个体模型回放血糖与胰岛素数据
美国弗吉尼亚大学（University of Virginia）团队在 npj Digital Medicine 报道数字孪生用于自动胰岛素输注的随机临床研究。模型根据个人血糖、胰岛素与进食资料，回放不同设置的效果，再向参与者提供可选择采纳的调整建议。
研究使用自动胰岛素输注（automated insulin delivery，AID）系统，参与者已有 t:slim X2 胰岛素泵、Control-IQ 算法和 Dexcom G6 连续血糖监测（continuous glucose monitoring，CGM）。数字孪生补充了现有系统，以个人代谢和行为资料模拟设置变化。
团队以约 5 分钟分辨率收集血糖、胰岛素与餐食数据，拟合个人皮下葡萄糖–胰岛素模型。分析还调整餐食记录，并从血糖过程推断可能漏报的进食，以减少行为记录不完整对模型的影响。
每 2 周，系统回放候选设置，优化碳水化合物–胰岛素比值、校正因子及基础输注设置。每轮建议的变化限制为原设置的约 ±10%，参与者可接受或拒绝。网页模拟工具同时提供情境比较，让用户观察餐食和活动选择的影响。
随机设计比较两种干预顺序
研究共招募 77 人，72 名 1 型糖尿病成人完成 6 个月随访；完成者年龄为 19–69 岁，平均 42.8±15.1 岁。5 人未完成，其中有筛查失败和随机前后退出。完成者分为 A 组 38 人、B 组 34 人。
两组随机接受不同顺序。A 组先用 AID 单独运行 2 周，再接受 4 周信息反馈，最后接受 16 周自适应生物行为控制（Adaptive Bio-behavioural Control，ABC）。B 组按相反顺序完成同样阶段，研究据此观察加入和撤去干预后的变化。
ABC 包括模型回放提出的设置建议，以及帮助理解日常行为的工具。主要分析比较 ABC 最后 4 周与 AID 单独阶段的 2 周，评价目标范围内时间（time in range，TIR），血糖范围为 3.9–10 mmol/L。
达标时间改善，获益随起始状态而异
配对比较显示，ABC 阶段的 TIR 比 AID 单独阶段平均高 3.67 个百分点，置信区间为 2.22–5.13 个百分点。混合效应分析的干预效应 p < 0.01，组别与干预交互作用 p = 0.04，说明顺序影响需要与总体结果一起解释。
A 组 TIR 从单独 AID 时的 72.26±12.65%，到信息反馈时的 72.49±11.77%，再到 ABC 时的 76.80±9.20%。先接受 ABC 的 B 组分别为 77.91±10.41%、77.93±9.40% 和最后单独 AID 的 78.03±10.52%，撤去 ABC 后约 6 周仍保持原有水平。
72 名完成者中，30 人达到论文预设的至少 5 个百分点改善。起始 TIR 低于 70% 的 28 人中有 20 人达到这一幅度，起始高于 70% 的 44 人中有 10 人达到。起始血糖管理状态较差的参与者有更大的改善空间。
年龄与 TIR 有统计关联，性别和种族未显示相同关联。研究另观察到起始糖化血红蛋白（hemoglobin A1c，HbA1c）较高的亚组改善更大；这些分层结果描述了本次成人试验中的获益差异。
白天低血糖时间无显著变化，多数建议被采纳
层级检验的首个次要终点是白天低于 3.9 mmol/L 的血糖时间，其差异未达到显著性，p = 0.72。按照论文检验顺序，之后的次要分析均按探索性结果处理。HbA1c 的整体均值从起始 6.8±0.8% 降至结束 6.6±0.5%，作为描述性变化报告。
试验期间未报告不良事件，包括严重低血糖或糖尿病酮症酸中毒。参与者平均每日登录约 0.9±0.4 次；登录次数与 TIR 改善幅度未显示相关。系统发出 504 次设置建议，其中 23 次被拒绝，占 4.6%。
模型建议与用户选择共同构成试验中的调整过程。作者认为，回放可补充自动控制系统对个体状态的适应，而较好起始状态下的获益较小、使用次数与效果的关系，也为后续设计提供了具体问题。
当前验证集中在成人和 Control-IQ 系统。迁移到其他 AID 算法需要能够回放其控制过程，并接入相应的参数界面；儿童使用和更长期效果仍需独立研究。本文的人体结果为这一具体数字孪生调整流程提供了验证。