اینترنت نانو اشیای زیستی و ظهور نانو دوقلوهای دیجیتال در پزشکی از راه دور

روزبهانی, محمدحسین

doi:10.22034/apj.2026.2091021.1068

اینترنت نانو اشیای زیستی و ظهور نانو دوقلوهای دیجیتال در پزشکی از راه دور

نوع مقاله : مقاله پژوهشی

نویسنده

محمدحسین روزبهانی ^¶

گروه نانو فناوری، دانشکده فناوری های نوین، دانشگاه علم و صنعت ایران.

10.22034/apj.2026.2091021.1068

چکیده

همگرایی فناوری‌های نوظهوری نظیر اینترنت نانواشیای زیستی(IoBNT)، هوش مصنوعی، دوقلوهای دیجیتال و نانومدیسین، افق جدیدی را برای توسعه نسل آینده سامانه‌های تشخیص، پایش و درمان هوشمند سرطان ایجاد کرده است. با وجود پیشرفت‌های قابل توجه هر یک از این حوزه‌ها، هنوز چارچوبی جامع برای یکپارچه‌سازی آن‌ها به منظور تحقق یک اکوسیستم درمانی خودتنظیم‌گر و حلقه‌بسته ارائه نشده است. این مقاله با رویکردی آینده‌نگر، یک چارچوب مفهومی یکپارچه را پیشنهاد می‌کند که در آن داده‌های حاصل از نانوحسگرهای زیستی از طریق اینترنت نانواشیای زیستی به یک نانو دوقلوی دیجیتال(Nano Digital Twin) منتقل شده، سپس با استفاده از مدل‌های هوش مصنوعی تحلیل شده و در نهایت برای هدایت سامانه‌های هوشمند رهایش نانودارو و تصمیم‌گیری درمانی به‌کار گرفته می‌شوند. نوآوری اصلی این پژوهش، همگرایی چهار فناوری کلیدی شامل اینترنت نانواشیای زیستی ، هوش مصنوعی، دوقلوهای دیجیتال و نانومدیسین در قالب یک معماری چندلایه و یک چرخه درمانی حلقه‌بسته است که امکان پایش پیوسته، تحلیل بلادرنگ، پیش‌بینی روند بیماری و بهینه‌سازی پویا و شخصی‌سازی‌شده درمان را فراهم می‌آورد. از منظر کیفی، این چارچوب موجب ارتقای دقت تشخیص، افزایش اختصاصیت هدف‌گیری دارو، کاهش تصمیم‌گیری واکنشی و حرکت به سوی پزشکی پیش‌بین، تطبیقی و شخصی‌سازی‌شده می‌شود. از منظر عملکردی ، مدل پیشنهادی با یکپارچه‌سازی چهار فناوری راهبردی، پنج قابلیت کلیدی شامل پایش لحظه‌ای، تحلیل هوشمند، پیش‌بینی روند بیماری، رهایش تطبیقی نانودارو و بازخورد درمانی مستمر را در یک بستر واحد فراهم می‌کند. قابلیتی که در اغلب مطالعات اخیر به‌صورت مجزا بررسی شده است.در پایان، ضمن تحلیل مهم‌ترین چالش‌های علمی، فنی و انتقال به کاربردهای بالینی، این مقاله نقشه راهی برای توسعه نسل آینده نانومدیسین هوشمند در چارچوب پزشکی دقیق ارائه می‌کند و نشان می‌دهد که همگرایی فناوری‌های نوین می‌تواند زمینه‌ساز گذار از درمان‌های سنتی به سامانه‌های درمانی خودمختار، هوشمند و مبتنی بر داده در مدیریت سرطان باشد.

