My Medical Digital Twin – CERG
Kan en medisinsk digital tvilling gi deg bedre helse?
Seks institutter ved NTNU samarbeider om å lage en medisinsk digital tvilling som både kan overvåke blodtrykket til hver enkelt og gi individspesifikke behandlingsråd, inkludert trening. CERG-professor Ulrik Wisløff leder den delen av prosjektet som tar for seg trening og hjerte- og karfysiologi.
Bakgrunn for prosjektet
Over én milliard mennesker i verden har høyt blodtrykk. Hvert år er høyt blodtrykk årsak til nærmere åtte millioner dødsfall, og WHO anser det som den klart viktigste risikofaktoren for tidlig død og alvorlig sykdom. Det gjenspeiles også av at 10 % av verdens helsekostnader er knyttet til høyt blodtrykk.
Det finnes sjelden én enkelt årsak til at man får høyt blodtrykk, og både risikogener, fedme, usunt kosthold og fysisk inaktivitet er blant de vanligste årsakene. Høyt blodtrykk kan behandles effektivt både med medikamenter og livsstilsendringer. Likevel klarer bare én av tre som får påvist høyt blodtrykk, å senke det til anbefalte nivåer, selv om flesteparten av dem får medisiner av legen sin.
Automatisk overvåkning og oppfølging
My Medical Digital Twin-prosjektet forener NTNUs toppforskere innen trening, høyt blodtrykk, matematisk modellering, maskinlæring, statistikk, biosensorteknologi, genetisk epidemiologi og befolkningsstudier til et omfattende forskningssamarbeid. Ambisjonen er å utvikle en personlig medisinsk digital tvilling som gir deg informasjon om blodtrykket ditt og hva du bør gjøre for å endre det til det bedre.
Vi tror My Medical Digital Twin vil kunne føre til et paradigmeskifte i hvordan vi tilnærmer oss og behandler livsstilssykdommer generelt – ikke bare høyt blodtrykk. Hvis alle har en digital tvilling som gir dem mulighet til å overvåke viktige helsevariabler kontinuerlig, kan vi både oppdage langt flere høyrisikopasienter enn i dag og sørge for at de gis riktig dose og type behandling. En medisinsk digital tvilling vil kunne forbedre helsa til svært mange mennesker og samtidig redusere helsekostnadene for samfunnet formidabelt.
Skreddersydd trening og medisinering
Det eksisterer flere modeller som har som mål å gi individspesifikke behandlingsråd for høyt blodtrykk. Ingen av dem inkluderer god kondisjon og fysisk aktivitet, selv om det finnes en stor mengde forskning som viser at trening kan senke blodtrykket effektivt. My Medical Digital Twin skal bli en levende, digital modell som integrerer data fra store befolkningsundersøkelser, tidligere CERG-studier, maskinlæring og fysisk simulering med datastrøm fra sensorer og aktivitetsmålere.
Den ferdige modellen vil kunne forutsi hvordan hver enkelt pasient vil respondere på en type behandling, noe som gjør det mulig å skreddersy råd om riktig trening og medikamentbruk basert på individuelle pasientprofiler. Anbefalingene kan også justeres automatisk ut fra hvordan pasienten faktisk responderer på behandlingen han får. My Medical Digital Twin vil dessuten gi oss en unik mulighet til å studere om pasienter følger behandlingsopplegget de blir gitt, og hva slags tilbakemeldinger de trenger for å ta medikamentene sine og trene i tråd med anbefalingene.
Digital tvilling versus standardbehandling
Når vi har utviklet My Medical Digital Twin, vil vi i første omgang teste den i små randomiserte kliniske studier som skal legge grunnlag for større studier med samarbeidspartnere også utenfor NTNU. Pasienter med høyt blodtrykk vil fordeles tilfeldig til å få skreddersydde behandlingsråd av en digital tvilling eller til å få vanlige medisiner og treningsråd fra legen sin. Vi vil rekruttere pasienter fra Helseundersøkelsen i Nord-Trøndelag, og hovedformålet er å se hvilken behandlingsmodell som reduserer blodtrykket mest effektivt.
