Big Data Analytics는 새로운 당뇨병 치료법의 발견을 가속화하는 방법

소개: 당뇨병 Epidemic와 큰 자료의 약속

당뇨병은 당뇨병, 1 형 당뇨병, 2 형 당뇨병, 그리고 제형 형태를 무시하고, 가장 압박 글로벌 건강 문제 중 하나 남아있다. 국제 당뇨병 연맹에 따르면, 약 537 만 명의 성인은 2021 년 당뇨병으로 생활하고, 2045 년의 프로젝트 소아를 783 만. 질병은 심각한 경제 부담을 부과, 의료 지출에 매년 예상 $ 966 억을 요하는 비용. 전통 마약 발견, 비고적으로 분석하고, 거의 수십 년 동안의 데이터를 분석하고,이 시장은 크게 변화하고, 새로운 시장의 변화에 영향을 미칠 수 있습니다.

Diabetes 연구에 있는 큰 자료의 확장 역할

빅데이터는 단일 기술이 아니라 데이터 소스 및 분석 도구의 생태계가 아닙니다. 당뇨병 연구에서 5 가지 주요 데이터 스트림은 융합됩니다.

전자 건강 기록: 진단, 약물, 실험실 값(예: HbA1c, 빠른 포도당), 그리고 comorbidities를 포함한 경도 환자 역사. EHRs는 이제 수백만의 환자의 데이터를 캡처하고, 전통적인 무작위 재판으로 불가능한 대규모 관찰 연구를 가능하게 합니다.
Genomic and Multi-Omics Data: 전형성 sequencing, transcriptomics, proteomics, 그리고 수천 명의 개인의 대사bolomics, 유전적 predispositions 및 분자 subtypes. 인간 게놈을 sequencing의 비용은 $600 미만으로 감소, 영국 Biobank와 같은 인구 규모 데이터 세트를 생성 할 수 있습니다. 500,000.
Wearable Device and Sensors: 연속 포도당 모니터(CGMs), 피트니스 트래커, 스마트 인슐린 펜 실시간 물리 데이터 생성. 단일 CGM 센서는 일당 288 glucose 판독을 생산하고, 개입에 동적 응답을 표시할 수 있는 강렬한 임시 데이터를 제공합니다.
Clinical Trial Data]: 관측 연구 및 등록에서 레거시 시험 데이터셋과 실제 증거(RWE). 제약 산업은 현재 이차 통찰력을 위해 채굴되는 이전에 실로즈 데이터의 petabytes를 보유하고 있습니다.
Public and Proprietary Databases: 영국 바이오 뱅크와 같은 자원, 우리 연구 프로그램, FinnGen의 모든, 그리고 Diabetes Genetics Initiative는 발견을 가속화하기 위해 개방적으로 접근 가능한 데이터를 제공합니다.

이 분산 데이터 소스의 통합은 필수 과제를 제시합니다. 데이터 이진성, 누락된 값, 개인 정보 보호 제약 (HIPAA/GDPR) 및 데이터 표준의 차이는 강력한 데이터 조화와 안전한 탈중앙 학습 접근 방식을 요구합니다. 연구자들은 점점 더 개인 정보 보호 정책 분석, 합성 데이터 생성 및 차별 개인 정보 보호와 같은 플랫폼을 사용하여 환자의 기밀성을 막지 않고 통찰력을 잠금 해제합니다. 예를 들어, [:0] 데이터 분석 및 데이터 분석 (Ec-Oc-Oc-Oc-Oc-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c-c

이 웹 사이트는 귀하가 웹 사이트를 탐색하는 동안 귀하의 경험을 향상시키기 위해 쿠키를 사용합니다. 이 쿠키들 중에서 필요에 따라 분류 된 쿠키는 웹 사이트의 기본적인 기능을 수행하는 데 필수적이므로 브라우저에 저장됩니다. 또한이 웹 사이트의 사용 방식을 분석하고 이해하는 데 도움이되는 제 3 자 쿠키를 사용합니다. 이 쿠키는 귀하의 동의하에 만 브라우저에 저장됩니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다. 이러한 쿠키 중 일부를 선택 해제하면 검색 환경에 영향을 미칠 수 있습니다.

