Данный обзорный труд представляет собой комплексное исследование области цифровых двойников (Digital Twins), управляемых искусственным интеллектом, в контексте медицинской диагностики. Авторы систематизируют ключевые технологии, лежащие в основе создания виртуальных моделей пациентов, включая методы машинного обучения и интеграцию данных реального времени. В работе детально анализируются основные сферы применения: от персонализированного прогнозирования течения заболеваний до высокоточной имитации физиологических процессов. Исследование выявляет критические барьеры на пути массового внедрения технологии, такие как вопросы конфиденциальности данных, вычислительная сложность моделей и необходимость стандартизации протоколов. Результаты подчеркивают, что интеграция цифровых двойников способна радикально повысить точность превентивной медицины и оптимизировать клинические решения. Работа служит фундаментальным руководством для исследователей и разработчиков медицинских ИИ-систем нового поколения.