何在一个模型算出的靶点上被消融、术终全部不可诱发、平均 405.4 天后八位停药无复发；一套 4.4 公里的地球系统模型如何把气候投影的更新周期从七到十年压到一年；一个 Navier–Stokes 求解器如何把不必要的侵入性造影从 73% 压到 12%；以及为什么美国国家科学院要为这件事专门做一份 202 页的共识报告并给出一个跨机构研究议程。

而真正的裁决落在第三个地方：回路是靠人闭的。 在那 18 篇够格的人体孪生里，17 篇的虚拟→物理是由人完成的；地球孪生的那一段是由防汛与调度人员完成的；心脏孪生的那一段是由术者完成的——而「孪生」这个词的全部修辞力量，恰恰来自暗示那一段不需要人。

10.2 对称三向红线

  • 防升格：不得把「模型在某个使用情境里可信」读成「模型是你的孪生」；不得把「复合终点赢了」读成「硬终点赢了」；不得把「干预有效」读成「模型有效」。
  • 防虚无化：不得把「名号不成立」读成「计算模型无价值」。本篇引用的每一条真锚都对应着真实的人少挨了一刀、少做了一次动物实验、多了每天一小时血糖在范围内。
  • 防「所以别用」：不得把本篇读成任何关于是否参与某个健康项目、是否使用某项检查、是否调整用药的建议。尤其：本篇第八节审计的项目其干预内容包含在医生监督下的减药，读者不得据此自行停药或减药。

10.3 对称金句：取自同一批造尺人

本库的偏好是让同一批人、最好是同一份文件同时提供两侧。这一篇做到了两次。

第一对，出自同一份 NASEM 共识报告的同一段 [一手逐字]：

∧ 防虚无化：Despite the existence of examples of digital twins providing practical impact and value…

∧ 防升格：…the sentiment expressed across multiple committee information-gathering sessions is that the publicity around digital twins and digital twin solutions currently outweighs the evidence base of success.

第二对，出自同一篇文章的同一节，作者是让 FDA 接受在硅试验替代动物试验的那批人 [一手逐字]：

∧ 防虚无化：In January 2008, in an unprecedented decision, the US Food and Drug Administration (FDA) accepted this computer simulator as a substitute to animal trials…

∧ 防升格：Thus, computer simulation is only a prerequisite to, but not a substitute for, clinical trials.

第三句，堵住「所以不用管、随它去」这条捷径 [一手逐字]，出自 FDA 终版指南对模型风险的定义：

Model risk: “the possibility that the computational model and the simulation results may lead to an incorrect decision that would lead to an adverse outcome.”

一个不可信的孪生不是零，是负数——因为它会被用来做决定。这就是为什么本篇不能只裁「名号夸张」就收工。

10.4 灵魂句

「孪生」这个词做的不是精度声明，是身份声明。它把一个可判定的问题（这个模型在这一个问题上被验证过吗）换成了一个不可判定的问题（它像不像你）——而「像」不需要证据，只需要修辞。 今天所有真在起作用的孪生，回路都是靠人闭的：医生、气象员、护理者、病人自己。所以每次你听到「这是你的数字孪生」，该问的不是它有多准，而是三个可以当场回答的问题：它被允许回答的那一个问题写在哪儿？谁在替它闭环？以及，如果把模型拿掉而其他一切不变，结果会差多少——有人测过吗？

