Mantis Biotech entwickelt synthetische menschliche Datensätze, um physikbasierte digitale Zwillinge zu ermöglichen. Diese Technologie ermöglicht Vorhersagemodelle von Anatomie, Physiologie und Verhalten. Die Technologie entwickelt sich rasant, doch die Gesundheitssysteme, die am meisten davon profitieren könnten, halten nicht mit.
Während die Aussicht auf digitale Zwillinge im Gesundheitswesen immer mehr Aufmerksamkeit von Investoren und Forschern auf sich zieht, verfestigt sich unter der Oberfläche ein ruhigeres Problem: Die meisten Anbieter verfügen noch nicht über die notwendige Dateninfrastruktur, Governance-Rahmen oder IT-Reife, um diese Tools im großen Maßstab einzusetzen.
Die Herausforderung: Wie digitale Zwillinge im Gesundheitswesen aufgebaut werden – und warum Daten der Flaschenhals sind
Laut TechCrunch integriert Mantis Biotechs Plattform verschiedene Datenquellen, um synthetische Datensätze zu produzieren. Anschließend verwendet sie ein LLM-basiertes System, um diese Datenströme zu leiten, zu validieren und zu synthetisieren, bevor sie durch einen Physik-Engine laufen, um hochwertige menschliche Modelle zu generieren.
Mantis-Gründerin und CEO Georgia Witchel beschrieb TechCrunch ein Anwendungsbeispiel: Ein Sportteam, das die Wahrscheinlichkeit vorhersagt, dass ein bestimmter NFL-Spieler eine Achillessehnenverletzung entwickelt, basierend auf jüngsten Leistungen, Trainingsbelastung, Ernährung und Karrieredauer. Das Modell ist spezifisch, dynamisch und daten-hungrig.
Dieser Hunger ist genau das, was die meisten klinischen Umgebungen derzeit nicht befriedigen können. Patientenakten bleiben fragmentiert über Systeme hinweg, Zustimmungsrahmen variieren je nach Rechtsordnung und reale Gesundheitsdatensätze sind voller Lücken – genau das Problem, das Mantis sagt, sein synthetischer Datenansatz lösen soll.
Konkrete Fähigkeiten, reale Einschränkungen
Die Vorteile dieses Ansatzes sind nicht hypothetisch. Business Insider berichtet, dass NASAs Perseverance-Rover auf AI-verbesserte digitale Zwillinge angewiesen ist, um Mars-Terrain zu navigieren, während Ingenieure dieselbe Technik verwenden, um den James-Webb-Weltraumteleskop zu überwachen. Mit AI können digitale Zwillinge jetzt Vorhersagen treffen, Probleme diagnostizieren und Aktionen in Echtzeit empfehlen – Fähigkeiten, die Jahrzehnte dauerten, um sie zu entwickeln.
NASA-Missionssystemingenieurin Julie Van Campen betonte, dass die digitalen Zwillinge des Webb-Teleskops bereits in den frühen 2000er Jahren entwickelt wurden, lange bevor moderne AI existierte. Das über Jahre aufgebaute Know-how wird erst jetzt für nächste Generationen von Missionen eingesetzt. Das Gesundheitswesen ist wahrscheinlich früher in derselben Kurve.
Außerhalb der Medizin Dark Reading berichtet, dass JPMorgan Chase digitale Fingerabdrücke und digitale Zwillinge für die Jagd auf Cyber-Bedrohungen verwendet – analysiert markierte Verhaltensanomalien und projiziert, wie Muster sich über die Zeit entwickeln könnten. Das System des Bankhauses hilft Analysten, riesige Mitarbeiter- und AI-Agent-Log-Daten zu sortieren, während es gleichzeitig falsche Alarme reduziert. Finanzdienstleistungen haben offensichtlich die Daten-Disziplin aufgebaut, die das Gesundheitswesen noch fehlt.
Das Infrastrukturproblem, das niemand eilig zu beheben versucht
Gesundheits-IT-Führer sind sich zunehmend der Bereitschaftslücke bewusst. Laut MobiHealthNews rät der HIMSS-Changemaker-Preisträger Sepi Browning, dass Organisationen, die neu im Gesundheits-IT-Bereich sind, ihre Bereitschaft, Governance und Infrastruktur bewerten sollten, bevor sie Technologie auswählen – und nicht danach. Die Reihenfolge ist wichtig, und sie wird häufig in der Praxis umgekehrt.
