Entenda o que são os gêmeos digitais e como essa tecnologia pode revolucionar a medicina de precisão e a tomada de decisão clínica.
A medicina de precisão visa fornecer estratégias diagnósticas, prognósticas e terapêuticas adaptadas a indivíduos, levando em consideração suas informações genéticas, ambientais e de estilo de vida.
Nos últimos tempos, uma nova tecnologia vem se tornando aliada da medicina de precisão: os gêmeos digitais. Embora este conceito não seja novo para a engenharia e a indústria, sua chegada ao campo da saúde está transformando o modo como compreendemos e tratamos doenças.
Fonte: Canva
A seguir, entenda o que são os gêmeos digitais, como eles funcionam, seus resultados na ciência e perspectivas atuais e futuras.
O que são os gêmeos digitais?
Um gêmeo digital é uma réplica virtual de um objeto ou sistema físico, que pode ser usada para simular seu comportamento e desempenho em tempo real, com o objetivo de tomar melhores decisões.
Na medicina de precisão, um gêmeo digital é uma estrutura que replica uma célula biológica, um subsistema, um órgão ou um organismo inteiro, com um modelo preditivo transparente de seus mecanismos causais relevantes e resposta a intervenções.
Em outras palavras, isso pode significar a criação de uma representação computacional do organismo de um paciente e suas funções biológicas, capaz de ser atualizada em tempo real com novos dados.
Esses dados podem vir de registros médicos eletrônicos, dispositivos wearables, exames laboratoriais, dados genômicos e até de aplicativos de monitoramento alimentar. O modelo pode ser usado para simular diferentes cenários e prever resultados, como o efeito de um determinado medicamento no paciente ou o impacto de mudanças no estilo de vida em sua saúde.
Os principais componentes de um gêmeo digital consistem em uma entidade física, uma réplica virtual e uma conexão entre as duas para permitir o impacto bidirecional em tempo real uma sobre a outra.
Fonte: Katsoulakis et al., 2024.
Como os gêmeos digitais funcionam na prática clínica?
Na medicina, os gêmeos digitais já encontraram aplicações em diagnóstico, prevenção, oncologia, pesquisa de medicamentos e tratamentos personalizados.
Dois casos emblemáticos são o chamado “pâncreas artificial“, desenvolvido no programa ARCHIMEDES para diabetes, e os modelos mecânicos do coração usados na cardiologia.
No campo metabólico, os modelos mais utilizados baseiam-se em equações diferenciais ordinárias (ODEs), que representam as interações entre glicose, insulina e glucagon em diferentes compartimentos do corpo.
Esses modelos podem ser ajustados aos parâmetros individuais de cada paciente, funcionando como o “gêmeo digital” daquele organismo específico. Com eles, é possível simular refeições, exercícios e ajustes de medicação antes de aplicá-los na vida real.
Gêmeos digitais e nutrição personalizada
Uma das aplicações mais promissoras está na nutrição de precisão.
Ao integrar dados de genômica, metabolômica, microbioma, imunológicos e comportamento alimentar, os gêmeos digitais poderiam construir uma réplica virtual de si mesmo, capaz de simular o impacto de diferentes estratégias dietéticas antes de qualquer mudança real. Esse modelo poderia eliminar intervenções desnecessárias e direcionar apenas as mais promissoras para cada indivíduo.
Estudos mostram que indivíduos diferentes respondem de forma muito distinta às mesmas refeições, com variações significativas nos níveis pós-prandiais de glicose e triglicerídeos. Essa variabilidade é influenciada por genética, composição do microbioma, horário das refeições e estágio de vida, entre outros fatores.
A Universidade de Wageningen, na Holanda, testou um projeto chamado “Me, my diet and I“, com o objetivo de desenvolver um gêmeo digital personalizado que prevê mudanças nos valores de glicose e triglicerídeos no sangue para oferecer aconselhamento dietético por aplicativo.
A equipe defende que uma das vantagens da tecnologia é justamente a possibilidade de automatizar recomendações nutricionais personalizadas sem necessidade imediata de um profissional de saúde. Essa abordagem poderia reduzir custos e aumentar o nível de autoeficácia do indivíduo.
Resultados no diabetes tipo 2
Na área do diabetes, os resultados são particularmente animadores.
