Pílula 21 · Módulo 1
Gêmeos digitais
Gêmeo digital: modelo de um sistema específico, como um paciente ou um órgão, atualizado com os dados dele e que faz previsões para apoiar decisões.
Xdiag® Tecnologias
Módulo 1 · 2026
Pílula de Conhecimento
Gêmeos digitais
digital twins
Chamar um modelo de “gêmeo digital” não diz se ele é do seu paciente, se aprende com os dados dele ou se já funcionou em alguém: são essas as perguntas a fazer antes de confiar.
Definição
Gêmeo digital é um modelo de um sistema específico, como um paciente ou um órgão, atualizado com os dados dele e que faz previsões para apoiar decisões.
IA na Medicina — ICS & Xdiag®xdiag.com.br
Xdiag® Tecnologias
Pílula de Conhecimento — Módulo 1
Gêmeos digitais:
as perguntas a fazer antes de confiar
as perguntas a fazer antes de confiar
Por que importa na clínica
O termo já aparece em manchete de comunicado universitário e em comunicado de empresa sobre ensaio clínico. O relatório das Academias Nacionais dos EUA (2024) afirma que o tema desperta amplo interesse e entusiasmo, e que é difícil separar o que é real do que é só aspiração, por falta de acordo entre áreas e por desinformação. A revisão de escopo de Katsoulakis e colegas (2024) afirma, no resumo, que o gêmeo digital em saúde “ainda está em seus estágios iniciais”. Para o médico, a utilidade do termo está em saber o que perguntar quando alguém o usa.
Como funciona
Pense na diferença entre o peso ideal de uma tabela e a curva de crescimento de uma criança acompanhada na puericultura. A tabela vale para uma população; a curva é daquela criança, ganha um ponto novo a cada consulta e ajuda a prever para onde ela vai e a decidir o que fazer. O gêmeo digital quer ser a curva, não a tabela.
As Academias Nacionais dos EUA definem gêmeo digital como um conjunto de construções virtuais que imita a estrutura, o contexto e o comportamento de um sistema natural, de engenharia ou social, é atualizado dinamicamente com dados do seu “gêmeo físico”, tem capacidade preditiva e informa decisões que geram valor. Em medicina, o sistema costuma ser um paciente ou um órgão, mas pode ser também um serviço. Daí saem quatro perguntas:
1. É deste paciente (ou deste sistema)?
O modelo representa um paciente, um órgão ou um serviço específico, e não uma média da população.
2. Aprende com os dados dele?
O modelo é atualizado com dados novos do mesmo paciente, e não só montado uma vez. A atualização pode ser em tempo real ou mais lenta, como atualizar o modelo depois de um novo exame de imagem de um paciente com câncer, um exemplo do próprio relatório.
3. Prevê?
Ele diz algo além dos dados que já tem, como o que aconteceria com cada opção de tratamento. O relatório incluiu “capacidade preditiva” na definição para frisar que o gêmeo precisa prever além dos dados disponíveis.
4. Ajuda a decidir?
A previsão serve a uma decisão; o relatório prevê que o humano pode seguir decidindo.
A atualização (pergunta 2) e a decisão (pergunta 4) formam juntas o que o relatório chama de “interação bidirecional”: dados do real para o virtual, e decisões do virtual de volta para o real. O relatório diz que ela é central para o gêmeo digital.
Uma quinta pergunta não está na definição, mas o relatório a trata como indispensável: foi validado? Ele recomenda às agências federais dos EUA que verificação, validação e quantificação de incerteza sejam parte integral dos novos programas de gêmeo digital, e diz que elas devem estar presentes em todos os elementos do gêmeo. Ter os quatro elementos diz que é um gêmeo; não diz que ele acerta.
Um dos exemplos já testados em pacientes vem da cardiologia. Em 2018, o grupo de Natalia Trayanova, da Johns Hopkins, mostrou que modelos do coração construídos a partir de exame de imagem de cada paciente identificavam alvos de ablação para taquicardia ventricular pós-infarto em estudos retrospectivos (5 porcos e 21 pacientes) e num estudo prospectivo de viabilidade com 5 pacientes. Em abril de 2026, o mesmo grupo publicou no NEJM, como carta ao editor, o estudo TWIN-VT: 10 pacientes num único centro (limites impostos pela FDA), sem grupo controle. O modelo de cada coração foi montado a partir de uma ressonância com contraste, antes do procedimento, e os alvos de ablação apontados por ele foram levados à sala.
10
pacientes, num único centro, sem grupo controle
8 de 10
livres de TV sem antiarrítmico, em seguimento médio de 405,4 dias (de 90 a 909)
Resultados relatados: 8 dos 10 tinham TV induzível no início (os outros 2, não). Dos 7 que foram reestimulados depois da ablação nos alvos do gêmeo, 6 ficaram sem TV induzível e 1 precisou de ablação adicional, no septo do ventrículo direito, também num alvo do gêmeo; 1 não foi reestimulado por risco de instabilidade hemodinâmica. A carta registra os 10 sem TV induzível ao fim do procedimento. Não houve complicação periprocedimento. Em seguimento médio de 405,4 dias (de 90 a 909), 8 dos 10 ficaram livres de TV sem antiarrítmico; os outros 2 tiveram um episódio cada, no primeiro mês, revertido por estimulação antitaquicardia. A carta conclui que o estudo demonstra a viabilidade e os desfechos clínicos do método; não há comparação com a ablação convencional. O desfecho principal, a não induzibilidade da TV, foi julgado pelo próprio operador. Em 2018, a autora sênior declarou participação parcial na CardioSolv Ablation Technologies; um dos coautores da carta é da Johnson & Johnson MedTech.
Chrispin et al., N Engl J Med, 2026 (carta).
