はじめに: 人工膵イノベーションのための触媒としての現実世界データ

人工膵臓は、自動インシュリン供給(AID)システムとも呼ばれ、タイプ1糖尿病(T1D)の個人がその状態をどのように管理するかを根本的に変更しています。連続したグルコースモニター(CGM)、インシュリンポンプ、制御アルゴリズムを組み合わせることで、これらのシステムは、リアルタイムのグルコースレベルに対するインシュリン供給を自動化し、一定の意思決定の負担を大幅に削減します。しかし、驚くべき進歩にもかかわらず、Rreasideは、より安全な行動を促進し、最終的には、Rreasulinの有効性を検証するだけでなく、Rhasulinの実験を効果的に測定し、より効果的に測定する必要となります。

実際のデータを理解する:定義、ソース、およびユニークな値

リアルワールドデータは、従来のランダム化制御試験(RCT)のコンテキスト外にある様々な情報源から収集された健康関連情報を指します。その価値は、実際の患者集団、日〜日間の変動、およびデバイス性能に影響を与える環境影響の異質性を反映する能力にあります。 RWDの主要情報源は、人工膵臓の開発に関連するものです。

  • 連続したグルコースモニター(CGM):]Dexcom G6/G7、Abbott FreeStyle Libre、およびMedtronic Guardianなどのデバイスは、数週間以上、または数か月にわたって高周波グルコース測定(約5〜15分)を生成します。 この大規模なデータセットは、血糖値の変動、時間範囲(TIR)をキャプチャし、食事、運動、ストレスおよびストレスの影響を発生させます。
  • [インシュリンポンプデータ:[]]スマートポンプレコードバサルレート、大腿線量、一時的なバサル調整、およびアラーム。 CGMデータと組み合わせ、それらはシステム動作の完全な画像を提供します。
  • [電子健康記録(EHR):[ EHRsには、ラボ結果(例えば、HbA1c、脂質プロファイル)、診断、薬物履歴、合併症データが含まれています。 EHRデータをデバイスログにリンクすることで、縦方向の結果解析が可能になります。
  • [] 強力なレジストリ:[ T1D Exchange品質改善ネットワークやドイツ/オーストリアDPVレジストリなどの大規模なレジストリは、数千人の患者から現実的な成果を集計します。
  • [モバイルヘルスアプリと患者報告された結果:[[]]]]食事、アクティビティ、感情的な幸福をログに記録するアプリは、グルコース傾向にコンテキストを追加し、研究者が行動影響を理解するのに役立ちます。

[] RWDは臨床試験データと異なっています:[] RCTは通常、厳格な包含条件(例えば、最近の糖尿病性ケトアシドーシス、基準線HbA1c間7.0〜10.0%)で均質な人口を増加させ、標準化されたフォローアップスケジュールの下で動作します。 対照的に、RWDは、子供、高齢者、妊娠中の女性、およびこれらを含むさまざまなユーザーから来ています。 これらは、特定のシナリオに欠落し、これらの問題は、特定の危険性を検知し、特定の危険性を検知し、特定の危険性を検知します。

RWDが人工知能のパンクレアのイノベーションを加速する方法

アルゴリズムの精製から臨床検証まで、人工膵システムの反復設計サイクルは、データによって燃料を供給されます。 RWDは、システムが真の血管条件下でどのように動作するかを反映し、大きな縦方向のデータセットを提供することで、各フェーズを加速します。

スケールでのアルゴリズムのトレーニングと検証

現代のクローズドループアルゴリズムは、機械学習(ML)とモデル予測制御(MPC)に依存しています。 これらのアルゴリズムは、最適なインシュリン配送パターンを学び、グルコース規制の非線形ダイナミクスを処理するために膨大な量のデータを必要とします。 RWDは正確にそれを提供しています:数百または数千の現実的なユーザーからの高解像度CGMおよびポンプデータの月。 開発者は、このデータでアルゴリズムを訓練し、夜明け現象、運動誘発性低域、または多様な投与を可能とし、多様な気候を多様にし、多様なシステム全体の投与を可能にします。

例えば、Tidepool LoopプロジェクトはオープンソースであるFDA認証の自動インシュリンデリバリーアプリで、コミュニティユーザーから集約された現実データを継続的に活用し、そのドッキングロジックを継続的に改善しました。同様に、JDRFファンドファンドの国際人工膵臓研究会は、規制からRWDをインポートし、臨床試験を開始する前に新しいアルゴリズムがどのように実行されるかをシミュレートします。

リアルタイムパフォーマンス監視と安全監視

人工膵臓システムが承認されると、市販の監視は不可欠です。 米国食品医薬品局(FDA)や欧州医薬品庁(EMA)などの規制機関は、RWDを収集して、希少な有害事象、センサー性能の問題、または広範囲にわたる使用後にのみ出現するアルゴリズムのバグを検出する製造業者を奨励します。 例えば、MiniMed 670GシステムからRWDを分析すると、一部のユーザーは永続的な夜間の高血糖値が明らかにされ、ソフトウェアの更新の動作が向上しました。

