Digitalni ljudi u zdravstvu: izlaz iz podatkovne slijepe ulice ili novi rizik?

1. Naslov i uvod

Zdravstveni sustavi godinama ulažu u digitalizaciju, ali ključni problem ostaje isti: najzanimljiviji i najrjeđi slučajevi, oni koji bi AI‑u najviše pomogli, zapravo su nevidljivi u podacima – premalo ih je, prezaštićeni su i preosjetljivi. Američki startup Mantis Biotech, o kojem piše TechCrunch, želi taj paradoks riješiti stvaranjem »digitalnih blizanaca« ljudi – virtualnih tijela temeljenih na velikim jezičnim modelima i fizikalnim simulacijama. Danas ciljaju NBA i druge profesionalne lige; sutra – bolnice i farmaceutske laboratorije. Analiziramo što to znači za Europu i regiju, i koliko smo spremni vjerovati digitalnim verzijama nas samih.

2. Vijest ukratko

Kako prenosi TechCrunch, Mantis Biotech razvija platformu koja kombinira udžbenike, snimke s motion‑capture kamera, biometrijske senzore, dnevnike treninga i medicinsko snimanje kako bi stvorila fizikalno utemeljene digitalne blizance ljudskog tijela. Sloj zasnovan na velikom jezičnom modelu usmjerava, provjerava i objedinjuje različite tokove podataka, nakon čega ih fizikalni »engine« pretvara u detaljne modele anatomije i pokreta.

Ti modeli zatim služe za generiranje sintetičkih skupova podataka, osobito za rubne slučajeve i rijetke ozljede ili anatomske posebnosti, koje je teško obuhvatiti realnim snimanjima. Prema TechCrunchu, Mantis je već ostvario uspjeh u profesionalnom sportu; jedan od glavnih klijenata je NBA momčad koja koristi digitalne blizance za praćenje skokova, opterećenja i rizika od ozljeda tijekom sezone. Startup je prikupio 7,4 milijuna dolara seed ulaganja predvođenog fondom Decibel, uz sudjelovanje Y Combinatora, Liquid 2 i anđeoskih investitora, te planira širenje prema preventivnoj zdravstvenoj skrbi i farmaceutskim istraživanjima.

3. Zašto je ovo važno

Mantis pokušava riješiti duboki strukturni problem: kako trenirati medicinsku AI da se dobro snalazi u rijetkim, opasnim i neobičnim situacijama, a da pritom ne moramo svaku takvu situaciju prikupljati iz stvarnih kartona i nalaza.

Tko dobiva?

• Profesionalni sport, vojska i rehabilitacija dobivaju virtualne modele pojedinih sportaša i pacijenata na kojima mogu bez ograničenja testirati opterećenja, tehnike i scenarije povratka nakon ozljede.
• Farmaceutske i medtech kompanije mogu u ranim fazama simulirati doze, kombinacije terapija ili dizajn implantata prije nego što uđu u skupe i dugotrajne kliničke studije.
• Bolnice i istraživački centri dobivaju mogućnost treniranja modela na sintetičkim populacijama koje oponašaju njihove pacijente, bez stalnog pregovaranja oko dijeljenja podataka.

Tko gubi ili ulazi u zonu nelagode?

• Posrednici s ekskluzivnim pristupom medicinskim bazama, ako se dio potražnje prebaci s realnih podataka na uvjerljive sintetičke skupove.
• Pacijenti i liječnici, ako se kliničke odluke počnu opravdavati modelima čije pristranosti i ograničenja nisu transparentno objašnjeni.

Ključna posljedica je promjena središnjeg pitanja. Umjesto »kako doći do podataka«, fokus bi se mogao pomaknuti na »kako dokazati da se moj digitalni blizanac ponaša dovoljno slično stvarnom čovjeku kad je to najvažnije?«. To mijenja i konkurentsku dinamiku: najveću prednost neće nužno imati oni s najvećim bazama podataka, nego oni koji najbolje spajaju jezik, slike, fiziologiju i biomehaniku u uvjerljive simulacije.

4. Šira slika

Digitalni blizanci pojavljuju se već godinama u industriji i automobilskoj proizvodnji; sada ulaze i u zdravstvo u tehnološki zrelijem obliku.

Do sada smo viđali dva odvojena pristupa:

1. Statistički sintetički podaci – tvrtke koje generiraju lažne, ali statistički slične medicinske podatke kako bi se zaobišla ograničenja privatnosti.
2. Biomehaničke simulacije – inženjerski alati za modeliranje srca, zglobova ili krvotoka radi testiranja uređaja i planiranja zahvata.

Mantis i slični pokušavaju to spojiti uz pomoć generativne AI. Jezični modeli služe kao svojevrsni »operativni sustav«: povezuju tekst iz udžbenika, slike, signale senzora i dnevničke zapise u konzistentan opis pojedinog tijela, koji zatim preuzima fizikalni simulator.

