Un jumeau numérique d’un être humain peut évoquer une copie virtuelle complète d’un patient, mais la médecine de 2026 repose sur une approche à la fois plus pragmatique et plus prudente. Les systèmes les plus avancés reproduisent généralement un organe particulier, un processus pathologique ou un aspect précis de la physiologie d’une personne, plutôt que l’ensemble des mécanismes de son organisme. Ils peuvent combiner des données issues de l’imagerie médicale, des analyses de laboratoire, des dossiers médicaux électroniques, des mesures physiologiques et, dans certains cas, des dispositifs portables ou des tests génétiques. Les médecins et les chercheurs peuvent ensuite utiliser le modèle obtenu pour examiner l’évolution possible de l’état du patient ou estimer les effets de différentes interventions. La cardiologie fournit aujourd’hui certains des exemples cliniques les plus aboutis, tandis que la prise en charge du diabète, l’oncologie et d’autres spécialités développent leurs propres approches. Ces modèles deviennent de plus en plus performants, mais leur utilité dépend de la qualité des données du patient, d’une validation rigoureuse et de preuves démontrant que leurs prévisions sont suffisamment fiables pour la décision médicale concernée.
Ce que signifie réellement un jumeau numérique humain en médecine
Un jumeau numérique médical ne se limite pas à une représentation tridimensionnelle d’un organe. Une reconstruction obtenue à partir d’un scanner ou d’une IRM peut montrer la forme d’un cœur, d’un vaisseau sanguin ou d’une tumeur, tandis qu’un jumeau numérique cherche également à reproduire leur fonctionnement. Par exemple, un modèle du cœur d’un patient peut simuler la propagation des signaux électriques dans les tissus sains et lésés afin d’aider les spécialistes à déterminer l’origine possible d’un rythme cardiaque anormal. Un modèle métabolique peut utiliser l’évolution du taux de glucose et de l’insuline pour estimer la réaction de l’organisme dans différentes situations. L’élément essentiel est que le modèle représente un patient réel et précis et qu’il puisse être affiné lorsque de nouvelles informations deviennent disponibles.
La Food and Drug Administration des États-Unis définit un jumeau numérique comme un ensemble de structures d’information reproduisant la structure, le contexte et le comportement d’un équivalent physique et pouvant être mis à jour de manière dynamique grâce aux informations provenant de celui-ci. Dans le domaine de la santé, cette distinction est importante. Un modèle mathématique général d’une maladie peut aider les chercheurs à comprendre des mécanismes communs, mais un jumeau spécifique à un patient cherche à adapter ces mécanismes à un individu particulier. L’âge, l’anatomie, les traitements antérieurs, les résultats de laboratoire, les examens d’imagerie et d’autres caractéristiques pertinentes peuvent influencer le résultat. Le degré de personnalisation varie fortement d’un système à l’autre, ce qui explique notamment pourquoi l’expression « jumeau numérique » ne désigne pas encore un produit médical unique et standardisé.
Il faut également distinguer la réalité médicale actuelle de l’idée d’un être humain virtuel parfaitement reproduit. En 2026, la plupart des jumeaux numériques ayant une utilité pratique restent centrés sur un problème clinique bien délimité. Les chercheurs peuvent construire des modèles détaillés du cœur, des vaisseaux, des réactions métaboliques ou de certains mécanismes pathologiques, mais reproduire toutes les interactions entre le cerveau, le système immunitaire, les hormones, les organes, les médicaments, la génétique, le comportement et l’environnement est beaucoup plus complexe. De récentes revues scientifiques décrivent les systèmes existants comme étant principalement consacrés à un organe ou à une maladie spécifique, beaucoup se trouvant encore au stade de la recherche, du prototype ou d’une validation clinique précoce. Un jumeau du corps entier que les médecins pourraient consulter systématiquement tout au long de la vie d’une personne reste donc un objectif à plus long terme plutôt qu’un outil courant des soins médicaux.
Comment les données d’un patient deviennent un modèle personnalisé fonctionnel
Le processus commence généralement avec des informations déjà recueillies au cours des soins médicaux. L’imagerie peut fournir l’anatomie d’un organe, tandis que les analyses sanguines, les électrocardiogrammes, les antécédents médicaux, les traitements médicamenteux et les mesures physiologiques apportent des informations sur son fonctionnement. Selon la question clinique étudiée, les chercheurs peuvent également utiliser des données moléculaires, des résultats génétiques, des analyses anatomopathologiques, des mesures liées à l’activité physique, des relevés continus du glucose ou des symptômes signalés par le patient. L’objectif n’est pas de collecter toutes les données possibles, mais de disposer des informations pertinentes pour la décision que le jumeau est censé aider à prendre.