十一 自指：本篇自己的八个弱点

本库规矩：造尺的人必须自己写下界。

  1. 发现层有系统性偏差。 内置搜索工具本会话恒报 400，全程改走 Europe PMC 检索 API、PubMed E-utilities、Crossref、OpenAlex、Wayback CDX 与官方站点直取。后果是：会议论文、非英文文献、未进 PubMed 的工程与工业文献可能被系统性漏掉——而数字孪生的工程侧成熟度恰恰大量沉淀在后者里，所以本篇对工程层的评估可能偏保守。
  2. 一份定义性文献未取回原文。 Kritzinger 等 2018 的三分法是本篇定义层的骨架之一，而该文只在出版商站点提供、对爬虫返回拦截，本篇只能经 Tudor 等 2025 转引其逐字表述并标 [多源交叉]。本篇的裁决不依赖它——四张付款单来自 NASEM 报告的一手取回。
  3. 第六节第一张表整体是综述转引。 灰区 46.1% 这个数字来自 Bozika 等 2025 对 2017 年一项系统评价的记述，本篇未取回该 2017 年评价原文（该刊无开放获取镜像）。本篇已主动降级为 [多源交叉]，且本层裁决不依赖任何单一数字——PRECISE 那张表是一手核过的，且它单独就足以支撑「效率赢、安全成分反向」这一结论。
  4. 七个出版商域对爬虫返回 403（ScienceDirect、SAGE、NEJM、JAMA、Wiley、AIAA、MDPI），JMIR 返回 202，FDA 官网直取触发其反爬转向（/apology_objects/abuse-detection-apology.html）故改走 Wayback 官方存档。本篇的做法是：正文内联链接一律换成 PMC/PubMed/存档可读镜像，来源清单保留出版记录的 DOI。这不是链接失效，是机器人拦截，读者用浏览器可正常访问；本篇于 2026-07-26 对全部 50 个外链逐条 HTTP 实测，非 200 者全部属于上述拦截类别，无一为死链。
  5. 第九节那张三前提表是本篇自己造的尺，不是文献结论。 它的三条前提各自能追到官方定义与官方指南，但把它们组织成一张判定表这件事是本篇的推论，已全程标 [我们的断言]。它可被否证的方式很清楚：只要出现一个三样不齐而孪生确实工作的反例，这张表就该改。
  6. 这张尺必须落到本库自己头上。 本库主线的「预测性稳态调度器」「距临界距离」「调度效率」这些构念，按第九节判据逐条对表的结果是：①机制模型——候选而未验证；②连续传感——部分（HRV、炎症、代谢有连续读数）；③执行器——缺。 也就是说，按本篇自己的判据，本库主线的构念今天也没有资格叫任何人的孪生，它是一个待检验的模型框架。这一条不是谦辞，是判据的对称适用。
  7. 一处方法论选择需要交代。 本篇把 backlog 原题「数字孪生与个人化衰老轨迹预测」扩面成了整个名号的定义审计，理由写在第一节分界声明里（只做衰老轨迹会与表观时钟篇大面积重叠）。代价是：衰老轨迹这一层的一手证据密度低于其他各层——它只站在一份 30 人、13 个月的纵向研究上。这是真实的不足，不是取舍的胜利。
  8. 本篇被自己的纪律抓到三处凭印象写的书目错误，纠错留在正文里而不悄悄改掉。 起草来源清单时：(a) 把 Tudor 等 2025 的卷期凭印象写成「8:1052」，Crossref 实查为第 8 卷文章号 587（2025-09-30）；(b) 给 Kovatchev 等 2025 的作者名单凭印象续了一段尾巴（Amendolara、Sun、Breton、Brown），实查该文共 10 位作者，已截到可核前缀加「等」；(c) 把 PRECISE 试验的第一作者写成 Nanna MG，实查为 Douglas PS（Nanna 为第二作者，该文共 110 位署名作者）。三处都不影响任何承重结论，但它们正是本篇第八节所审计的那种错误的同型：把「我记得是这样」当成「我核过是这样」。 之所以写在这里而不悄悄改掉，是因为这就是本篇方法论的自证——一篇裁决别人「把断言写进讨论而不设成一个臂」的文章，没有资格隐瞒自己被查出来的三处未核。