RWDは、さらに、【]] による継続的な安全監視を有効にします。 特にリアルタイムダッシュボード]。 CGMとポンプデータを閲覧することで、同意したユーザー、メーカー、規制当局からのデータがトレンドを探し出せるようになり、特定の気象条件における重度の低血症イベントの増加や、アラートや通知を積極的に発行することができます。

患者中心のカスタマイズとパーソナライゼーション

糖尿病を持つすべての人が、自動インシュリン配送システムと同じ方法で反応するわけではありません。 活動パターン、食事組成、ストレス、さらには月経周期などの要因は、グルコースの動的に劇的に影響する可能性があります。 大規模なコホーツからRWDは、研究者が異なる調整パラメータやアルゴリズムの設定から利益をもたらすサブトピックを特定することができます。 例えば、DPVレジストリからのデータは、システムに含まれている強度の運動モードが含まれているときに、高体活動レベルがより良い結果をもたらしたことを示しています。 後で、これはタンIQ制御システムのインサイトをパーソナライズされたように通知しました。

また、RWDは、低血糖値低下症や高血症時間の予期を事前に予測する予測モデルの開発を可能にします。これらのモデルを何千もの現実世界プロファイルで訓練することで、個々のユニークなグルコース署名に合わせて、真に適応閉鎖ループ制御を導きます。

リアルワールド証拠の規制受諾(RWE)

フレーズ[現実世界証拠[は、RWD分析から生成された臨床証拠を指します。 過去10年間に、規制機関は、特にデバイスが既に承認され、市場調査のために、特に、特定の種類の医療機器の提出のための補足的または第一次証拠としてRWEをます認められています。

2018年、FDAはRWDを規制の決定書で使用するためのフレームワークを公表し、RWDを使用して医療機器の事前販売承認をサポートするガイダンス文書をフォローしました。 人工的な膵臓システムの場合、FDAはRWEを承諾しました:

  • ラベル作成拡張(例、小児または妊娠中の人口)をサポート。
  • 典型的な3〜6ヶ月の臨床試験ウィンドウを超えて長期にわたる安全性と有効性を実証します。
  • RCTが非現実的または非倫理的である場合、 []] の比較者データを提供します。
  • 新たなピボタルトライアルを要求せずにアルゴリズムの更新を検証します。 「ドキュメント設計履歴」の概念下にあります。

注目すべき例は、コントロールIQシステム用のファームウェア更新の2022 FDAクリアランスで、主に>10,000ユーザーから収集された実世界のパフォーマンスデータに基づいています。更新は、低血糖値の増加なしで2.5パーセントポイントで時間範囲を改善しました。以前のRCTと一致した効果サイズが、定期的な使用で観察されます。

EMAは、RWEの統合を促す適応的な経路アプローチを運営しています。欧州保健技術評価ネットワーク(EUnetHTA)とREAl-world Data Initiative(READI)は、会員の州間でRWDの受諾を調和させるために、積極的に開発基準を策定しています。

しかし、規制の期待は、RWDがシステム的に収集され、明確なデータガバナンス、検証済みのソースシステム、そして、バイアスを最小限に抑える強力な分析方法が必要です。 FDAは、RWDが適度に適していることを強調しています。つまり、データの品質と完全性は、特定の質問に対する制御された研究の基準を満たしていると言えます。

リアルワールドデータを活用するチャレンジ

潜在的なにもかかわらず、RWDはパンセアではありません。人工膵イノベーションでの使用は、慎重に緩和を必要とするいくつかのハードルに直面しています。

データ品質と標準化

複数のソースからのRWDは、しばしば矛盾するのに苦しむ:異なるCGMブランドは、精度が変化しています。ポンプデータはサイレントオクルージョンを含むかもしれません。そして、EHRデータは、欠落または胆したエントリを含むことができます。信頼できる洞察を導き出すには、研究者は厳格な事前処理を実施しなければなりません。フィルタリングアウトの誤読、時間ゾーンの整列、および正規化ユニット。 ]] [相互運用可能なデバイス[FLT[FLT]:1:2]と[FLT]は、標準の[FLT]と[FLT]のプラットフォームの[FLT]を標準:[F]:[FLT]と[F]:[FLT]:[FLT:[F]と[F]:[FLT:[F]と[FLT:[F]:[F]:[F]:[F]:[FLTF]と[F]と[F]:[F]:[F]:[F]:[F]と[F]:[F]の[F]の[F]:[F]の[F]の[F]