کلیدواژه‌ها

اینترنت نانواشیای زیستی

هوش مصنوعی

نانو دوقلوی دیجیتال

نانومدیسین

پزشکی دقیق

سرطان

عنوان مقاله English

The Internet of Bio-Nano Things and the Emergence of Nano-Digital Twins in Telemedicine

نویسنده English

Mohammad Hossein Roozbahani

Faculty of Nanotechnology Department, School of Advanced Technologies, Iran University of Science and Technology, Tehran, Iran

چکیده English

The convergence of emerging technologies, including the Internet of Bio-Nano Things (IoBNT), Artificial Intelligence (AI), Digital Twins, and Nanomedicine, has opened new opportunities for the development of next-generation intelligent systems for cancer diagnosis, monitoring, and treatment. Despite significant advances in each of these fields, a comprehensive framework integrating these technologies into a unified, self-regulating, and closed-loop therapeutic ecosystem has not yet been established. This review proposes a forward-looking conceptual framework in which molecular data acquired by in vivo nanosensors are transmitted through IoBNT to a Nano-Digital Twin, analyzed using artificial intelligence models, and subsequently utilized to guide intelligent nanodrug delivery systems and therapeutic decision-making.
The principal contribution of this study is the integration of four key technologies IoBNT, Artificial Intelligence, Digital Twins, and Nanomedicine within a multilayer closed-loop therapeutic architecture that enables continuous monitoring, real-time analysis, disease progression prediction, and dynamic personalized treatment optimization. From a qualitative perspective, the proposed framework has the potential to improve diagnostic accuracy, enhance the specificity of targeted drug delivery, reduce reactive clinical decision-making, and facilitate the transition toward predictive, adaptive, and personalized medicine. From a functional perspective, the proposed architecture integrates five essential capabilities real-time monitoring, intelligent data analytics, disease progression prediction, adaptive nanodrug delivery, and continuous therapeutic feedback within a unified platform, whereas these capabilities have largely been investigated independently in previous studies.
Finally, this review discusses the major scientific, technical, and translational challenges associated with the clinical implementation of the proposed framework and presents a roadmap for the development of next-generation intelligent nanomedicine and precision medicine. The proposed conceptual framework demonstrates that the convergence of these emerging technologies has the potential to transform conventional healthcare into autonomous, intelligent, and data-driven therapeutic systems for future cancer management.

کلیدواژه‌ها English

Internet of Bio-Nano Things (IoBNT)

Artificial Intelligence

Nano-Digital Twin

Nanomedicine

Precision Medicine

Cancer

[1] Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 25(1), 44-56.

[2] Haleem, A., Javaid, M., Singh, R. P., & Suman, R. (2021). Telemedicine for healthcare: Capabilities, features, barriers, and applications. Sensors international, 2, 100117.

[3] Attaran, S., & Attaran, M. (2024). Advancing healthcare through the integration of digital twins technology: Personalized medicine’s next frontier. Future Internet, 16(12), 477.

[4] Steinhubl, S. R., Muse, E. D., & Topol, E. J. (2013). Can mobile health technologies transform health care?. Jama, 310(22).

[5] Krittanawong, C., Rogers, A. J., Johnson, K. W., Wang, Z., Turakhia, M. P., Halperin, J. L., & Narayan, S. M. (2021). Integration of novel monitoring devices with machine learning technology for scalable cardiovascular management. Nature Reviews Cardiology, 18(2), 75-91.

[6] Yetisen, A. K., Martinez‐Hurtado, J. L., Ünal, B., Khademhosseini, A., & Butt, H. (2018). Wearables in medicine. Advanced Materials, 30(33), 1706910.

[7] Hays, P. (2026). Artificial Intelligence in Precision Oncology. In Personalized Medicine in Oncology: Precision Oncology and Transformative Technologies (pp. 349-359). Cham: Springer Nature Switzerland.

[8] Mitchell, M. J., Billingsley, M. M., Haley, R. M., Wechsler, M. E., Peppas, N. A., & Langer, R. (2021). Engineering precision nanoparticles for drug delivery. Nature reviews drug discovery, 20(2), 101-124.

[9] Wang, A. Z., Langer, R., & Farokhzad, O. C. (2012). Nanoparticle delivery of cancer drugs. Annual review of medicine, 63(1), 185-198.

[10] Kuscu, M., & Unluturk, B. D. (2021). Internet of bio-nano things: A review of applications, enabling technologies and key challenges. arXiv preprint arXiv:2112.09249.