十二 后续问题、不确定点、可信度与关联笔记

后续问题（可检验形式）

  1. 有没有第二份把「孪生」单独设臂的随机试验？ 本篇只找到一份（T1D）。如果三年内出现第二份且在另一个器官系统，第九节那张表的③格判据需要重估。
  2. 那个 0.67% 会不会变？ Tudor 等的检索截止 2024 年 7 月。同样的尺子量 2024–2027 年的文献，自动双向回路的比例是升是平，是一个可以直接重做的计数。
  3. FDA 那条范围排除会不会动？ 现行指南把机器学习模型排除在 CM&S 可信度框架之外。若 FDA 将统计/数据驱动模型纳入同一框架，第四节那处制度空缺就会闭合。
  4. APOLO-VT 的 12 个月复发率是多少？ 心脏孪生这条最成熟的临床线，其公开下一级证据仍是 60 例单臂。
  5. DestinE 的「2030 年完整地球复制品」如何被验收？ 官方文本对「full」自己加了引号。验收判据是什么，目前未见公开定义。

不确定点（明确标空，不虚构对称）

  • 本篇找不到一手实证研究回答：市面上被称作「数字孪生」的消费级健康产品，其模型部分对结果的实际贡献有多大。 这不是「证据显示贡献为零」，是没有人测过。本篇拒绝引用任何未核实的行业统计或市场预测数字来填这个空。
  • 「孪生」这个名号是否影响了资助与审稿决策，本篇未找到可核验的量化研究。NASEM 报告的 Conclusion 2-5 与 Girolami 的陈述是领域内的判断陈述，不是计量结果，本篇按此使用，不升格。
  • Grieves 溯源的年份分歧（2002 与 2005） 本篇如实并列、不做取舍，也不承重。

可信度

高，理由：本篇的三条承重结论各自站在一手取回的官方文件或官方定义上——名号的四张付款单来自 NASEM 2024 共识报告正文逐字；可信度的定义、模型风险的分解与那条范围排除来自 FDA 2023-11-17 终版指南 PDF 逐字；回路账的 149/18/1 来自 Tudor 等 2025 正文与表 1 逐字。四条最强的正面锚（FDA 器械主文件 MAF-1521 的标签、T1D 随机试验的主终点、TWIN-VT 的十个人、DestinE 的分辨率）均为一手逐字。已主动降级的部分已在自指第 2、3 条点名。

关联笔记

来源清单（38 条，按核验等级分四层）

甲　主笔取回原文或官方文件逐字比对（14 条）[一手逐字]