Em um estudo retrospectivo, investigou-se o uso de um gêmeo digital para fornecer orientação nutricional de precisão todos os dias. Essa estratégia foi aliada ao monitoramento contínuo de glicose, dados de ingestão alimentar e algoritmos de aprendizado de máquina.
Após 3 meses, o resultado foi uma redução de 1,9% na HbA1c, uma queda de 6,1% no peso corporal e uma redução de 56,9% no índice HOMA-IR.
Outro estudo com pacientes com diabetes tipo 1 demonstrou que simulações com gêmeos digitais aumentaram o tempo no alvo glicêmico (70 – 180 mg/dL) em 12,1% para exercícios aeróbicos e 15% para exercícios resistidos, reduzindo significativamente os episódios de hipoglicemia.
Por fim, uma pesquisa com mais de 1.000 participantes, ao criar gêmeos digitais personalizados para cada paciente, conseguiu prever a progressão do diabetes em mais de 80% dos casos, além de identificar fatores de risco desconhecidos anteriormente.
Questões éticas: o que o nutricionista precisa saber
Apesar do enorme potencial, os gêmeos digitais levantam questões éticas que não podem ser ignoradas. O primeiro ponto é a privacidade e segurança dos dados: essa tecnologia depende de grandes volumes de informações sensíveis (genéticas, clínicas, comportamentais) que precisam ser protegidas de acessos não autorizados.
Há também preocupações com equidade. Os dados usados para construir os modelos precisam representar diferentes populações étnicas e culturais. Categorias como o IMC variam entre grupos, o que exige que cada gêmeo digital seja desenvolvido com dados representativos da população à qual se destina. Caso contrário, a tecnologia pode ampliar desigualdades já existentes em saúde.
Outro ponto sensível é o risco de discriminação, como o uso de previsões de risco para negar coberturas de planos de saúde, e a possível geração de um efeito fatalista e/ou desmotivador nos pacientes.
Além disso, os modelos mais avançados de aprendizado de máquina ainda apresentam limitações de interpretabilidade, o que pode comprometer a confiança clínica nas recomendações geradas.
Por fim, especialistas reforçam que a formação dos profissionais de saúde é indispensável. Dados de uma pesquisa apontam que, embora 93,5% dos nutricionistas considerem a nutrição personalizada muito importante, apenas 9,5% receberam alguma capacitação em nutrigenética, base necessária para interpretar as recomendações desses sistemas.
Gêmeos digitais: onde estamos e para onde vamos?
Os gêmeos digitais ainda estão em desenvolvimento e, por enquanto, não são ferramentas de uso rotineiro. Porém, compreender seus princípios e limitações já faz parte do papel do nutricionista atualizado.
O futuro da nutrição de precisão aponta para modelos que integram dados ômicos, comportamento alimentar, microbioma e genômica – não para substituir o profissional, mas para empoderá-lo com informações mais ricas e individualizadas para cada paciente.
À medida que a tecnologia evolui, ela têm o potencial de revolucionar a forma como abordamos a saúde, adotando uma abordagem mais preventiva e proativa. No entanto, para que a tecnologia seja bem-sucedida, muitos desafios precisam ser superados, como custo, ampla capacitação de profissionais e consumidores.
Se você gostou deste conteúdo, leia também:
- O que é nutrição de precisão?
- IA para Nutricionistas: inovação responsável na prática clínica
- Podemos confiar nas informações nutricionais fornecidas por IA?
Referências
Abrahams M. Digital twins: the future of personalized nutrition and health? Lifestyle Genomics. 2025;18:59–63.
De Domenico M, et al. Challenges and opportunities for digital twins in precision medicine from a complex systems perspective. NPJ Digit Med. 2025;8:37.
Gkouskou K, et al. The “virtual digital twins” concept in precision nutrition. Adv Nutr. 2020;11(6):1405–1413.
Katsoulakis, E., Wang, Q., Wu, H. et al. Digital twins for health: a scoping review. npj Digit. Med. 7, 77 (2024). https://doi.org/10.1038/s41746-024-01073-0
Mosquera-Lopez C, Jacobs PG. Digital twins and artificial intelligence in metabolic disease research. Trends Endocrinol Metab. 2024;35(6):549–557.
Leia também
A Redação Nutritotal é formada por nutricionistas, médicos e estudantes de nutrição que têm a preocupação de produzir conteúdos atuais, baseados em evidência científicas, sempre com o objetivo de facilitar a prática clínica de profissionais da área da saúde.