[11] Dissanayake, M. B., & Ekanayake, N. (2021). On the exact performance analysis of molecular communication via diffusion for internet of bio-nano things. IEEE Transactions on NanoBioscience, 20(3), 291-295.

[12] Zafar, S., Nazir, M., Bakhshi, T., Khattak, H. A., Khan, S., Bilal, M., ... & Sabah, A. (2021). A systematic review of bio-cyber interface technologies and security issues for internet of bio-nano things. IEEE Access, 9, 93529-93566.

[13] Shen, M. D., Chen, S. B., & Ding, X. D. (2024). The effectiveness of digital twins in promoting precision health across the entire population: a systematic review. NPJ Digital Medicine, 7(1), 145.

[14] Katsoulakis, E., Wang, Q., Wu, H., Shahriyari, L., Fletcher, R., Liu, J., ... & Deng, J. (2024). Digital twins for health: a scoping review. NPJ digital medicine, 7(1), 77.

[15] Ahmadi, H., Arji, G., Shahmoradi, L., Safdari, R., Nilashi, M., & Alizadeh, M. (2019). The application of internet of things in healthcare: a systematic literature review and classification. Universal Access in the Information Society, 18(4), 837-869.

[16] Shin, Y., & Kim, C. J. (2024). The government should play a role greater than that of construction supervisor in the national bio-big data infrastructure. Journal of Korean medical science, 39(36).

[17] Ashour, A. A., Tayeb, F. J., Felemban, M. F., & Shafie, A. (2025). Nanomaterial-based biosensors for cancer diagnosis: Trends and innovations (2022–2025). Microchimica Acta, 192(7), 404.

[18] Civas, M., Kuscu, M., Cetinkaya, O., Ortlek, B. E., & Akan, O. B. (2023). Graphene and related materials for the Internet of Bio-Nano Things. APL Materials, 11(8).

[19] Wan, J. C., Massie, C., Garcia-Corbacho, J., Mouliere, F., Brenton, J. D., Caldas, C., ... & Rosenfeld, N. (2017). Liquid biopsies come of age: towards implementation of circulating tumour DNA. Nature Reviews Cancer, 17(4), 223-238.

[20] Novoselov, K. S., Mishchenko, A., Carvalho, A., & Castro Neto, A. H. (2016). 2D materials and van der Waals heterostructures. Science, 353(6298), aac9439.

[21] Kumar, C., Shrivastav, M., Kashyap, V., Sankhla, M. S., Escrig, J., & Saxena, K. (2024). Surface-enhanced Raman Scattering (SERS)-based Sensors for Biomarkers.

[22] Ju, J., Liu, Z., Gao, X., Sun, W., Fu, W., & Wang, Y. (2026). Quantum Dots for Biomedical Biosensing, NIR‐II Bioimaging, and Phototherapy: Materials Design, Signal Transduction, and Translational Barriers. Advanced Science, e75491.

[23] Bruch, R., Baaske, J., Chatelle, C., Meirich, M., Madlener, S., Weber, W., ... & Urban, G. A. (2019). CRISPR/Cas13a‐powered electrochemical microfluidic biosensor for nucleic acid amplification‐free miRNA diagnostics. Advanced materials, 31(51), 1905311.

[24] Bandodkar, A. J., & Wang, J. (2014). Non-invasive wearable electrochemical sensors: a review. Trends in biotechnology, 32(7), 363-371.

[25] Liu, J., Huang, Y., Kumar, A., Tan, A., Jin, S., Mozhi, A., & Liang, X. J. (2014). pH-sensitive nano-systems for drug delivery in cancer therapy. Biotechnology advances, 32(4), 693-710.

[26] Zhang, R., Song, X., Liang, C., Yi, X., Song, G., Chao, Y., ... & Liu, Z. (2017). Catalase-loaded cisplatin-prodrug-constructed liposomes to overcome tumor hypoxia for enhanced chemo-radiotherapy of cancer. Biomaterials, 138, 13-21.

[27] Esteva, A., Robicquet, A., Ramsundar, B., Kuleshov, V., DePristo, M., Chou, K., ... & Dean, J. (2019). A guide to deep learning in healthcare. Nature medicine, 25(1), 24-29.