To se uklapa u nekoliko trendova:

• Regulatori polako prihvaćaju in silico dokaze. Europska agencija za lijekove i nacionalna tijela već mjestimice uvažavaju računalne simulacije kao dio dokumentacije za lijekove i medicinske proizvode.
• Individualizacija medicine. Nosivi uređaji, aplikacije i kućni senzori stvaraju goleme količine osobnih podataka. Digitalni blizanac nudi okvir da se ti podaci pretoče u konkretne prognoze i odluke za pojedinca.
• Globalni manjak zdravstvenog kadra. Od Njemačke do Hrvatske i Srbije, sustavi traže načine kako bolje rasporediti resurse; simulacije na razini populacije mogle bi pomoći u planiranju.

Povijest ipak upozorava: raniji pokušaji »virtualnih ljudi« često su završili u edukacijskim alatima s malim kliničkim utjecajem. Razlika danas je u razini detalja, računskoj snazi i količini ulaznih podataka. No to ne jamči automatski da će digitalni blizanci postati standard u svakodnevnoj praksi.

5. Europski i regionalni kut

Za Hrvatsku i regiju digitalni blizanci su posebno zanimljivi jer se sudaraju s realnošću javnih sustava i europske regulative.

Prilike:

• Privatnost i istraživanje. Podaci pacijenata u EU zaštićeni su GDPR‑om, a u Hrvatskoj i nacionalnim propisima. Sintetički podaci mogli bi olakšati znanstvene projekte u Kliničkom bolničkom centru Zagreb ili Osijek bez izlaska stvarnih podataka van institucija.
• Planiranje u javnom zdravstvu. HZZO i ministarstva zdravstva u regiji mogli bi koristiti simulirane populacije za procjenu efekata preventivnih programa, organizacije hitne službe ili ulaganja u opremu.
• Startupi u Zagrebu, Ljubljani, Beogradu i Sarajevu mogli bi razvijati nišne alate (npr. za ortopediju ili rehabilitaciju) iznad generičkih platformi poput Mantisove, bez potrebe da sami prikupljaju masovne baze podataka.

Izazovi:

• EU AI Act će medicinsku primjenu AI‑a smatrati visokorizičnom, neovisno o tome jesu li podaci realni ili sintetički. To znači stroge zahtjeve za dokumentaciju, nadzor i transparentnost.
• Proces stvaranja blizanaca često počinje stvarnim medicinskim podacima, što i dalje predstavlja obradu posebnih kategorija osobnih podataka po GDPR‑u.
• U državama jugoistočne Europe postoji izraženo nepovjerenje prema načinima na koje institucije koriste podatke građana. Bez jasnog objašnjenja i uključivanja javnosti, digitalni blizanci mogli bi naići na snažan otpor.

Za regiju bi pametna strategija bila uključivanje u europske pilot‑projekte digitalnih blizanaca i razvoj vlastitih etičkih smjernica – umjesto da samo preuzima rješenja i standarde iz SAD‑a.

6. Pogled unaprijed

U sljedećih nekoliko godina izgledan je trofazni razvoj:

1. Konzolidacija u sportu i rehabilitaciji. Tu su povratne informacije brze, a rizik prihvatljiv. Nogometne lige, košarkaški klubovi i olimpijski centri u Europi mogli bi biti među prvim masovnim korisnicima.
2. Širenje u R&D farmacije i medtecha. Kako se bude gomilalo više validacijskih studija, digitalni blizanci mogli bi postati standardni alat u planiranju kliničkih ispitivanja, izboru ciljnih populacija i optimizaciji uređaja.
3. Oprezan ulazak u kliničku praksu. Najprije u područjima poput ortopedije, kardiologije ili neurokirurgije, gdje je veza između biomehanike i ishoda relativno jasna.

Ključna pitanja za budućnost:

• Hoće li se pojaviti kliničke studije koje jasno pokazuju da odluke potpomognute digitalnim blizancima poboljšavaju ishode u odnosu na standardnu skrb?
• Kako će se EMA i nacionalne agencije, poput HALMED‑a, konkretno postaviti prema in silico dokazima u odobravanju lijekova i uređaja?
• Hoće li osiguravatelji – javni i privatni – prihvatiti ili zloupotrijebiti prediktivne modele temeljem digitalnih ljudi pri određivanju premija i pokrića?

Rizici su ozbiljni: od produbljivanja nejednakosti (ako modeli loše reprezentiraju manjine ili ruralne populacije) do potencijalne diskriminacije pri zapošljavanju ili osiguranju. S druge strane, ako se razviju jasni standardi validacije, revizije i nadzora, digitalni blizanci mogli bi omogućiti napredak u medicini bez konstantnog širenja pristupa stvarnim podacima o pacijentima.

7. Zaključak

Digitalni blizanci kakve razvija Mantis Biotech nisu samo nova generacija 3D‑modela; oni su pokušaj da se medicinska inovacija prebaci s logike »prikupi još podataka« na logiku »simuliraj bolje na temelju onoga što već znaš«. Za europsko i regionalno zdravstvo, pod pritiskom javnih očekivanja i strogih pravila privatnosti, to je privlačna ponuda – ali i ozbiljan izazov. Ključno pitanje nije hoće li tehnologija raditi, nego koliko ćemo joj dopustiti da utječe na odluke o liječenju. Tu odluku ne mogu donijeti samo inženjeri i investitori.