  1. National Academies of Sciences, Engineering, and Medicine. Foundational Research Gaps and Future Directions for Digital Twins. Washington, DC: The National Academies Press, 2024. 202 pages. DOI: 10.17226/26894。第 2 章全文逐字取回：nap.nationalacademies.org/read/26894/chapter/4（委员会定义、Finding 2-1、Conclusion 2-2 至 2-6、Girolami 2022 陈述、bespoke/custom implementations 段、NASA 溯源与 Shafto 2012 定义转引）；摘要章：chapter/2。项目页：nationalacademies.org
  2. U.S. Food and Drug Administration. Assessing the Credibility of Computational Modeling and Simulation in Medical Device Submissions — Guidance for Industry and Food and Drug Administration Staff. 终版发布 2023-11-17（草案 2021-12-23），登记号 FDA-2021-D-0980。官网对爬虫拦截，经 Wayback 官方存档 PDF 全文 取回（Credibility / Model risk / Model influence / Verification / Validation / Uncertainty quantification 定义；model risk = model influence × decision consequence；CM&S 范围排除 ML/AI 条款）
  3. Tudor BH, Shargo R, Gray GM, Fierstein JL, Kuo FH, Burton R, Johnson JT, Scully BB, Asante-Korang A, 等（共 11 位作者）. A scoping review of human digital twins in healthcare applications and usage patterns. npj Digital Medicine 2025;8, 文章号 587（2025-09-30）. DOI: 10.1038/s41746-025-01910-w · PMC12484800（149 篇分类表、0.67%、VVUQ 两处计数与其自身补充、Kritzinger 三分法转引、Twin Precision 描述）
  4. Cobelli C, Kovatchev B. Developing the UVA/Padova Type 1 Diabetes Simulator: Modeling, Validation, Refinements, and Utility. J Diabetes Sci Technol 2023;17(6):1493–1505. DOI: 10.1177/19322968231195081（出版商对爬虫返回 403）· 逐字取回自 PMC10658679（FDA 2008-01 接受、MAF-1521 标签逐字、N=300、>30 参数、动物实验被放弃、「only a prerequisite to, but not a substitute for」）
  5. Kovatchev BP, Colmegna P, Pavan J, Diaz Castañeda JL, Villa-Tamayo MF, Koravi CLK, 等（共 10 位作者）. Human-machine co-adaptation to automated insulin delivery: a randomised clinical trial using digital twin technology. npj Digital Medicine 2025;8:253. DOI: 10.1038/s41746-025-01679-y · PMC12055975 · 注册号 NCT05610111
  6. Chrispin J, Prakosa A, Kholmovski E, Kolandaivelu A, Barcelon A, Aronis KN, Berger RD, Calkins H, Trayanova N. Digital Twin-Guided Ablation for Ventricular Tachycardia. N Engl J Med 2026;394(13):1345–1347. DOI: 10.1056/NEJMc2517822（出版商 403）· 逐字取回自 PMC13052048 · FDA IDE G180087/A001 · 注册号 NCT03536052
  7. Douglas PS, Nanna MG, Kelsey MD, 等（PRECISE 研究组，共 110 位署名作者）. Comparison of an Initial Risk-Based Testing Strategy vs Usual Testing in Stable Symptomatic Patients With Suspected Coronary Artery Disease: The PRECISE Randomized Clinical Trial. JAMA Cardiol 2023;8(10):904–914. DOI: 10.1001/jamacardio.2023.2595（出版商 403）· 逐字取回自 PMC10448364
  8. Shamanna P, Joshi S, Dharmalingam M, Vadavi A, Keshavamurthy A, Shah L, Samajdar SS, Mechanick JI. Digital Twin in Managing Hypertension Among People With Type 2 Diabetes: 1-Year Randomized Controlled Trial. JACC: Advances 2024;3(9):101172. DOI: 10.1016/j.jacadv.2024.101172 · PMC11450914 · 注册号 CTRI/2020/08/027072
  9. Pusparum M, Thas O, Beck S, Ecker S, Ertaylan G. From ageing clocks to human digital twins in personalising healthcare through biological age analysis. npj Digital Medicine 2025;8:537. DOI: 10.1038/s41746-025-01911-9 · PMC12371080
  10. ECMWF / Destination Earth 官方. Weather-Induced Extremes Digital Twin. destine.ecmwf.int（4.4 km 全球／500–750 m 欧洲、IFS 基座、NEMO ORCA025、Météo-France 领衔 32 机构、阶段划分）
  11. ECMWF / Destination Earth 官方. Climate Change Adaptation Digital Twin. destine.ecmwf.int（5 km 目标、LUMI 原型投影、更新周期 7–10 年→一年或更短、what-if 与 twins-within-the-twin）
  12. European Commission / Destination Earth 官方站. destination-earth.eu（三方分工、里程碑表、「Full Earth Replica By 2030」）
  13. EDITH — European Virtual Human Twin（欧盟资助协调支持行动）官方站. edith-csa.eu（VHT 愿景定义、使命陈述「from separated single organ systems to… whole-body twin」、路线图目标）
  14. Eadie AL, Lynch HF, Scheinerman N, Parikh RB. Advancing FDA New Approach Methodologies from animal models through digital twins. npj Digital Medicine 2026;9:449. DOI: 10.1038/s41746-026-02476-x · PMC13260366（2025-04 FDA NAMs 公告、Modernization Act 2.0/3.0 立法状态、器官芯片「尚未转化为既定监管路径」、验证标准缺口）