[28] Chen, X. Z., Jang, B., Ahmed, D., Hu, C., De Marco, C., Hoop, M., ... & Pané, S. (2018). Small‐scale machines driven by external power sources. Advanced Materials, 30(15), 1705061.

[29] Xiao, M., Lai, W., Man, T., Chang, B., Li, L., Chandrasekaran, A. R., & Pei, H. (2019). Rationally engineered nucleic acid architectures for biosensing applications. Chemical reviews, 119(22), 11631-11717.

[30] Labanieh, L., Majzner, R. G., & Mackall, C. L. (2018). Programming CAR-T cells to kill cancer. Nature biomedical engineering, 2(6), 377-391.

[31] Akyildiz, I. F., Pierobon, M., Balasubramaniam, S., & Koucheryavy, Y. (2015). The internet of bio-nano things. IEEE Communications Magazine, 53(3), 32-40.

[32] Kim, D. H., Lu, N., Ma, R., Kim, Y. S., Kim, R. H., Wang, S., ... & Rogers, J. A. (2011). Epidermal electronics. science, 333(6044), 838-843.

[33] Jornet, J. M., & Akyildiz, I. F. (2014). Graphene-based plasmonic nano-antenna for terahertz band communication in nanonetworks. IEEE Journal on selected areas in communications, 31(12), 685-694.

[34] Moor, M., Banerjee, O., Abad, Z. S. H., Krumholz, H. M., Leskovec, J., Topol, E. J., & Rajpurkar, P. (2023). Foundation models for generalist medical artificial intelligence. Nature, 616(7956), 259-265.

[35] Bruynseels, K., Santoni de Sio, F., & Van den Hoven, J. (2018). Digital twins in health care: ethical implications of an emerging engineering paradigm. Frontiers in genetics, 9, 31.

[36] Corral-Acero, J., Margara, F., Marciniak, M., Rodero, C., Loncaric, F., Feng, Y., ... & Lamata, P. (2020). The ‘Digital Twin’to enable the vision of precision cardiology. European heart journal, 41(48), 4556-4564.

[37] Hanahan, D. (2022). Hallmarks of cancer: new dimensions. Cancer discovery, 12(1), 31-46.

[38] Dagogo-Jack, I., & Shaw, A. T. (2018). Tumour heterogeneity and resistance to cancer therapies. Nature reviews Clinical oncology, 15(2), 81-94.

[39] Acosta, J. N., Falcone, G. J., Rajpurkar, P., & Topol, E. J. (2022). Multimodal biomedical AI. Nature medicine, 28(9), 1773-1784.

[40] Lee, H., Song, C., Hong, Y. S., Kim, M., Cho, H. R., Kang, T., ... & Kim, D. H. (2017). Wearable/disposable sweat-based glucose monitoring device with multistage transdermal drug delivery module. Science advances, 3(3), e1601314.

[41] Fadeel, B., Farcal, L., Hardy, B., Vázquez-Campos, S., Hristozov, D., Marcomini, A., ... & Savolainen, K. (2018). Advanced tools for the safety assessment of nanomaterials. Nature nanotechnology, 13(7), 537-543.

[42] Dagdeviren, C., Yang, B. D., Su, Y., Tran, P. L., Joe, P., Anderson, E., ... & Rogers, J. A. (2014). Conformal piezoelectric energy harvesting and storage from motions of the heart, lung, and diaphragm. Proceedings of the National Academy of Sciences, 111(5), 1927-1932.

[43] Malgieri, G., & Niklas, J. (2020). Vulnerable data subjects. Computer Law & Security Review, 37, 105415.

[44] Roozbahani M. H. A Review of Digital Twins’ Applications and Challenges in Healthcare and Medicine. Arman Process Journal (APJ). 2025;6(4):25-49.

[45] Abdollahi S. F., Dashti S. E. Optimizing Video Coding Using Neural Networks: A Comprehensive Review of Methods and Applications. Arman Process Journal (APJ). 2025;6(1):67-84.