Una revisión reciente analizó el uso de estas herramientas para simular respuestas individuales a medicamentos y mejorar distintas etapas de los ensayos clínicos, aunque advierte que la mayoría de las investigaciones todavía se encuentran en fases tempranas de desarrollo.
Los gemelos digitales o digital twins, modelos computacionales que representan de manera dinámica un sistema biológico, están siendo estudiados como herramientas para mejorar la evaluación de medicamentos. Su desarrollo permite integrar información clínica, fisiológica, molecular y otros datos para simular posibles respuestas ante una enfermedad o tratamiento. Una revisión publicada en npj Digital Medicine analizó el estado actual de esta tecnología y sus posibles aplicaciones, desde el diseño de ensayos clínicos hasta el seguimiento de medicamentos después de su aprobación.
De acuerdo con los autores, un gemelo digital en medicina puede representar un órgano, un proceso fisiológico o incluso a un paciente. Estos modelos pueden combinar mecanismos biológicos conocidos con modelos basados en datos para construir representaciones computacionales capaces de simular distintos escenarios. En el contexto de los medicamentos, esto abre la posibilidad de estudiar cómo podría responder un paciente ante diferentes dosis o tratamientos sin tener que realizar cada comparación directamente sobre una persona.
La revisión identificó 4,370 publicaciones relacionadas con el concepto de gemelos digitales en PubMed hasta el 31 de diciembre de 2025. De ellas, 1,044 fueron incluidas en el análisis sobre aplicaciones en salud y 130 correspondieron específicamente a investigaciones relacionadas con medicamentos. Los autores observaron un crecimiento marcado de las publicaciones desde 2019, aunque también encontraron diferencias importantes en la forma en que los estudios utilizan y definen el concepto de gemelo digital.
Para evaluar el grado de desarrollo de estas tecnologías, el equipo utilizó como referencia un marco propuesto por las National Academies of Sciences, Engineering, and Medicine. Este marco considera tres elementos centrales, la personalización del modelo para un sistema físico específico, la actualización dinámica entre el sistema físico y su representación virtual, y la capacidad del modelo para aportar información que ayude en la toma de decisiones. Entre los 70 estudios originales relacionados directamente con medicamentos analizados en profundidad, solo cinco, equivalentes a 7.1%, cumplían los tres criterios. Los otros 65 estudios, 92.9%, fueron clasificados como metodologías similares a los gemelos digitales, pero que no cumplían todos los elementos establecidos.
Una de las áreas en las que estas herramientas podrían tener utilidad es el diseño de ensayos clínicos. Los investigadores plantean que un gemelo digital podría generar pacientes virtuales a partir de datos existentes y utilizarlos para construir brazos de control sintéticos. Esto podría ser especialmente relevante en enfermedades poco frecuentes, donde encontrar suficientes participantes puede resultar difícil. También se han estudiado modelos capaces de considerar las diferencias entre pacientes para reducir la variabilidad en los análisis y explorar posibles esquemas de dosificación para grupos con características clínicas específicas.
La tecnología también se ha utilizado para estudiar respuestas individuales a determinados tratamientos. En diabetes tipo 1, por ejemplo, uno de los estudios incluidos empleó un gemelo digital personalizado para ajustar parámetros relacionados con la administración automatizada de insulina. En ese ensayo, el tiempo en rango de glucosa pasó de 72% a 77%, mientras que la hemoglobina glucosilada disminuyó de 6.8% a 6.6%. Los autores señalan que estos resultados corresponden a un estudio específico y que su diseño presenta limitaciones, entre ellas el uso de una cohorte previamente seleccionada y la ausencia de un grupo independiente basado en un modelo tradicional.
Otra posible aplicación se encuentra en la evaluación de seguridad. Los gemelos digitales pueden integrar información de distintas fuentes para simular efectos de los medicamentos sobre órganos y sistemas. En cardiología, algunos modelos han utilizado imágenes por resonancia magnética y electrocardiogramas para construir representaciones virtuales del corazón y estudiar los efectos de determinados fármacos sobre la repolarización ventricular. También existen investigaciones orientadas a identificar posibles efectos tóxicos en órganos como el hígado y los riñones, así como a apoyar la farmacovigilancia mediante el análisis de trayectorias individuales de salud.
Sin embargo, la evidencia disponible todavía presenta limitaciones importantes. De los 70 estudios originales analizados, 42, equivalentes a 60%, utilizaron algún tipo de validación clínica. Pero únicamente dos de esos estudios, 4.8%, emplearon un diseño de intervención. Ambos se enfocaron en el control de glucosa mediante insulina y ninguno funcionó de manera autónoma, ya que las recomendaciones generadas por el gemelo digital requerían revisión y aplicación por parte de una persona. Además, 39 de los 42 estudios con validación clínica, 92.9%, utilizaron exclusivamente diseños retrospectivos.
La cuantificación de la incertidumbre es otro de los puntos señalados por los investigadores. Solo 32 de los 70 estudios, 45.7%, informaron de manera explícita este tipo de análisis. Para los autores, esta información es importante porque los modelos pueden verse afectados por diferencias individuales entre pacientes, errores en las mediciones y limitaciones en los datos disponibles. La falta de estimaciones claras sobre la incertidumbre puede dificultar la interpretación de los resultados y su posterior incorporación a la práctica clínica.
También existen obstáculos relacionados con los datos necesarios para mantener actualizado un gemelo digital. Los modelos dinámicos requieren información frecuente y precisa sobre variables fisiológicas, pero no todos los indicadores utilizados en farmacología pueden medirse de manera continua. Esta situación es diferente a la de aplicaciones como el control de glucosa, donde los sensores pueden proporcionar información con alta frecuencia. En otras áreas, los investigadores todavía dependen de pruebas de laboratorio o mediciones que no generan flujos de datos continuos.
A estos desafíos se suman cuestiones relacionadas con privacidad, transparencia y regulación. Los autores señalan que todavía no existe un marco específico suficientemente desarrollado para controlar los riesgos asociados con el uso de gemelos digitales en procesos de evaluación de medicamentos. También plantean la necesidad de establecer criterios de validación y estándares que permitan determinar cuándo un modelo puede considerarse suficientemente confiable para respaldar decisiones clínicas o regulatorias.
La revisión muestra que los gemelos digitales ya están siendo investigados en distintas etapas de la evaluación de medicamentos, desde la selección de participantes y el diseño de ensayos hasta la personalización de dosis, la evaluación de toxicidad y la farmacovigilancia. Sin embargo, los propios autores advierten que el campo continúa en una etapa temprana. La escasez de estudios prospectivos, la limitada validación de los modelos en condiciones clínicas reales, la incertidumbre sobre sus resultados y la ausencia de marcos regulatorios específicos son algunos de los aspectos que deberán resolverse antes de que estas herramientas puedan utilizarse de manera amplia en decisiones relacionadas con medicamentos.
