据The Verge 10月14日报道，The Verge资深评测人Victoria Song在Optimizer专栏中称，她过去约100天使用Twin Health的数字孪生程序，用连续血糖监测和智能设备采集的数据预测自己对食物的血糖反应，并据此选择饮食。文章称，这是数字孪生技术进入代谢管理的一次现实测试。
数字孪生在医疗和体育领域仍属较新的概念。它是一个由实验室数据、可穿戴设备数据、影像、基因档案等构建的个人虚拟模型，并会随时间持续更新。按文章描述，临床医生可利用AI先在数字孪生上“测试”药物或治疗方案，观察患者可能出现的反应，进而评估受伤风险、预测疾病进展、实施预防性护理，并尽量减少对真实患者的不良影响。文章认为，这有望推动个性化医疗，而代谢指导可能是目前风险最低、收益最直观、可在现实世界测试的版本。
Twin Health是一个帮助人们“修复”代谢的数字孪生项目，目标包括减重、管理糖尿病、改善睡眠等。它尚未广泛开放下载，数字孪生仍处于实验阶段，目前只能通过企业或私人健康计划获得，通常面向有慢性代谢问题的人群。Victoria Song的代谢数字孪生在6月“诞生”，Twin Health寄来一个大箱子，里面包括90天用量的Dexcom G7连续血糖监测仪、智能秤、智能血压计、三瓶复合维生素和甘氨酸镁。她还使用Apple Watch，并前往Quest Diagnostics抽血做进一步分析。
几天后，她通过Zoom与Twin Health的人类教练Amanda和一名医生查看实验室结果。文章列出的结果显示：她的肝脏有炎症，但考虑到她已被诊断出中度非酒精性脂肪肝，这可以理解；尽管HbA1c和空腹血糖理想，但她存在胰岛素抵抗；胰腺似乎在超负荷工作，不过产生胰岛素的β细胞数量暂时看起来正常。她的甘油三酯也偏高，但其余血脂看起来正常。她事前知道自己遗传了较差的代谢，过去一年作为非糖尿病人群测试连续血糖监测仪已清楚证明了这一点。
在医生下线后，Amanda让她定义目标。她提到希望减少维持中年代谢功能所需的药物数量。Amanda记录了她的目标，安排两周后的随访电话，并鼓励她在最初30天里尽可能记录膳食。到90天时，她会再安排一次抽血。
她的日常流程已经形成节奏。醒来后第一件事是“喂养”数字孪生，第一顿“饭”是智能秤直接发送的身体成分数据。数据记入应用后，她到厨房用Owala水杯装柠檬水服药，这也记录在应用中。周一，她会做几次平静呼吸、测量血压，再提供给数字孪生。然后考虑早餐时，她会咨询数字孪生。
这个数字孪生更像一个AI驱动的、按颜色编码的食物数据库，用来预测她吃下每种食物后血糖会如何反应。红色不太好，橙色一般，绿色理想。判断基于她输入的数据以及连续血糖监测仪收集的数据。例如，一碗蛋白质Cheerios加牛奶，单独吃是橙色，但如果她饭后按日常散步，就是绿色。她因此决定这样吃和行动，并在Twin Health应用中记录。几小时后，应用会根据她的血糖反应生成一条洞察，她的“孪生”也会变得更准确。这样的流程大约重复了99天。
文章称，她庆幸数字孪生没有自己的虚拟形象，至少没有她能看到的形象，也喜欢抽象的颜色标签。查看一杯菠萝或一个加番茄酱和酸黄瓜酱的火鸡热狗会是什么颜色，带来一种新鲜感。前者是橙色，后者是绿色。