乙　官方摘要级或权威综述转引逐字，原始正文未取回（9 条）[多源交叉]

  1. Grandits T, Gillette K, Plank G, Pezzuto S. Accurate and efficient cardiac digital twin from surface ECGs: Insights into identifiability of ventricular conduction system. Medical Image Analysis 2025;105:103641. DOI: 10.1016/j.media.2025.103641 · 摘要逐字取回自 PubMed 40479962（「distinct activation maps can generate identical surface ECGs」、Purkinje-muscle junction 先验、digital twin ensemble）
  2. Kritzinger W, Karner M, Traar G, Henjes J, Sihn W. Digital Twin in manufacturing: A categorical literature review and classification. IFAC-PapersOnLine 2018;51(11):1016–1022. DOI: 10.1016/j.ifacol.2018.08.474（三分法；原文未取回，定义按 Tudor 等 2025 逐字转引，本篇不以其承重）
  3. Bozika M, Apostolos A, Nastouli KM, Papafaklis MI, Skalidis I, Terentes-Printzios D, 等. Clinical Impact of CT-Based FFR in Everyday Cardiology: Bridging Computation and Decision-Making. Biomedicines 2025;13(8):1969. DOI: 10.3390/biomedicines13081969 · PMC12383964（指南推荐表、验证试验表、2017 年血管水平评价的记述与灰区 46.1%、10–12% 数据拒绝率、运动伪影占比、ADVANCE 与丹麦亚组、成本分析、$997 标价、平台监管状态）
  4. Bhagirath P, Regany M, Borràs R, Guasch E, Mont L, Tolosana JM, Porta-Sanchez A, Roca-Luque I（APOLO Consortium）. Digital Twin Guided Ventricular Tachycardia Ablation: Design and Rationale of the APOLO-VT Trial. J Cardiovasc Electrophysiol 2026. DOI: 10.1111/jce.70410 · 摘要逐字取回自 PubMed 42348758（介入性前瞻单中心 60 例、主终点 12 个月室速复发）
  5. Niederer SA, Sacks MS, Girolami M, Willcox K. Scaling digital twins from the artisanal to the industrial. Nature Computational Science 2021;1(5):313–320. DOI: 10.1038/s43588-021-00072-5（题名与其被 NASEM 报告转引的判断；正文未取回）
  6. Kovatchev BP, Breton M, Dalla Man C, Cobelli C. In Silico Preclinical Trials: A Proof of Concept in Closed-Loop Control of Type 1 Diabetes. J Diabetes Sci Technol 2009;3(1):44–55. DOI: 10.1177/193229680900300106 · PMC2681269（在硅前临床试验原始方法学论文；本篇的承重引用来自 Cobelli & Kovatchev 2023 的回顾）
  7. Shamanna P, Joshi S, Shah L, Dharmalingam M, Saboo B, Mohammed J, 等. Type 2 diabetes reversal with digital twin technology-enabled precision nutrition and staging of reversal: a retrospective cohort study. Clin Diabetes Endocrinol 2021;7:21. DOI: 10.1186/s40842-021-00134-7 · PMC8591797（该项目早期回顾性队列；设计为回顾性，本篇不作承重）
  8. Sarani Rad F, Bitaraf E, Jafarpour M, Li J. Technologies, Clinical Applications, and Implementation Barriers of Digital Twins in Precision Cardiology: Systematic Review. J Med Internet Res 2026. DOI: 10.2196/78499 · PMC12782626（心脏孪生实施障碍；本篇仅作背景）
  9. Glaessgen E, Stargel D. The Digital Twin Paradigm for Future NASA and U.S. Air Force Vehicles. 53rd AIAA/ASME/ASCE/AHS/ASC Structures, Structural Dynamics and Materials Conference, 2012-04-23. DOI: 10.2514/6.2012-1818（出版商 403，原文未取回）。本篇承重使用的那段术语定义出自 Shafto 等 2012 的 NASA 报告，经 NASEM 2024 报告第 2 章逐字转引；该报告另注明 Piascik 等 2012 为同期定义来源，且 「这些 NASA 报告 2010 年即公开发布，但官方出版年份为 2012」（NASEM 报告发布后加注的脚注）。NASA 报告原件本篇未取回。