데이터 분석은 약 발견을 가속화

약물 발견 파이프라인-대상 식별에서 preclinical 테스트, 임상 시험, 그리고 규제 승인—모든 단계에서 큰 데이터에서 이익. 아래 우리는 데이터 분석이 새로운 당뇨병 치료에 대한 진행을 가속화하는 핵심 메커니즘을 검사.

대상 식별 및 검증

이 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구는 연구에 따르면, 연구에 따르면, 연구는 연구에 따르면, 연구에 따르면, 연구는 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구는 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구는 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구에 따르면, 연구

GLP-1 수용체 주작동근 GLP-1 수용체 주작동근 ] 종류, 이제 당뇨병 치료의 mainstay입니다. 초기 게놈 분석은 인슐린 분비의 중요한 규칙으로 GLP-1R 유전자에 지적. UK Biobank 및 의 데이터 사용과 같은 심각한 대규모 유전체 연구가 있음을 확인했습니다. )는 이식성 물질을 나타내는 유전자를 발견하는 것이 더 깊숙한 구조의 변형을 나타내고, 이식은 유전자를 발견하는 것을 갖춰줍니다.

또 다른 예는 AMP T2D 컨소시엄에서 나온다. 인간적인 췌장의 이물질 데이터는 유전자를 식별하기 위해 유전적 협회 신호를 가진 유전자 TCF7L2]]를 높 습지 대상으로 통합한다. 기능 연구는 TCF7L2가 베타 세포에서 Wnt 신호를 조절하고, 이 병리학의 작은 molecule의 작은 molule은 이제 개발중인 개발중인 개발이다.

약물 응답을 위한 예측 모델링

큰 데이터의 가장 흥미로운 응용 중 하나는 개인 환자가 주어진 약물에 반응하는 방법을 예측하고 있습니다. 전통적 시험은 이진 인구의 평균 치료 효과, 종종 이익을 얻는 하위 대중화 (또는 해치)를 누락했습니다. 기본 실험실 값, 인구 통계, 게놈 마커 및 사전 약물 역사에 훈련 된 기계 학습 모델은 환자를 명백한 응답자 그룹으로 자극 할 수 있습니다.

예를 들어, Stanford Medicine 타입 2 당뇨병으로 10,000 환자에서 EHR 데이터를 사용하여 metformin failure ()을 예측하는 데 필요한 환자를 식별합니다. Nature Medicine])에 게재 된 이러한 도구는 임상 시험 포함을 알려줍니다. 이 모델은 0.85의 AUC를 달성했으며, 18 개월 이내에 추가 치료가 필요한 환자를 식별합니다. 이러한 도구는 임상 시험 포함 포함, 표준을 알려 주며, 해당 값은 시장의 단축, 시장의 비용 절감, 비용 절감, 비용 절감, 비용 절감, 비용 절감, 비용 절감, 비용 절감, 시장의 증가.

metformin를 넘어, polygenic 위험 점수 (PRS)는 sulfonylureas, thiazolidinediones 및 DPP-4 억제물에 대한 응답을 예측하기 위해 개발되었습니다. UK Biobank]에 12,000 환자의 2024 메타 분석은 sulfonylurea 응답을 위해 가장 높은 PRS decile에 개인이 2.3 배 더 큰 HbA1c 감소를 위해 그 동안 PRS를 결정했습니다. 이제는 임상 시험에 대한 가장 빠른 개발의 2 년 동안 임상 시험에 대한 임상 시험에 대한 임상 시험에 대한 임상 시험.

CGM 데이터 분석에 대한 단순하고 깊은 학습 알고리즘은 전적으로 hypoglycemic 이벤트 일 예측할 수 있습니다. Google Health]과 JDRF]가 개발 한 모델은 전 CGM 데이터의 6 시간 만 사용하여 nocturnal hypoglycemia를 예측하는 92% 감도를 달성했습니다. 이러한 예측은 환자의 안전을 개선하지 않지만, 제약 회사가 간접적으로 설계하거나, II 치료에 대한 자세한 정보를 제공합니다.

