Digital twins to personalize medicine
Reviewartikel, 2020
Personalized medicine requires the integration and processing of vast amounts of data. Here, we propose a solution to this challenge that is based on constructing Digital Twins. These are high-resolution models of individual patients that are computationally treated with thousands of drugs to find the drug that is optimal for the patient.
Författare
Bergthor Bjornsson
Linköpings universitet
Carl Borrebaeck
Lunds universitet
Nils Elander
Linköpings universitet
Thomas Gasslander
Linköpings universitet
Danuta R. Gawel
Linköpings universitet
Mika Gustafsson
Linköpings universitet
Rebecka Jörnsten
Göteborgs universitet
Chalmers, Matematiska vetenskaper, Tillämpad matematik och statistik
Eun Jung Lee
Linköpings universitet
Yonsei University
Xinxiu Li
Linköpings universitet
Sandra Lilja
Linköpings universitet
David Martinez-Enguita
Linköpings universitet
Andreas Matussek
Karolinska universitetssjukhuset
Region Jönköpings län
Per Sandstrom
Linköpings universitet
Samuel Schafer
Linköpings universitet
Margaretha Stenmarker
Sahlgrenska universitetssjukhuset
Region Jönköpings län
X. F. Sun
Linköpings universitet
Oleg Sysoev
Linköpings universitet
Huan Zhang
Linköpings universitet
Mikael Benson
Linköpings universitet
Universitetssjukhuset i Linköping
Genome Medicine
1756994x (eISSN)
Vol. 12 1 4Ämneskategorier
Annan data- och informationsvetenskap
Farmaceutisk vetenskap
Systemvetenskap
DOI
10.1186/s13073-019-0701-3
PubMed
31892363