デジタルツイン（Digital Twin）とは、現実世界に存在するモノ・人・組織・システムを、デジタル空間上に双子（Twin）のように再現する技術です。

もともとは NASA が宇宙機の状態監視に用いた考え方が起源とされ、現在は製造業、医療、都市開発、エネルギー分野などで活用されています。

イメージ

現実世界

• 工場
• 患者
• 自動車
• 都市

↓

センサーやデータ収集

↓

デジタル空間

• 仮想工場
• 仮想患者
• 仮想自動車
• 仮想都市

---

従来のシミュレーションとの違い

従来のシミュレーション

• 過去データで仮定を置いて計算
• 一度作ると更新されない

デジタルツイン

• リアルタイムで現実と同期
• 常に最新状態を反映
• 将来予測や最適化が可能

例えば航空機エンジンなら、

• 温度
• 振動
• 回転数

をリアルタイムで取得し、

「あと何時間で故障する可能性が高いか」

を予測できます。

---

医療分野のデジタルツイン

近年注目されているのが

Patient Digital Twin（患者デジタルツイン）

です。

患者一人ひとりについて

• 年齢
• 性別
• 遺伝子情報
• 検査値
• 画像
• 既往歴
• 投薬履歴

を統合し、

仮想患者を作成します。

その上で

• どの薬が効くか
• 副作用は出るか
• 手術後の経過はどうなるか

を事前にシミュレーションします。

これは「平均患者」ではなく、

個別患者を対象にした予測医療

を目指しています。

---

AIとの関係

AIは予測エンジンです。

デジタルツインは

「予測する対象そのもの」

です。

つまり

• デジタルツイン＝仮想患者
• AI＝その患者の未来を予測する頭脳

という関係です。

---

DSA＋DAGとの関係

S.I Labが提唱しているDSA＋DAGの文脈で考えると、非常に興味深い関係があります。

現在の多くのデジタルツインは、

• 大規模データ
• 機械学習
• 相関ベース予測

に依存しています。

一方で、

「なぜその患者がその結果になるのか」

という因果構造は十分説明できないことが多いです。

そこでDAGの考え方を用いれば、

• 病態進行
• 治療介入
• 合併症発生

の因果関係をモデル化できます。

さらにDSAが対象者ごとの構造差を表現できるなら、

「平均患者のデジタルツイン」ではなく、「個別患者の因果デジタルツイン」

に近づく可能性があります。

言い換えると、

デジタルツインは「患者を再現する技術」

DSA＋DAGは「患者がなぜそうなるかを説明する技術」

という整理もできます。

このため、次世代医療の議論では、

「デジタルツイン × 因果推論」

は今後非常に重要なテーマになると考えられています。