Digitale Zwillinge: NHS erprobt Herzmodelle für Menschen mit PAH
Veröffentlicht am: 21.11.2026 um 12:39 Uhr | Redaktion boerse-global.deDie computergestützte Modellierung menschlicher Organe gewinnt in der Kardiologie zunehmend an Bedeutung. Im britischen National Health Service (NHS) wird der Einsatz sogenannter digitaler Zwillinge zur Versorgung von Menschen mit chronischen Herzleiden im Rahmen eines breit angelegten Vorhabens evaluiert.
Das Forschungsprojekt CVD-Net verfügt über ein Budget von £8 Mio. und widmet sich der Erstellung personalisierter digitaler Zwillingsherzen für Betroffene mit pulmonaler arterieller Hypertonie (PAH).
Ziel der Initiative ist es, den individuellen Krankheitsverlauf sowie das Ansprechen auf therapeutische Maßnahmen engmaschig abzubilden und personalisierte Vorhersagen für die klinische Praxis zu ermöglichen.
Multimodale Datenfusion und methodische Kalibrierung
Grundlage der virtuellen Modelle ist die Zusammenführung diverser klinischer und telemedizinischer Datenquellen. In die digitalen Zwillingsherzen fließen Informationen aus Krankenakten, Scans aus dem Klinikalltag sowie kontinuierliche Messwerte aus Wearables und Implantat-Monitoren ein.
Um die komplexen Herzmodelle praxisnah anwenden zu können, bedarf es spezieller mathematischer Verfahren. Ein Team der University of Nottingham unter Leitung von Prof. Richard Wilkinson entwickelt im Rahmen des Projekts statistische Methoden, mit denen sich die digitalen Abbilder schnell und zugleich kostengünstig kalibrieren lassen.
Dieser Schritt gilt als zentrale Voraussetzung, um Modellierungsansätze aus dem rein theoretischen Forschungsumfeld in funktionierende klinische Arbeitsabläufe zu überführen.
Die NHS-Erprobung digitaler Zwillingsherzen bei pulmonaler arterieller Hypertonie zeigt, worauf es ankommt: Daten aus Krankenakten, Scans, Wearables und Implantat-Monitoren zusammenführen und die Modelle schnell und kostengünstig kalibrieren. Der kostenlose Praxisleitfaden führt Sie in 3 Schritten von der Datenquelle zum klinischen Workflow. Praxisleitfaden Digitale Zwillinge jetzt anfordern
Interdisziplinäre Struktur und klinische Partner
Das Vorhaben stützt sich auf ein Konsortium universitärer und klinischer Einrichtungen. Koordiniert wird CVD-Net von der Imperial NIHR Clinical Research Facility unter Prof. Martin Wilkins. Die Gesamtleitung liegt bei Prof. Steven Niederer vom Imperial College London, der gemeinsam mit der University of Sheffield, der University of Nottingham und dem Alan Turing Institute zusammenarbeitet.
Die teilnehmenden Patientinnen und Patienten rekrutieren sich aus zwei großen Versorgungseinrichtungen des staatlichen Gesundheitssystems: dem Imperial College Healthcare NHS Trust und den Sheffield Teaching Hospitals. Die Einbindung dieser Zentren soll eine repräsentative Erfassung von Verlaufsdaten sicherstellen.
Maßstab und Relevanz für seltene Gefäßerkrankungen
Das Vorhaben stellt die erste Erprobung von Digital-Twin-Technologie innerhalb des NHS für eine reale Patientengruppe in einem substanziellen Maßstab dar. Niederer wies in diesem Zusammenhang darauf hin, dass neben der reinen Machbarkeit vor allem Aspekte der Skalierbarkeit und der Bezahlbarkeit im Gesundheitssystem untersucht werden müssen.
Diagnoseverzögerungen von mehr als zwei Jahren bei pulmonaler Hypertonie sind Alltag — digitale Zwillinge sollen den Verlauf präziser abbilden. Bevor Sie in Modellierung investieren, klären Sie Skalierbarkeit und Bezahlbarkeit: Die Checkliste zur multimodalen Datenfusion und das Kosten-Nutzen-Framework zeigen, welche Datenquellen Sie wirklich brauchen. Checkliste Datenfusion jetzt sichern
Die Fokussierung auf die pulmonale arterielle Hypertonie trifft auf ein Versorgungsfeld mit erheblichem Diagnose- und Behandlungsaufwand. Schätzungen zufolge betrifft pulmonale Hypertonie bis zu 1 % der weltweiten Bevölkerung. Zudem treten im klinischen Alltag häufig Diagnoseverzögerungen von mehr als zwei Jahren auf.
Durch computergestützte Simulationen soll untersucht werden, ob sich das Fortschreiten dieser chronischen Gefäß- und Herzbelastung präziser überwachen lässt, um die Behandlungsentscheidungen im Versorgungssystem langfristig zielgerichteter zu steuern.
