综述比较的是患者个体化代谢模型
1 型糖尿病（type 1 diabetes，T1D）数字孪生通常先建立葡萄糖–胰岛素代谢模型，再用患者资料调整参数，使模拟与该患者的血糖变化相符。发表于 Journal of Diabetes Science and Technology 的这篇综述，比较了截至 2024 年 3 月 31 日相关文献中的 8 种方法。
这些方法关注进餐、胰岛素和运动改变后的血糖过程。患者资料可以来自连续血糖监测（continuous glucose monitoring，CGM）、胰岛素记录、进餐日志及可穿戴设备。完成个体化后，模型可用来研究其他治疗方案下可能出现的血糖变化。
作者同时区分了研究对象：本次比较聚焦数字孪生本身的建立方法，未把以数字孪生为某一组件的所有决策支持系统都纳入。这样可以分别检查模型构成、个体化过程和验证方式。
参数估计与虚拟患者匹配是不同路径
8 种方法采用不同的数学模型。其中 3 种以 Bergman 最小模型为核心构建组合模型，2 种采用 Dalla Man 等人的模型，1 种采用 Resalat 等人的模型，另 2 种自行描述葡萄糖–胰岛素生理过程。模型结构不同，可由现有资料可靠识别的参数也不同，个体化算法需要与之匹配。
大部分方法通过回归或概率推断估计患者参数，例如最大似然、最大后验估计和马尔可夫链蒙特卡洛方法。另有一种方法在既有虚拟人群中，为患者选择运动前血糖曲线最接近的虚拟个体，将其作为后续模拟对象。Hughes 等人的参数估计方案还拟合模型的残差，用来描述主要代谢方程未能涵盖的影响。
这些方法都在建立患者与模型的对应关系，但所需资料、能调整的参数，以及能够解释的个体差异各不相同。综述将这一过程与后续验证分开比较，以判断个体化后的模型能否处理新的治疗情景。
改变治疗情景是验证的关键步骤
4 种方法以较复杂的糖尿病模拟器生成合成资料。先在一个进餐和胰岛素情景下建立个体化模型，再改变原始方案，由模拟器提供新情景的参照血糖，检验数字孪生能否重现变化后的结果。
这类设计能够在模拟条件中得到明确的参照。真实生活中，同一患者在不同日期会受到多种因素影响，很难在完全相同的生理状态下重复不同方案。因此，用真实资料检验替代治疗情景，比拟合已经观察到的血糖曲线更困难。
综述中只有 1 种方法使用治疗条件变化的真实资料作验证，资料来自为期 2 周的居家研究，参与者采用标准化早餐和不同胰岛素方案。由于日常生活存在干扰因素，研究主要定性判断模拟曲线是否具有合理的生理表现。
另有 2 种方法只比较了曲线拟合质量与参数分布，未进一步测试改变治疗方案后的重现能力。剩余 1 种主要评价其所在的运动管理决策系统，没有单独评价数字孪生本身。各项结果需要按这些实际任务比较。
不同方法之间的直接比较仍然有限
在纳入的 8 种方法中，只有 1 种与另一项已有数字孪生方法进行了直接比较。作者认为，跨方法比较可以帮助判断各模型的长处、限制，以及在不同情景下的预测表现。
这也影响对模型改进的判断。除了能否拟合当前患者资料，还需要比较新的方法在治疗方案变化后能否给出更可靠的血糖预测；综述据此将模型验证与同类方法比较列为不同的评价项目。
运动、数据来源与代码影响实际采用
只有 2 种方法明确纳入了运动影响，分别利用加速度计或心率资料描述活动。8 种方法均未纳入心理和社会因素。作者指出，这些因素也会影响血糖，因此仍是模型后续扩展的方向。
6 种方法主要使用 CGM、进餐及胰岛素等日常记录，另外 2 种需要采集血浆葡萄糖和胰岛素样本。采集血浆样本这一要求提高了实际采用的难度。表 2 还列出 2 种方法提供开放代码，便于他人检查和复用算法。
治疗策略评价以明确的模拟任务展开
研究者可根据既往患者资料建立数字孪生队列，再通过虚拟临床试验（in silico clinical trials，ISCTs）比较备选治疗方案。文中介绍的应用包括评价新的胰岛素给药策略、餐时胰岛素剂量计算方法和血糖预测算法；其他应用还包括模拟运动管理和闭环胰岛素方案的调整。
作者提出，下一步应加强真实资料验证和方法之间的公平比较，并改善代码可得性。表 3 将用药依从性列为可能的障碍：未按既定方案用药，会影响个体化建模，并进一步使预测产生偏差。社会环境影响健康和医疗可及性，不同患者的疾病表现与进展也有差异；这些因素同样需要在模型采用时考虑。