Send oss en e-post:
cerg-post@mh.ntnu.no
Send oss vanlig post:
NTNU, Fakultet for medisin og helsevitenskap
Institutt for sirkulasjon og bildediagnostikk
Postboks 8905
7491 Trondheim
Besøk oss:
St. Olavs Hospital
Prinsesse Kristinas gt. 3
Akutten og Hjerte-lunge-senteret, 3. etg.
7006 Trondheim
Prosjektledere
-
Leif Rune Hellevik Prodekan for masterutdanninga og professor i biomekanikk
73594535 +4798283895 leif.r.hellevik@ntnu.no Institutt for konstruksjonsteknikk -
Kristian Hveem Professor
74019242 +4747652530 kristian.hveem@ntnu.no Institutt for samfunnsmedisin og sykepleie -
Frank Lindseth Professor
+4792809372 frankl@ntnu.no Institutt for datateknologi og informatikk -
Martin Steinert Professor
+4791897830 martin.steinert@ntnu.no Institutt for maskinteknikk og produksjon -
Ingelin Steinsland Professor. Prodekan for forskning
73550239 +4792663096 ingelin.steinsland@ntnu.no Institutt for matematiske fag -
Ulrik Wisløff Professor og leder av CERG
+4772828113 ulrik.wisloff@ntnu.no Institutt for sirkulasjon og bildediagnostikk
Doktorgradsstipendiater
-
Emma Ingeström Stipendiat
emma.ingestrom@ntnu.no Institutt for sirkulasjon og bildediagnostikk -
Filip Emil Schjerven
filip.e.schjerven@ntnu.no -
Torjus Lines Steffensen Postdoktor
torjus.l.steffensen@ntnu.no Institutt for sirkulasjon og bildediagnostikk -
Håvard Nitter Vestad Overingeniør
+4797117996 havard.vestad@ntnu.no Institutt for maskinteknikk og produksjon -
Karsten Øvretveit Stipendiat
karsten.ovretveit@ntnu.no Institutt for samfunnsmedisin og sykepleie
Liste over vitenskapelige publikasjoner fra My Medical Digital Twin
2024:
Schjerven, F. E., Ingeström, E. M. L., Steinsland, I., & Lindseth, F. (2024). Development of risk models of incident hypertension using machine learning on the HUNT study data. Scientific Reports, 14(1), 5609.
2023:
Øvretveit, K., Ingeström, E. M., Spitieris, M., Tragante, V., Wade, K. H., Thomas, L., Wolford, B. N., Wisløff, N., Gudbjartsson, D. F., Holm, H., Stefanson, K., Brumpton, B. M., . & Hveem, K. (2023). Polygenic risk scores associate with blood pressure traits across the lifespan. European Journal of Preventive Cardiology, zwad365.
Steffensen, T. L., Schjerven, F. E., Flade, H. M., Kirkeby-Garstad, I., Ingeström, E., Solberg, F. S., & Steinert, M. (2023). Wrist ballistocardiography and invasively recorded blood pressure in healthy volunteers during reclining bike exercise. Frontiers in Physiology, 14, 817.
Bjørdalsbakke, N. L., Sturdy, J., Ingeström, E. M., & Hellevik, L. R. (2023). Monitoring variability in parameter estimates for lumped parameter models of the systemic circulation using longitudinal hemodynamic measurements. BioMedical Engineering OnLine, 22(1), 34.
Spitieris, M., & Steinsland, I. (2023). Bayesian Calibration of Imperfect Computer Models using Physics-Informed Priors. Journal of Machine Learning Research, 24(108), 1-39.
2022:
Steffensen, T. L., Auflem, M., Vestad, H. N., & Steinert, M. (2022). Embedded Soft Inductive Sensors to Measure Arterial Expansion of Tubular Diameters in Vascular Phantoms. IEEE Sensors Journal, 22(7), 7240-7247.
2021:
Bjørdalsbakke, N. L., Sturdy, J. T., Hose, D. R., & Hellevik, L. R. (2022). Parameter estimation for closed-loop lumped parameter models of the systemic circulation using synthetic data. Mathematical Biosciences, 343, 108731.