O comunicado da universidade saiu com o título “Digital twin hearts deliver 100% success in arrhythmia trial”. Ele diz que “mais de um ano depois, os 10 estavam sem arritmia”, fala em procedimentos “significativamente mais precisos” que os métodos tradicionais e cita 60% de sucesso de longo prazo da ablação tradicional. A carta relata 2 recorrências, seguimento mínimo de 90 dias e nenhum grupo de comparação; os 60% não vêm do estudo.
Pelas quatro perguntas, o modelo do TWIN-VT é deste paciente, prevê e ajuda a decidir, mas é montado uma vez, a partir de uma única ressonância. Os autores o chamam de gêmeo digital num sentido mais amplo que o da definição do relatório.
É gêmeo ou não é?
Seis anúncios fictícios, um de cada vez. Para cada um, escolha: tem os quatro elementos ou falta pelo menos um.
Anúncio 1 de 6Gêmeo digital cardiovascular
Anúncio
“Informe idade, pressão arterial e colesterol: nosso gêmeo digital calcula o risco do paciente em 10 anos, com uma fórmula derivada de uma grande coorte.”Na prática: cenários
1. O fornecedor oferece “o gêmeo digital do seu paciente”
A demonstração mostra um escore que calcula o risco em 10 anos a partir de idade, pressão e colesterol, com uma fórmula tirada de uma coorte. O cálculo é feito uma vez, na consulta.
O que fazer: Passar pelas quatro perguntas. O escore usa dados do paciente, mas é um modelo populacional aplicado a ele e não é atualizado com dados novos. Pode ser útil, mas é um modelo preditivo com outro nome, e deve ser avaliado como tal: validado em quem, com que desempenho.
2. A manchete dos “100% de sucesso”
Um colega encaminha a notícia de que gêmeos digitais do coração tiveram 100% de sucesso num ensaio de arritmia e pergunta se já dá para indicar.
O que fazer: Ler o estudo, não a manchete. A carta ao NEJM relata 10 pacientes, um centro, sem grupo controle. O “100%” é o fim do procedimento sem TV induzível, e 2 dos 10 nem tinham TV induzível no início; no seguimento, 2 tiveram recorrência e 8 ficaram livres de TV sem antiarrítmico. É um resultado de viabilidade promissor, não prova de que o método supera a ablação convencional.
3. “Gêmeos digitais no braço controle”
Um patrocinador apresenta um ensaio de fase 3 que usa “gêmeos digitais” gerados por IA e diz que isso permite um grupo controle menor.
O que fazer: Perguntar o que o regulador aprovou de fato. No caso do método PROCOVA, a EMA qualificou, em setembro de 2022, um método estatístico para ensaios randomizados de fase 2 e 3 com desfecho contínuo: prever como cada participante evoluiria com placebo, a partir dos dados basais e de um modelo treinado em dados históricos, e usar essa previsão como covariável na análise de um ensaio que continua randomizado. A expressão “gêmeo digital” está no comunicado da empresa, não no parecer da EMA. E a EMA ressalvou que a redução do tamanho da amostra só vale se as incertezas das premissas forem consideradas e se a amostra resultante ainda bastar para os outros objetivos do ensaio, e que não pode qualificar o passo de construção do modelo prognóstico.
4. O paciente quer testar o tratamento no gêmeo dele
Um paciente leu sobre gêmeos digitais e pergunta se pode “testar o remédio no gêmeo dele” antes de começar.
O que fazer: Explicar que a ideia existe e está sendo estudada em situações específicas, como a ablação de arritmias, mas que, em setembro de 2026, um modelo para simular tratamentos no próprio paciente não é parte do cuidado de rotina. O que se decide com ele segue sendo com base na evidência disponível.
Checklist
1Diante de “gêmeo digital”, fazer as quatro perguntas: é deste paciente (ou deste sistema), aprende com os dados dele, prevê, ajuda a decidir.
2Perguntar sempre a quinta: foi validado em quem, com que desfecho e contra o quê.
3Ler o estudo antes da manchete: número de pacientes, número de centros e se houve grupo controle.
4Em ensaio clínico, conferir no documento do regulador o que foi aprovado, e não no comunicado da empresa.
5Tratar a previsão de um modelo como hipótese a conferir, não como resultado.
“Um gêmeo digital só é gêmeo se conhece o seu paciente e aprende com ele; e só é útil se alguém já mostrou que ele acerta.”
— ICS & Xdiag® · IA na Medicina · Módulo 1 · 2026
Referências
1. National Academies of Sciences, Engineering, and Medicine. Foundational Research Gaps and Future Directions for Digital Twins. Washington, DC: The National Academies Press. 2024. doi:10.17226/26894.
2. Katsoulakis E, Wang Q, Wu H, et al. Digital twins for health: a scoping review. npj Digital Medicine. 2024;7:77.
3. Prakosa A, Arevalo HJ, Deng D, et al. Personalized virtual-heart technology for guiding the ablation of infarct-related ventricular tachycardia. Nature Biomedical Engineering. 2018;2(10):732-740.
4. Chrispin J, Prakosa A, Kholmovski E, et al. Digital Twin-Guided Ablation for Ventricular Tachycardia (carta). N Engl J Med. 2026;394(13):1345-1347. doi:10.1056/NEJMc2517822.
5. Johns Hopkins University. Digital twin hearts deliver 100% success in arrhythmia trial (comunicado). 01/04/2026.
6. European Medicines Agency, CHMP. Qualification opinion for Prognostic Covariate Adjustment (PROCOVA™). 20/09/2022.
7. Unlearn. European Medicines Agency Qualifies Unlearn’s AI-powered Method for Running Smaller, Faster Clinical Trials (comunicado). Business Wire. 28/09/2022.
IA na Medicina — ICS & Xdiag®xdiag.com.br