Management Strategies in Health System

fa مروری جامع بر کاربردها و چالش‌های دوقلوهای دیجیتال در پزشکی و سلامت A Scoping Review of Digital Twins’ Applications and Challenges in Healthcare and Medicine مدیریت سلامت Health Management مروری Review <div style="text-align: justify;">زمینه و هدف: با گسترش کلان‌داده‌های سلامت و پیشرفت‌های هوش مصنوعی و مدل‌سازی محاسباتی، فناوری دوقلوی دیجیتال به‌عنوان رویکردی نوین برای شبیه‌سازی و تحلیل سیستم‌های پیچیده مورد توجه قرار گرفته است. در پزشکی، دوقلوی دیجیتال پزشکی (Medical Digital Twin: MDT) می‌تواند با ایجاد بازنمایی پویا از بیمار یا فرایندهای درمانی، امکان پیش‌بینی روند بیماری، پایش وضعیت بیمار و پشتیبانی از تصمیم‌گیری بالینی را فراهم کند. هدف این مطالعه مرور نظام‌مند کاربردها، فرصت‌ها و چالش‌های MDT در حوزه سلامت با رویکردی سیستمی است. روش پژوهش: این پژوهش یک مطالعه مروری مبتنی بر دستورالعمل پریزما است. جستجوی نظام‌مند در پایگاه‌های PubMed، Web of Science، Scopus و Google Scholar با استفاده از کلیدواژه‌های Digital Twin» «، «Digital Medicine & Health» انجام شد. در مجموع 465 مقاله شناسایی گردید. پس از حذف موارد تکراری و غربالگری عنوان و چکیده، متن کامل مقالات بر اساس معیارهای ورود شامل ارتباط با موضوع، زبان انگلیسی یا فارسی و تمرکز بر کاربرد دوقلوی دیجیتال در سلامت ارزیابی شد. در نهایت 25 مطالعه برای تحلیل انتخاب شدند. یافته‌ها: یافته‌ها نشان می‌دهد که MDT به‌عنوان بستری برای ادغام داده‌های مولتی‌مودال بالینی، ژنتیکی و فیزیولوژیک، می‌تواند در طیفی از کاربردهای پزشکی مورد استفاده قرار گیرد. این کاربردها شامل مدیریت بیمارستان و بهینه‌سازی فرایندهای درمانی، طراحی و ارزیابی تجهیزات پزشکی و جراحی، کشف و توسعه دارو، پزشکی شخصی‌سازی‌شده، شبیه‌سازی فیزیولوژی انسان و طراحی کارآزمایی‌های بالینی است. تحلیل مطالعات نشان داد که تمرکز اصلی پژوهش‌ها بر کاربردهای فناورانه و بالینی بوده و توجه کمتری به ابعاد سیستمی از جمله نقش دوقلوی دیجیتال در حوزه نیروی انسانی سلامت و حکمرانی نظام سلامت شده است. همچنین چالش‌هایی نظیر یکپارچه‌سازی داده‌های ناهمگون، تفسیرپذیری و تعمیم‌پذیری مدل‌های هوش مصنوعی، امنیت و حریم خصوصی داده‌ها و نیاز به زیرساخت‌های محاسباتی مقیاس‌پذیر از موانع مهم توسعه این فناوری محسوب می‌شوند. نتیجه‌گیری: توسعه و استقرار مؤثر دوقلوی دیجیتال پزشکی نیازمند رویکردی سیستمی است که علاوه بر پیشرفت‌های فناورانه، زیرساخت‌های داده‌ای یکپارچه، استانداردهای قابلیت همکاری و چارچوب‌های حکمرانی داده را نیز در بر گیرد. تقویت همکاری‌های بین‌رشته‌ای میان پزشکان، متخصصان داده، مهندسان و سیاست‌گذاران می‌تواند زمینه استفاده ایمن و اثربخش از این فناوری را فراهم سازد. در صورت رفع چالش‌های فنی و زیرساختی، MDT می‌تواند به‌عنوان ابزاری راهبردی در تحقق پزشکی پیش‌بینی‌کننده و شخصی‌سازی‌شده و نیز بهبود تصمیم‌گیری مدیریتی در نظام سلامت نقش مهمی ایفا کند.  </div> <div style="text-align: justify;">Background: <a name="_Hlk226191134">With the rapid growth of health data and advances in artificial intelligence and computational modeling, digital twin technology has emerged as a novel approach for simulating and analyzing complex systems. In medicine, the Medical Digital Twin (MDT) enables the creation of dynamic virtual representations of patients or clinical processes, allowing prediction of disease progression, monitoring of patient conditions, and support for clinical decision-making. This study aimed to systematically review the applications, opportunities, and challenges of MDT in healthcare using a systems-oriented perspective.</a> Methods: This study was conducted as a systematic review following the PRISMA guidelines. A comprehensive search was performed in PubMed, Web of Science, Scopus, and Google Scholar using the keywords “Digital Twin” and “Digital Medicine & Health.” A total of 465 records were initially identified. After removing duplicates and screening titles and abstracts, full texts were assessed according to inclusion criteria, including relevance to the research topic, publication in English or Persian, and a focus on the application of digital twin technology in healthcare. Ultimately, 25 studies were included in the final analysis. Results: The findings indicate that MDT serves as a platform for integrating multimodal clinical, genetic, and physiological data and can be applied across a wide range of medical domains. These include hospital management and optimization of clinical processes, design and evaluation of medical devices and surgical procedures, drug discovery and development, personalized medicine, simulation of human physiology, and the design of clinical trials. The analysis also revealed that most studies primarily focus on technological and clinical applications, while comparatively limited attention has been given to systemic dimensions such as the role of digital twins in the health workforce and health system governance. Furthermore, several challenges hinder the broader implementation of MDT, including the integration of heterogeneous data sources, interpretability and generalizability of artificial intelligence models, data security and privacy concerns, and the need for scalable computational infrastructures. Conclusion: The effective development and implementation of medical digital twins require a systems-based approach that extends beyond technological advancement to include integrated data infrastructures, interoperability standards, and robust data governance frameworks. Strengthening interdisciplinary collaboration among clinicians, data scientists, engineers, and policymakers is essential for ensuring the safe and effective use of this technology. Addressing existing technical and infrastructural challenges could enable MDT to become a strategic tool for advancing predictive and personalized medicine and improving managerial decision-making within health systems.  </div> دوقلوی دیجیتال پزشکی, سلامت دیجیتال, هوش مصنوعی, نظام سلامت, ارکان نظام سلامت سازمان جهانی بهداشت Medical digital twin, Digital health, Artificial intelligence, Health system, WHO health system building blocks 355 373 http://mshsj.ssu.ac.ir/browse.php?a_code=A-10-968-1&slc_lang=fa&sid=1 Mohammad Hossein Roozbahani محمدحسین روزبهانی roozbahani@iust.ac.ir Yes Assistant Professor, Department of Nanotechnology Engineering, School of Advanced Technologies, Iran University of Science and Technology, Tehran, Iran استادیار، گروه مهندسی نانو فناوری، دانشکده فناوری‌های نوین، دانشگاه علم و صنعت ایران، تهران، ایران