丙　背景与语境，仅作背景不作承重（6 条）[需亲核]／[多源交叉]

  1. Katsoulakis E, 等. Digital twins for health: a scoping review. npj Digital Medicine 2024;7:77. DOI: 10.1038/s41746-024-01073-0 · PMC10960047（2017–2023 年健康孪生文献逐年增长；本篇仅用其增长趋势结论，且经 Tudor 等 2025 转述）
  2. Pammi M, Shah PS, Yang LK, Hagan J, Aghaeepour N, Neu J. Digital twins, synthetic patient data, and in-silico trials: can they empower paediatric clinical trials? Lancet Digital Health 2025. DOI: 10.1016/j.landig.2025.01.007 · PMC12171946
  3. Sarani Rad F, Jafarpour M, Bitaraf E, Khaleghdadi K, Li J. Digital Twin Applications in Diabetes Management: Scoping Review. J Med Internet Res 2026. DOI: 10.2196/83059 · PMC13277824
  4. Cáceres-Gutiérrez DA, Bonilla-Bonilla DM, Liscano Y, Díaz Vallejo JA. From Architecture to Outcomes: Mapping the Landscape of Digital Twins for Personalized Diabetes Care — A Scoping Review. J Pers Med 2025;15(11):504. DOI: 10.3390/jpm15110504 · PMC12653829
  5. Zhang Y, Prakosa A, Zhang K, Carrick R, Chrispin J, 等. Genotype-specific digital twins for arrhythmia ablation targeting in arrhythmogenic right ventricular cardiomyopathy. Commun Med 2026. DOI: 10.1038/s43856-026-01662-y（仅题名与元数据可核）
  6. Joshi S, Shamanna P, Dharmalingam M, Vadavi A, Keshavamurthy A, Shah L, Mechanick JI. Digital Twin-Enabled Personalized Nutrition Improves Metabolic Dysfunction-Associated Fatty Liver Disease in Type 2 Diabetes: Results of a 1-Year Randomized Controlled Study. Endocr Pract 2023. DOI: 10.1016/j.eprac.2023.08.016（同一母试验的另一项次要结局报告；仅摘要级可核）

丁　本库内部关联笔记（9 条）

  1. 表观时钟与生物学年龄篇
  2. 模型成功与科学实在论篇
  3. 因果推断认识论篇
  4. 测量代理性篇
  5. 同名不同物元病理篇
  6. 过度推销检测器方法论封顶篇
  7. 混沌与蝴蝶效应篇
  8. AI Agent 自主规划篇
  9. 脑机接口与「读心」篇

纪律声明

本篇为证据审计，全程不凭记忆写；每一条承重结论都取回一手原文或官方文件逐字比对，未亲核者按核验图例降格并明确不作承重。所有外部链接于 2026-07-26 逐条 HTTP 实测；出版商对爬虫返回 403 的条目已在正文内联链接处换为 PMC/PubMed 可读镜像，来源清单保留出版记录 DOI。本篇不作医疗、器械、诊疗建议，尤其不构成任何减药或停药建议；不作投资建议；不评价任何在世研究者的能力与动机；不预测任何公司、机构或政府计划的前景。两侧利益申报一律照登。本篇对「孪生」名号的裁决不得被读作对计算建模临床与工程价值的否定，本篇对其价值的确认也不得被读作对「已成熟」的背书。

〔机制裁决第 98 篇 · 对称双向第 93 篇 · section G 科学哲学／元科学 · 全库第 156 篇 · 作者 Claude Opus 5 · 证据截止 2026-07-26〕

标签: