מבוא: נתונים אמיתיים כ- Catalyst עבור חדשנות מלאכותית

הלבלב המלאכותי - הידוע גם כמערכת של אינסולין אוטומטית (AID) - שינתה באופן יסודי את האופן שבו אנשים עם סוכרת מסוג 1 (T1D) מנהלים את מצבם.על ידי שילוב של ג'ק גלוקוז מתמשך (CGM), משאבת אינסולין ואלגוריתם בקרה, מערכות אלה לכידת אינסולין חיוניות לאחר רמות גלוקוז בזמן אמת, צמצום משמעותי של קבלת החלטות קבועות, למרות התקדמות יוצאת דופן, בטוח יותר, ודרישות מדויקות יותר מאשר ניתוח קריטיות של מערכות בקרה יומיומיות.

הבנת מידע אמיתי-עולם: הגדרות, מקורות וערך ייחודי

נתונים אמיתיים מתייחסים למידע הקשור לבריאות שנאסף באופן שגרתי ממגוון מקורות מחוץ להקשר של ניסויים מבוקרים אקראיים מסורתיים (RCTs) הערך שלה הוא ביכולתו לשקף את ההטרוגניות של אוכלוסיות סבלניות בפועל, יום-יומיות ועד היום, והשפעות סביבתיות המשפיעות על ביצועי המכשיר.

  • (FLT:0) לפקחי גלוקוז מתקדמים (CGMs): מכשירים 1:1 כמו Dexcom G6/G7, Abbott FreeStyle Libre, ו- Medtronic Guardian מייצרים מדידות גלוקוז גבוהות (כל 5-15 דקות) במשך שבועות או חודשים. זה נתונים מסיביים ללכוד גמישות גליקולארית, זמן-טווח (TIR), והשפעה של ארוחות, פעילות גופנית, לחץ.
  • (FLT:0) אינסולין שואב נתונים: FLT:1Builds record basal rate, מינונים בולים, התאמות ביסטל זמניות, ואזעקות. בשילוב עם נתוני CGM, הם מספקים תמונה מלאה של התנהגות מערכתית.
  • רשומות בריאות אלקטרוניות (EHRs): ibph:1 ; EHRs מכיל תוצאות מעבדה (למשל, HbA1c, פרופילים ליומנים), אבחון, היסטוריה של תרופות וסיבוכים נתונים.קישור נתוני EHR למכשירים מאפשר ניתוח ותיק של תוצאות.
  • (FLT:0) רשם: רשם בקנה מידה גדול של קונסולות כגון רשת שיפור איכות T1D Exchange ו-DPV הגרמנית/Austrian DPV מצטבר תוצאות של עולם אמת מאלפי חולים.
  • (FLT:0) יישומי בריאות ניידים ותוצאות של מטופלים: VisFLT 1 Apps כי לו ארוחות, פעילות, ורווחה רגשית להוסיף הקשר למגמות גלוקוז, עוזר לחוקרים להבין השפעות התנהגותיות.

(FLT:0) מדוע RWD שונה מהנתונים הקליניים: ⁇ FLT 1 RCTs בדרך כלל לרשום אוכלוסיות הומוגניות עם קריטריונים של הכללה קפדנית (למשל, לא לאחרונה קטואידוזיס סוכרתית, בסיס HbA1c בין 7.0 עד 10.0%), והם פועלים תחת לוח זמנים מעקב סטנדרטי.

כיצד RWD מאשר חדשנות מלאכותית

מחזור העיצוב הרציני של מערכת הלבלב מלאכותי – החל מזיקוק אלגוריתם ועד לאימות קליני לשיפור השיווקי – מודלק על ידי נתונים. RWD מאיץ כל שלב על ידי מתן נתונים גדולים, ארוכי טווח שמשקפים כיצד מערכות מבוצעות בתנאים אמבולטוריים אמיתיים.

אימון ואימות ב- Scale

אלגוריתמים סגורים מודרניים מסתמכים על למידת מכונה (ML) ועל שליטה חיזוי מודל (MPC) אלגוריתמים אלה דורשים כמויות עצומות של נתונים כדי ללמוד דפוסי משלוח אינסולין אופטימליים ולטפל בדינמיקה הלא ליניארית של רגולציה גלוקוז.RWD מציעה בדיוק כי: חודשים של פתרונות CGM ודוחפת נתונים ממאות או אלפי משתמשים בעולם האמיתי יכולים להכשיר אלגוריתמים על נתונים כדי לזהות דפוסים כגון התופעה, חשיפה לדלקת ריאות, חומרים, חומרים דמוגרפיים, לאחר טיפול כירורגית, לאחר טיפול תרופתית מוגברת, לאחר טיפול תרופתי, לאחר טיפול תרופתי, לאחר ניתוח קיסרי דם דמוגרפית, לאחר טיפול תרופתי, ו-רכי משקל יתר על פני כדור הארץ, לאחר מתן תרופות דמוגרפית, לאחר טיפול תרופתי.

לדוגמה, פרויקט Tidepool Loop - קוד פתוח, יישום משלוח אינסולין אוטומטי מנקי ה- FDA - השתמש בנתונים בעולם האמיתי מצטברים של משתמשים בקהילה כדי לחדד את ההיגיון שלה באופן קבוע, קבוצות אקדמיות כגון JDRF במימון בינלאומי A מלאכותי Pancreas מחקר לעתים קרובות לייבא RWD מרשם כדי לדמות כיצד אלגוריתמים חדשים יבצעו לפני שיגור ניסויים קליניים.

מעקב וביצועים אמיתיים ובטיחות

לאחר שמערכת הפנקרות מלאכותית מאושרת, מעקב אחרי שוק הופך חיוני. סוכנויות רגולטוריות כמו מינהל המזון והתרופות האמריקאי (FDA) וסוכנות התרופות האירופית (EMA) מעודד יצרנים לאסוף RWD כדי לזהות אירועים חריגים נדירים, בעיות ביצועים חיישן, או באגים אלגוריתמים שעולים רק לאחר שימוש נרחב.

RWD מאפשר גם ניטור בטיחות מתמשך באמצעות FLT:0 â €-real-Time לוחות המחוונים של זמן אמת-אמת-אמת-אמת-אמת-אמת-אמת-אמת-אמת-אמת-אמת-אמת-אמת-אמת-אמת-אמת-אמת-הזמן-השעה 1 [על ידי הזרמת CGM ועיבודקת נתונים מהסכמה למשתמשים, יצרנים ורגולטורים יכולים לזהות מגמות – כגון עלייה באירועים היפוגליקמיה חמורים בתנאי מזג אוויר ספציפיים – ומקרי חירום במקרים של היפוגליקמיה במהלך תנאי מזג אוויר ספציפיים – והודעות או לזכור הודעות באופן יזום.

טיפול בחולי-Centric והתאמה אישית

לא כל אדם עם סוכרת מגיב באותה הדרך למערכת משלוח אינסולין אוטומטית.גורמים כמו תבניות פעילות, הרכב ארוחות, לחץ, ואפילו מחזורי הווסת יכולים להשפיע באופן דרמטי על דינמיקת גלוקוז. RWD מקבוצות גדולות מאפשר לחוקרים לזהות תת-פופוריאציות שעשויות ליהנות מפרמטרים שונים או תצורה אלגוריתמית.לדוגמה, נתונים מ-DPV הראו כי מתבגרים עם רמות פיזיות גבוהות היו תוצאות טובות יותר כאשר מערכת הבקרה הזו כללהה את ה-ה של מערכות בקרה מותאמות אישית.

יתר על כן, RWD מאפשר פיתוח של מודלים חיזוי כי לצפות hypoglycemia או hyperglycemia שעות מראש. על ידי אימון מודלים אלה על אלפי פרופילים בעולם האמיתי, הם יכולים להיות מותאמים לחתימה הייחודית של הפרט, המוביל באמת הסתגלות סגורה-פרלופ שליטה.

קבלת החלטות של ראיות אמיתיות בעולם (RWE)

הביטוי (FLT:0) בעולם האמיתי ראיות מתייחס לראיות הקליניות שנוצרו מניתוח RWD. במהלך העשור האחרון, גופי רגולציה הכירו יותר ויותר את RWE כתוספת או אפילו עדות ראשונית לסוגים מסוימים של הגשת מכשירים רפואיים - במיוחד עבור מכשירים שכבר אושרו ולמען מחקרים שלאחר שוק.

בשנת 2018 ה- FDA פרסם מסגרת לשימוש ב-RWD בקבלת החלטות רגולטוריות, ולאחר מכן מסמכי הדרכה על השימוש ב-RWD כדי לתמוך באישור טרום-שיווק של מכשירים רפואיים.עבור מערכות הלבלב מלאכותיות, ה- FDA קיבל את RWE:

  • תמיכה בלייבל הרחבה (למשל, עבור אוכלוסיות רופאות או בהריון).
  • להפגין בטיחות לטווח ארוך ויעילות מעבר לחלון הניסוי הקליני הממוצע של 3-6 חודשים.
  • אספקת מידע להשוואה (FLT:0) לחוקרי חיל האוויר (RCT) 1:1 שבו RCT הוא לא מעשי או לא אתי.
  • עדכונים אלגוריתמים לא דורשים ניסויים מרכזיים חדשים, תחת הרעיון של "היסטוריית העיצוב המותקנת".

דוגמה בולטת היא ה- FDA של עדכון קושחה עבור מערכת הבקרה-IQ המבוססת בעיקר על נתוני ביצועים בעולם האמיתי שנאספו מ- 10,000 משתמשים.עדכון שיפר את זמן-טווח על ידי 2.5 נקודות ללא hypoglycemia מוגברת - אפקט עקבי עם RCT הקודם אבל נצפה בשימוש שגרתי.

בינלאומי, EMA מפעילה גישה לנתיבים הסתגלותיים אשר גם מעודדת שילוב RWE.רשת האירופית להערכה של טכנולוגיית בריאות (EUnetHTA) ו-ReAl-world Data Initiative (READI) מפתחים סטנדרטים באופן פעיל כדי לפגוע בקבלת RWD בכל המדינות החברות.

עם זאת, הציפיות הרגולטוריות דורשות כי RWD ייאסף באופן שיטתי, עם ממשל נתונים ברור, מערכות קודמות מאומתות, ושיטות אנליטיות חזקות למזער את ההטיה.ה- FDA הדגיש כי RWD חייב להיות מתאים למטרות, כלומר איכות הנתונים והשלמות לעמוד בסטנדרטים של מחקר מבוקר על השאלה הספציפית בהישג יד.

אתגרים ב- Leveraging Real-World Data

למרות הפוטנציאל שלו, RWD אינו תרופת פלאמה. השימוש בו בחדשנות הלבלבית פרצופים כמה מכשולים הדורשים הפחתה זהירה.

איכות נתונים וסטנדרטיזציה

(הופנה מהדף מקורות מרובים סובלים לעתים קרובות מחוסר עקביות: מותגים שונים של CGM יש דיוק שונה, נתוני משאבה עשויים לכלול אוקדות שקטות, ונתוני EHR יכולים להכיל ערכים חסרים או מחוסנים.כדי להפיק תובנות אמינות, החוקרים חייבים ליישם קריטריונים קפדניים - סינון של קריאה שגויה, התאמת אזורי זמן, ונרמל יחידות LT:0 מסובייקטציות מכשירים ו-F2bize הם דוגמאות רחבות של חלבון:

פרטיות ואבטחה

RWD לעתים קרובות כולל מידע רגיש מאוד - רמות גלוקוז נוקשות, מנות אינסולין, ודפוסי פעילות מבוססי GPS.תקנות כגון HIPAA (בארה"ב) ו-GDPR (באירופה) כופים דרישות מחמירות לאיסוף נתונים, זיהוי והסכמה על חולים חייבים להיות מודעים באופן מלא על האופן שבו הנתונים שלהם ישמשו, ויש להם את היכולת של הקבוצה לסגת, יתר על כן, רגולציה נגד פלטפורמות אבטחה מרובות, אבל תכונות אבטחה, במיוחד כאשר הם יכולים לשלב באופן מלא של מידע.

בחירת ביס וקונפדינג

RWD הוא התבוננות בטבע - מטופלים עצמיים אלקטרוניים לתוך שימוש במכשיר מסוים או אפליקציה. אימוץ מוקדם של מערכות הלבלב מלאכותי עשוי להיות יותר רב-שבי-טק, יש בריאות גבוהה יותר, או יש שליטה גליקוללית טובה יותר מאשר אימוץ מאוחר יותר.זה יוצר הטיה בחירה שיכולה לנפח יעילות, מדבקת גורמים כמו שינויים עונתיים, התערבות תזונתית, או תרופות שוליות עלולות להיות מניתוחים מתאימים של תפקודים, כגון, כלומר, כלומר, עם מודלים של הסתגלות, או ניתוח יעיל, כגון, או ניתוח התאמות-מתאים מתקדמים, כמו מודלים של מודלים של מודלים של תפקודים, או ניתוח תואמים, כמו, כמו, כמו מודלים של מודלים של אבחון מתקדם, או ניתוחי-מתאים מתקדמים, או ניתוח תואמים, או ניתוח תואמים, או ניתוחי-מתאים מתקדמים, כמו מודלים של תפקוד אמיתי, כמו תואמים, כלומר, או ניתוחי, כמו שיטות ניתוחי-מתאים מתקדמים, כמו מודלים של תפקוד יעיל.

אחריות ושוויון

רוב RWD מגיע מאוכלוסיות במדינות בעלות הכנסה גבוהה עם מערכות בריאות ממוחזרות היטב.החוויה של חולים במדינות בעלות הכנסה נמוכה ובינונית, או בקרב מיעוטים מוחלשים במדינות רבות, לעתים קרובות מיוצגת. בעוד RWD תופס יותר מגוון מאשר RCTs, עדיין יש שפע של פערים.מפתחים חייבים לחפש נתונים מדמוגרפיות מגוונות כדי להבטיח כי לא להחמיר את הבריאות, אבל המטרה של 1.FValphts כמו: 1.Factreples.

כיוונים עתידיים: AI, Digital Twins ו-Colaborative Data Ecosystems

הדור הבא של חדשנות הלבלבית יהיה יותר ויותר מונע נתונים, עם RWD משחק תפקיד מרכזי עוד יותר. 3 מגמות מתעוררות עומדות.

אינטליגנציה מלאכותית ו- Predictive Analytics

על ידי שילוב למידה עמוקה עם RWD בקנה מידה גדול, החוקרים יכולים לבנות מודלים החיזוי גלוקוז טרמפטוריות עד 60 דקות מראש עם דיוק גבוה.מודלים כאלה יכולים להיות מוטבעים ישירות לתוך מערכות AID כדי להתאים באופן מכריע את העברת אינסולין לפני היפרגליקמיה או hypoglycemia מתרחשת יותר, יתר על כן, למידה מופחתת - שבו מודלים מאומנת על פני בתי חולים או מכשירים מרובים ללא העברת נתונים - מוקדם בזמן שמודלים נדיר הראות של חומרים דומים.

תאומים דיגיטליים של הפנקרות מלאכותיות

תאום דיגיטלי הוא העתק וירטואלי של מערכת מטבולית של המטופל, מעודכן ללא הרף עם נתוני חיישן בעולם האמיתי.שימוש ב-RWD, החוקרים יכולים ליצור תאומים דיגיטליים עבור אלפי אנשים ולדמיין את ההשפעה של פרמטרים שונים, מיקום חיישן, או סוגי אינסולין ללא סיכון לחולה. גישה זו מאיצה את ההתפתחות על ידי מתן מהיר של השקיה ב-Ricico.

מערכות מידע שיתופיות ופלטפורמת Open Platforms

(ב) אין ישות אחת מספיק RWD כדי ללכוד את כל הכדאיות של פלטפורמות T1D פתוח-נתונים כגון:0 OpenAPSIRFLT:1 ו-FLT:2 NightscoutFLT 3 (D. Open-D) הוכיחו את הכוח של נתונים קהילתיים וטכנולוגיות הגנה סטנדרטיות, אך הם לא היו מתקינים את מאמצי הממשל העתידי - כמו פרויקט 4DRDRDIADR.

מסקנה

נתונים אמיתיים משנים את האופן שבו מערכות הלבלב מלאכותיות מפותחות, מאומתות ומשתפרות.מאלגוריתמים חזקים כדי ליידע החלטות רגולטוריות, RWD מספק את הקישור החסר בין ניסויים מבוקרים לבין המציאות היפה של ניהול הסוכרת היומית.הדרך קדימה דורשת שיתוף פעולה בין מהנדסים, רופאים, רגולטורים, והחשוב מכל, מטופלים, דורשות השקעות בנזקים של נתונים, שמירה על פרטיות, ושוויון לצורות חדשות של נתונים, ללא ספק, ללא ספק, כדי לספק מידע חכם יותר, ללא ניתוחי אבטחה.

מקורות נוספים (בתרגום חופשי:0)

  • תוכנית ראיות אמיתיות של ה-FDA:0 (https: www.fda.gov/science-research/real-evidenceFLT:1
  • ADA התקנים של טיפול בטכנולוגיית הסוכרת:0.25 ,99doi.org/10.2337/dc24-S007cioFLT:1
  • המאמר על RWD ו- AI לסוכרת:0 ,https:doi.org/10.1038/s41746-00699-8ph
  • מחקר פאן-לביבי:0.25: www.jdrf.org/research/artificial-pancreas/IRLT:1