Patrick Bizeau, CIO von Swiss Medical Network und HIMSS Senior Executive Changemaker Awardee, betrachtet das Problem anders: Gesundheits-IT-Arbeit beginnt am Krankenbett. Digitale Werkzeuge müssen den Ärzten und Patienten Reibungsverluste reduzieren, nicht hinzufügen. Ein digitaler Zwilling, der saubere, kontinuierliche, mehrquellige Datenfeeds erfordert, ist in einer Station, in der die grundlegende EHR-Interoperabilität noch ungelöst ist, von wenig Nutzen.
Die in Helsinki ansässige Digital Workforce geht das Problem von der Arbeitsablaufseite aus, anstatt von der Modellierungsseite. CEO Jussi Vasama erzählte MobiHealthNews, dass das Unternehmen Robotic Process Automation und agierende KI verwendet, um Gesundheits- und Sozialpfadwege zu straffen – unterstützt Kliniker bei Produktivität, Langzeitbedingungen, Nachverfolgung und Patientensicherheit. Es ist ein inkrementellerer Weg, aber einer, der die datengenerierende Ebene anspricht, wo sie tatsächlich existiert.
Was zu beobachten ist: Adoptionslücken und Rechenschaftsfragen
Die zentrale offene Frage ist nicht, ob digitale Zwillinge im Gesundheitswesen funktionieren – der technische Fall ist zunehmend solide. Die Frage ist, ob Gesundheitssysteme in die unglamouröse Vorarbeit investieren: Daten-Governance, Interoperabilitätsstandards und IT-Workforce-Entwicklung.
Synthetische Datengenerierung, wie Mantis Biotech sie verfolgt, kann einen teilweisen Ausweg bieten, indem sie die Abhängigkeit von vollständigen realen Datensätzen reduziert. Aber synthetische Daten stellen ihre eigenen Validierungsherausforderungen dar, insbesondere für die regulatorische Genehmigung klinischer Entscheidungstools. Kein synthetischer Datensatz hat bisher einen bedeutenden regulatorischen Weg für die direkte Patientenversorgung freigegeben.
Währenddessen ziehen die Luft- und Raumfahrt- sowie die Finanzbranchen weiter vor. Beide Industrien bauten ihre digitalen Zwilling-Fähigkeiten auf Jahrzehnten strukturierter, gut geregelter Datenerfassung auf – eine Disziplin, in die das Gesundheitswesen historisch unterinvestiert hat. Solange diese Investitionslücke besteht, werden die fortschrittlichsten Vorhersagemodelle in der Medizin Werkzeuge für gut ausgestattete Forschungsumgebungen bleiben, nicht für die Frontline-Versorgung.
FAQ – Häufig gestellte Fragen
Was sind die wichtigsten Daten-Governance-Rahmenbedingungen für die Implementierung digitaler Zwillinge im Gesundheitswesen?
Effektive Daten-Governance für digitale Zwillinge beinhaltet die Festlegung klarer Richtlinien für Datenbesitz, Zustimmungsmanagement und Datenqualität. Dazu gehören die Implementierung von Standards für Datenanonymisierung, Pseudonymisierung und sichere Datenfreigabe. Gesundheitsorganisationen können sich an Rahmenbedingungen wie dem Data Governance Institute oder dem HIMSS Data Governance Toolkit orientieren.
Wie können Gesundheitsdienstleister ihre aktuelle IT-Reife für die Adoption digitaler Zwillinge bewerten?
Gesundheitsdienstleister können ihre IT-Reife bewerten, indem sie die Fähigkeit ihrer bestehenden Infrastruktur zur Unterstützung von Echtzeit-Datenintegration, Analytik und AI-getriebenen Erkenntnissen bewerten. Sie sollten auch die Fähigkeit ihrer Organisation berücksichtigen, sich an neue Technologien anzupassen und zu skalieren. Die Verwendung von IT-Reifetools wie dem HIMSS EMRAM oder dem Gartner IT-Reifemodell kann eine umfassende Bewertung liefern.
Was sind die potenziellen Return-on-Investment-(ROI)-Metriken für digitale Zwillinge im Gesundheitswesen?
ROI-Metriken für digitale Zwillinge können reduzierte Krankenhausaufenthalte, verbesserte Patientenergebnisse und verbesserte betriebliche Effizienz umfassen. Gesundheitsorganisationen können auch Metriken wie reduzierte Aufenthaltsdauer, verbesserte Patientenzufriedenheit und reduzierte Kosten im Zusammenhang mit vermeidbaren Komplikationen verfolgen. Die Festlegung klarer ROI-Metriken hilft Organisationen, die Effektivität ihrer digitalen Zwilling-Investitionen zu bewerten.
Last Updated on März 30, 2026 8:31 p.m. by Laszlo Szabo / NowadAIs | Published on März 30, 2026 by Laszlo Szabo / NowadAIs