임상시험 설계

임상 시험은 약물 개발의 속도 제한 단계입니다. 큰 데이터 분석은이 병목을 통해 감소시킵니다.

Adaptive Trial Designs: 여러 팔에서 간 데이터를 사용하여 Bayesian 통계 모델은 무작위화 비율을 조정하거나 초기 유효 팔을 드롭합니다. ]FDA의 최근의 적응 디자인에 대한 안내]]는 이 접근을 권장합니다 (]]FDA 안내). 당뇨병에서, []]:700,000/]]:7]:700,000/]]:7]
디지털 트윈: 과거 환자 데이터를 기반으로 하는 인공지능 생성 합성 컨트롤은 위약 팔, 30~50%로 등록 시간을 절단하는 데 필요한 것을 감소시킵니다. 최근 Takeda Pharmaceuticals]] 파일럿은 디지털 트윈을 사용하여 실제 등록을 대체하고 통계적 전력을 유지하면서 14개월 동안 시험 기간을 감소시킵니다.
Patient Recruitment: EHRs의 자연 언어 처리 추출물은 환자를 평가하기 위해 노력합니다. Mercatus Center study]는 이러한 도구가 40%로 채용 효율성을 향상 시켰습니다. TrialReach platform는 이제 당뇨병 환자가 2,000여 가지 이상의 활성 임상시험을 통해 당뇨병의 비율을 갖게 됩니다.
사이트 선택: 예측 모델은 높은 등록 잠재력과 좋은 프로토콜 준수, 최소화 지연을 가진 임상 사이트를 식별합니다. 500 당뇨병 평가판의 역사적인 데이터에 훈련 된 모델은 사이트 활성화 시간에 25 % 감소를 달성했습니다.

예를 들어, RADICAL-HF Trial는 당뇨병 관련 심장 장애를 위해 30개 사이트에서 데이터를 해소하기 위해 클라우드 기반 분석 플랫폼을 사용하며 실시간 모니터링 및 적응 변화가 가능합니다. 시험은 일정 6개월 전의 등록을 완료하고 새로운 SGLT2 억제제 조합을 위한 초기 증거를 제공했습니다.

또 다른 혁신적인 접근법은 경도 EHR 데이터의 사용으로 propensity-score 일치된 역사적인 컨트롤을 구성합니다. RECOVERY trial] 타입 2 당뇨병 치료에 대한 이러한 외부 제어 팔이 최대 40%까지 동시 위약 그룹에 대한 필요를 줄일 수 있다고 입증 된 반면, 여전히 강력한 효능 추정을 생성하는 동안 전통적인 무작위 디자인.

Real-World 증거 및 포스트 시장 감시

약이 시장에 도달 한 후, 큰 데이터는 중요한 역할을 계속합니다. 보험 청구, EHRs 및 등록에서 실제 증거 (RWE)는 희귀 한 불리한 사건을 식별하고, 더 넓은 인구에서 유효성을 검증하고 새로운 표시 (drug repospuring)을 발견합니다. FDA의 Real-World Evidence Program (] FDA RWELT[[FLT]]] ] ] [FLT:]]] [FLT:]]] [FLT:]] [FLT:]]]

RWE는 또한 지속적인 약리학을 가능하게 합니다. ]한국어 신호 탐지 학문 2백만대의 당뇨병 환자에서 EHRs를 사용하여 3개의 이전에 인식한 약을 발견했습니다 – hypoglycemia와 관련있는 약리그 상호 작용, 업데이트된 포장 삽입 및 임상 결정 지원 경고를 지도하.

사례 연구 및 성공 사례

당뇨병 치료 발견에 대한 큰 데이터의 무형적 영향을 설명하는 몇 가지 최근의 이니셔티브.