Des logiciels combinent ensuite ces mesures avec les connaissances établies sur la biologie et les maladies. Un modèle cardiaque peut, par exemple, être ajusté afin de correspondre à la taille, à la forme et aux zones endommagées visibles sur l’examen d’imagerie d’un patient. Des simulations peuvent alors reproduire une activité électrique ou un comportement mécanique potentiels dans cette anatomie personnalisée. Au lieu de procéder immédiatement à une intervention, les médecins peuvent d’abord tester différentes stratégies dans le modèle. Cette méthode permet de comparer plusieurs scénarios dans un environnement contrôlé, alors qu’il serait impossible de les essayer successivement sur un patient réel. Le modèle ne prédit pas l’avenir avec certitude ; il estime plutôt ce qui pourrait se produire à partir d’hypothèses clairement définies.
Un véritable jumeau clinique devrait également pouvoir évoluer lorsque l’état du patient change. Un nouvel examen d’imagerie, un résultat sanguin, une réaction à un traitement ou de nouvelles données de surveillance peuvent modifier le modèle et, par conséquent, ses prévisions. Cette capacité constitue l’une des principales différences entre le concept de jumeau numérique et un calculateur de risque statique. Dans la pratique, la fréquence de ces mises à jour varie toutefois fortement. Certains modèles sont principalement créés pour préparer une intervention unique, tandis que d’autres ont vocation à suivre une maladie pendant une période plus longue. Le médecin reste responsable de l’interprétation des informations, car une simulation peut être erronée lorsque les données sont incomplètes, lorsque la situation du patient se situe en dehors des cas dans lesquels le modèle a été testé ou lorsque certains facteurs biologiques importants ne sont pas pris en compte.
Dans quels domaines les jumeaux numériques personnalisés sont utilisés ou testés en 2026
La cardiologie a fourni jusqu’à présent l’un des exemples cliniques les plus significatifs. En avril 2026, le New England Journal of Medicine a publié une étude de faisabilité portant sur dix patients atteints de tachycardie ventriculaire, un trouble du rythme cardiaque potentiellement dangereux. Les chercheurs ont créé des modèles numériques individuels du cœur de chaque patient et les ont utilisés pour identifier, avant une ablation par cathéter, les zones susceptibles d’entretenir les circuits électriques anormaux. Après les interventions, la tachycardie ventriculaire n’a pu être provoquée chez aucun des dix participants. Après une durée moyenne de suivi de 13 mois, huit d’entre eux ne présentaient aucune récidive sans traitement antiarythmique. Cette étude portait sur un faible nombre de patients et ne permet pas d’établir l’efficacité de cette méthode pour tous les cas, mais elle a montré que des simulations personnalisées pouvaient être intégrées à un véritable parcours de soins et ne plus rester uniquement confinées aux laboratoires de recherche.
Le diabète constitue un autre domaine dans lequel le concept se rapproche progressivement d’applications pratiques. Les systèmes automatisés d’administration d’insuline utilisent déjà les données fournies en continu par les capteurs de glucose et des algorithmes qui ajustent l’administration d’insuline. Les chercheurs étudient désormais si un modèle personnalisé de l’évolution physiologique de l’utilisateur peut rendre ces systèmes plus adaptatifs. Un essai clinique randomisé publié dans npj Digital Medicine en 2025 a évalué une technologie de jumeau numérique intégrée à un système visant à améliorer l’interaction entre les personnes diabétiques et l’administration automatisée d’insuline. En 2026, les recherches sur le diabète comprennent un nombre croissant d’approches utilisant des jumeaux numériques pour modéliser le comportement du glucose, la réponse à l’insuline, le mode de vie et différents traitements. Les analyses consacrées à ce domaine soulignent néanmoins que de nombreuses études restent de petite taille ou nécessitent une validation plus longue avant qu’une utilisation clinique à grande échelle puisse être justifiée.