プライバシーとセキュリティ上の懸念

RWDは、多くの場合、非常に機密性の高い情報が含まれています。 連続したグルコースレベル、インシュリン用量、およびGPSベースのアクティビティパターン。 HIPAA(米国)やGDPR(欧州)などの規制は、データ収集、識別、および同意に関する厳格な要件を課しています。 患者は、データがどのように使用されるかを十分に通知されなければならないし、それらは同意を取り消す能力を持っている必要があります。 さらに、集計プラットフォームは、特に、異なるデータ収集を組み合わせるときに、再識別攻撃に対して監視しなければなりません。 微分化されたデータは、異なるデータが、異なるデータが、異なるデータを組み合わせるときに、異なるデータを収集することができます。

選択バイアスと共同設立

RWDは、特定のデバイスやアプリを使用して、自然によって観察されます。 人工膵臓システムの早期採用者は、より技術的な精通的であり、より高い健康リテラシーを持っているか、後方採用者よりも優れたベースライン血糖制御を有する可能性があります。 これは、推定誤差を膨脹させることができる選択バイアスを作成します。 同様に、季節変化、食餌介入、または汚染された薬などの要因は、適切な結果が得られない可能性があります。 結論として、これらの分析は、適切な分析結果、適切な分析、適切な分析、適切な分析、適切な分析、適切な分析、適切な分析、適切な分析、および分析、適切な分析、適切な分析、適切な分析、および分析、適切な分析、適切な分析、適切な分析、分析、分析、適切な分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析、分析

汎用性とエクイティ

ほとんどのRWDは、高所得国における人口から、よく資源を積んだ医療システムが生まれています。低所得国や中所得国における患者の経験、または影響力のある国における未成年者の間では、しばしば代表的です。RWDはRCTよりも多様な多様性を捉えながら、依然としてギャップをもちます。開発者は、アルゴリズムが健康の議論を起こさないために、多様な人口統計からデータを積極的に探す必要があります。[FLT]は、これらの問題が進行を遅らせるのを目標にしています。[FLT]は、これらの問題が、これらの問題が解決するの要因を遅らせるために、このアルゴリズムは、これらの問題が、この問題は、この問題は、この問題は、この問題が解決を、この問題が解決するの対象に陥り、その問題が、その問題が、その問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が、問題が解決する可能性があります。

未来の方向性:AI、デジタルツイン、および協調データエコシステム

次世代の人工膵イノベーションは、RWDがさらに集中的に機能するデータドリブンになり、さらには新たなトレンドが現れます。

人工知能と予測分析

大規模なRWDと深く学習することで、研究者は、高精度で60分前にグルコースの軌跡を予測するモデルを構築することができます。そのようなモデルは、高度糖質病や低血糖が起こる前に、インシュリンの配達を優先的に調整するために、AIDシステムに直接埋め込むことができます。さらに、フェデレーションされた学習場モデルは、生データを移動することなく複数の病院やデバイスメーカーを訓練されています。集合RWDを活用して、プライバシーを節約することができます。初期のプロトタイプは、局所的なモデルを偽りなく使用しないモデルを示しています。

人工膵臓のデジタルツイン

デジタルツインは、患者の代謝システムが仮想レプリカで、リアルタイムセンサーデータで継続的に更新されます。 RWD を使用して、研究者は、数千人の個人のためのデジタルツインを作成でき、患者に危険を及ぼすことなく、さまざまなアルゴリズムパラメータ、センサー配置、インシュリンタイプの効果をシミュレートできます。 このアプローチは、開発を加速し、シリコの迅速な反復を可能にします。 例えば、FDA は、学術パートナーと協力して 一般人工膵臓をデジタル一斉に作成し、RWD [FLT] を生成し、実験をシミュレーションすることができます[FLT]。

協調データエコシステムとオープンプラットフォーム

単一のエンティティティティティティティティは、T1Dの全ての脆弱性をキャプチャするために十分なRWDを所有していません。 []OpenAPS]およびNightscout]]などのオープンデータプラットフォームは、コミュニティ生成されたデータのパワーを実証しましたが、標準化されたガバナンスが欠如しています。 将来の努力は、DIAMOND Project[]]]を、患者の防御装置と、および患者の両者による保護を容易にするために、RWDおよび、およびFLTFLTFLTを、およびFLTFLTFLTFLTFLTFを、および、および、および、およびFLTFLTFLTFLTFLTFを、および、および、および、および、および、および、および、およびFLTFLTFLTFを、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、および、およびFのネットワークのネットワークのネットワークの両者による

コンテンツ

リアルワールドデータは、人工膵臓システムが開発、検証、改善された方法を変えています。 堅牢なアルゴリズムのトレーニングから、規制決定を通知するまで、RWDは制御された試験と毎日の糖尿病管理のメッシー、美しい現実間の欠如リンクを提供します。 パスフォワードは、エンジニア、臨床医、規制当局、および最も重要な患者の間でコラボレーションが必要です。 これにより、データ調和、プライバシー保護分析、およびequitableデータ収集の投資が欠如します。 そして、それは、より安全なフレームワークを完全に保持し、より迅速に、RWDを効果的に活用することができます。

外部リソースをさらに読みます:[