L’oncologie illustre un niveau de développement différent. Le traitement du cancer génère d’importantes quantités de données provenant de l’imagerie, de l’anatomopathologie, de la génomique, des médicaments administrés, de la réponse thérapeutique et du suivi. Les chercheurs étudient la possibilité de réunir ces informations dans des modèles évolutifs représentant à la fois le cancer et l’état de santé changeant du patient. En juillet 2026, des chercheurs de l’Université médicale de Vienne et d’autres établissements partenaires ont décrit une approche fondée sur des jumeaux humains virtuels pour soutenir la prise de décision dans le traitement du cancer du sein, en proposant notamment le cancer du sein triple négatif à haut risque comme cas d’utilisation important. L’objectif est de comparer différentes trajectoires thérapeutiques plausibles et de rendre leur degré d’incertitude visible pour les médecins. Il s’agit encore d’un domaine de recherche en développement et non d’un substitut courant aux équipes multidisciplinaires chargées du traitement du cancer.
Pourquoi les jumeaux numériques du cœur figurent parmi les exemples les plus avancés
Le cœur se prête particulièrement bien à la modélisation personnalisée, car plusieurs aspects importants de sa structure et de son activité peuvent être mesurés directement. L’IRM et le scanner fournissent des informations anatomiques détaillées, tandis que l’électrocardiogramme et d’autres examens cardiaques renseignent sur son activité électrique ou mécanique. Plusieurs décennies de recherche cardiovasculaire ont également permis d’élaborer des descriptions mathématiques de la propagation des signaux électriques dans le tissu cardiaque et de la manière dont les zones lésées peuvent modifier cette propagation. La combinaison de ces sources permet aux chercheurs de créer un modèle suffisamment proche du cœur d’un patient pour répondre à des questions précises concernant le rythme cardiaque, la circulation sanguine ou la préparation d’un traitement.
La tachycardie ventriculaire montre pourquoi cette approche peut avoir un intérêt clinique. Le circuit électrique anormal à l’origine d’une arythmie peut traverser ou contourner une zone cicatricielle du muscle cardiaque, et il peut être difficile d’identifier la région déterminante au cours d’une intervention invasive. Une simulation spécifique au patient fournit une source d’information supplémentaire avant le traitement. Les médecins peuvent reproduire virtuellement différents circuits électriques possibles et identifier les tissus qui semblent essentiels au maintien du trouble du rythme. L’étude de faisabilité TWIN-VT de 2026 a apporté une première démonstration de cette méthode chez de véritables patients. Ses résultats encourageants ne signifient cependant pas que l’ablation guidée par un jumeau numérique soit devenue une norme de soins universelle : des études plus vastes, des comparaisons avec les méthodes actuelles et un suivi plus long restent nécessaires.
Les chercheurs apprennent également à produire des modèles cardiaques à une échelle beaucoup plus importante. Une étude publiée en 2025 a créé des ressources de jumeaux numériques cardiaques à partir d’IRM provenant d’environ 55 000 participants de la UK Biobank. Ce type de recherche est différent de la création d’un modèle destiné à préparer une intervention individuelle, mais il aide à mieux comprendre les variations normales et les caractéristiques des maladies au sein de populations importantes. Ces connaissances issues de grandes cohortes pourraient, à terme, faciliter la création et l’interprétation de modèles personnalisés. Des travaux similaires sont menés sur les atteintes cardiaques liées au diabète, la circulation coronarienne, les cardiomyopathies et d’autres maladies cardiovasculaires. Les systèmes les plus performants pourraient donc à l’avenir réunir deux niveaux d’information : des mesures très détaillées provenant d’un seul patient et des données établies à partir d’un grand nombre de personnes présentant des caractéristiques comparables.
Ce que les jumeaux numériques peuvent et ne peuvent pas faire pour les patients en 2026
Le principal avantage potentiel d’un jumeau spécifique à un patient réside dans la possibilité de comparer plusieurs options avant de prendre une décision irréversible. Un chirurgien ou un cardiologue peut utiliser un modèle pour examiner différentes stratégies d’intervention, tandis que les chercheurs peuvent simuler la manière dont une maladie pourrait réagir selon plusieurs hypothèses thérapeutiques. Les jumeaux numériques peuvent également contribuer aux études dites in silico, dans lesquelles certaines questions concernant des médicaments ou des dispositifs médicaux sont étudiées à l’aide de patients informatiques avant ou parallèlement à des recherches cliniques conventionnelles. La FDA reconnaît notamment des applications potentielles des jumeaux numériques dans la médecine personnalisée et les études cliniques simulées. Ces méthodes peuvent aider à réduire le nombre d’options nécessitant des essais physiques, mais elles ne suppriment pas la nécessité de disposer de données cliniques appropriées obtenues chez l’être humain.
Un autre avantage est la possibilité d’observer l’évolution dans le temps au lieu de se limiter à des instantanés isolés. Les décisions médicales traditionnelles reposent souvent sur des consultations, des examens d’imagerie et des analyses de laboratoire réalisés séparément. Un jumeau longitudinal pourrait réunir ces observations et montrer comment l’état estimé du patient s’est modifié au fil du temps. Cette possibilité est particulièrement pertinente pour les maladies chroniques telles que le diabète, les affections cardiovasculaires et le cancer, pour lesquelles les décisions thérapeutiques peuvent évoluer à mesure que la maladie progresse ou répond au traitement. Le même principe pourrait à l’avenir être utilisé pour la rééducation, le suivi thérapeutique et la prévention. L’intérêt réel réside dans l’organisation d’informations médicalement pertinentes autour d’un patient donné, et non dans la création d’une représentation virtuelle spectaculaire du corps humain.
Les limites sont tout aussi importantes. La fiabilité d’un jumeau numérique dépend directement de la qualité des mesures, des connaissances médicales et des hypothèses utilisées lors de sa création. Des dossiers incomplets, des examens d’imagerie de mauvaise qualité, des mesures incorrectes provenant de capteurs ou des données d’entraînement peu représentatives peuvent tous influencer les résultats. Un modèle principalement testé auprès d’une population donnée peut également être moins fiable pour une autre. Les revues systématiques publiées en 2026 continuent de signaler un manque de validation externe, de petites populations étudiées, des méthodes de présentation des résultats hétérogènes et une intégration encore limitée dans les soins courants. Pour les patients, cela signifie que l’expression « jumeau numérique » ne doit jamais être considérée à elle seule comme la preuve qu’un outil améliore déjà le diagnostic ou le traitement. Les bénéfices cliniques annoncés pour chaque système doivent être évalués séparément.
Ce qui doit encore évoluer avant que les jumeaux numériques du corps entier deviennent courants
Construire un modèle réellement utile d’une personne entière exige bien davantage que de relier plusieurs modèles d’organes. Le corps fonctionne grâce à des interactions permanentes entre les systèmes cardiovasculaire, métabolique, nerveux, immunitaire et hormonal, tandis que les médicaments, le sommeil, l’alimentation, l’activité physique, l’âge et de nombreux autres facteurs peuvent modifier ces relations. Les données sont également recueillies à des moments différents et pour des objectifs différents. Un examen d’imagerie peut être réalisé une fois par an, des analyses de laboratoire tous les quelques mois et des mesures provenant d’un dispositif portable toutes les quelques minutes. Relier ces informations sans perdre leur signification médicale constitue un défi majeur. Les chercheurs ont donc besoin de normes communes, de moyens fiables pour échanger les données et de méthodes claires permettant d’indiquer le degré d’incertitude associé à chaque prévision.
L’Europe investit fortement dans ce domaine dans le cadre de son initiative Virtual Human Twins. La Commission européenne indique que plus de 100 millions d’euros ont été engagés pour soutenir le développement de représentations virtuelles des cellules, des tissus, des organes et des systèmes organiques, avec des applications envisagées dans les soins personnalisés, la recherche clinique, la formation médicale et la planification des traitements. Des travaux sont également menés afin d’améliorer l’accès aux ressources de modélisation, au calcul à haute performance et à des normes techniques communes. L’objectif est de progresser vers des modèles capables de relier plusieurs niveaux biologiques et, à terme, plusieurs organes. Les programmes européens considèrent toutefois eux-mêmes la validation, la confidentialité des données, l’interopérabilité et l’adoption par les services de santé comme des questions centrales encore à résoudre.
Le rôle le plus réaliste des jumeaux numériques dans un avenir proche est donc celui d’outils d’aide à la décision utilisés aux côtés des médecins, et non de substituts autonomes. Un modèle digne de confiance doit préciser quelles données du patient il utilise, quel résultat il cherche à estimer, quel degré d’incertitude accompagne cette estimation et s’il a été validé auprès de personnes comparables au patient concerné. Les professionnels de santé doivent également pouvoir reconnaître les situations dans lesquelles le modèle est utilisé en dehors des conditions pour lesquelles il a été testé. En 2026, les jumeaux numériques ont déjà commencé à dépasser le stade purement théorique dans certains domaines, notamment la modélisation cardiaque personnalisée, tandis que les applications plus larges dans le diabète, l’oncologie et la médecine multi-organes continuent de progresser. Leur véritable réussite dépendra moins de la ressemblance visuelle entre un modèle informatique et le corps humain que de la capacité de modèles soigneusement validés à aider les patients et les médecins à prendre des décisions plus sûres et mieux informées.