사례 연구 1 : EHR Mining을 통한 약물 재분쇄

Vanderbilt University는 30백만개의 EHR 레코드를 통해 분석하여, 이미 다른 조건에서 승인된 약물을 식별하여 글리세라이드 컨트롤을 향상시킬 수 있습니다. 그들의 알고리즘은 niclosamide](안항 헬로메딕)을 사용하여 AMPK를 활성화하고 hepatic glucose 생산을 감소시킵니다. 이때 임상시험은 현재 2년 동안 임상시험을 통해 임상시험을 확인한 후, 임상시험을 실시한 후, 임상시험을 실시한 결과의 결과가 2년 동안의 임상시험을 실시한 것으로 나타났습니다.

사례 연구 2 : 개인화 치료를위한 Genomic Stratification

이 연구는 임상시험에 대한 연구와 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발, 연구 및 개발 및 개발 및 개발, 연구 및 개발 및 개발 및 개발 및 개발, 연구 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발, 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발.

사례 연구 3 : Beta-Cell Protection Biomarkers 기계 학습

베타 세포 감소를 방지하는 것은 유형 1 당뇨병을 위한 중요한 목표입니다. 에서 팀JDRF와 IBM Watson Health]]는 C-peptide 수준, autoantibody profiles, 그리고 CGM data from 2,500 환자에서 CGM data from TrialNet] 학습을 훈련했습니다. [LT:3]]는 임상시험에 대한 3년 동안의 임상시험을 실시하고 있습니다. ]]는 임상시험에 있는 3년 동안의 임상시험을 실시하고 있습니다.

미래 지향과 도전

큰 데이터와 인공 지능의 통합은 당뇨병 약물 발견을 더욱 가속화하기 위해 poised. Emerging 추세는 다음과 같습니다 :

멀티-오믹스 통합 및 디지털 트윈

이 연구는 “DLT:0]]과 같은 신형 플랫폼인 고립에 있는 genomics, proteomics 및 metabolomics 보다는 오히려, ]Google의 DeepVariant 및 ]Cellarity]는 전자 건강 기록에 다 omics 자료 결합하여 개인 환자의 “디지털 쌍둥이”를 창조합니다. 이 가상 사본은 수천의 약물 조건에서 가장할 수 있습니다 ]]는 디지털 방식으로 시험에 있는 “DLT:3”를 위한 디지털 방식으로 시험관을 위한 디지털 방식으로 측정합니다.

Novel 분자 후보에 대한 유전자 AI

유전자 대변 네트워크 (GANs) 및 변압기 기반 모델은 이제 스크래치에서 소설 작은 분자와 생물 공학을 디자인하고 있습니다. 2023 년 [[FLT : 0]]Insilico Medicine[FLT :1]]는 AI와 완전히 발견 된 당뇨병 신경 대뇌종에 대한 후보를 발표했습니다. 임상 시험은 18 개월 후 임상 시험에 들어갔습니다. 분자는 PHD2 억제, LT : 1LT : 1)에 대한 소설 통로를 대상으로 한 소설 경로가, 약 1 억 개의 세포 분석 (FLT : 1)에서 유사한 세포의 세포의 분석에 사용됩니다. [FLT : 1 억 개의 세포의 세포의 세포의 세포를 식별합니다].

또 다른 흥미로운 개발은 약물 - 타겟 관계를위한 생물 의학 문학을 내기 위해 큰 언어 모델 (LLMs)의 사용입니다. BioGPT과 PubMedBERT]는 초록에서 잠재적 당뇨병 약물 표적을 추출하기 위해 미세 조정되어 80 % 이상의 정밀 비율을 달성하고 나중에 실험에서 검증 된 50 가지 새로운 후보 유전자를 식별합니다.

Wearable Data Integration 및 연속 모니터링

CGM 및 피트니스 트래커의 확산은 물리 데이터의 비례없는 볼륨을 생성하는 것입니다. 연구자들은 이제 EHR과 함께이 스트림을 통합하여 임상 설정에 대한 실제 응답을 캡처합니다. 예를 들어, Scripps Research Translational Institute]는 CGM 데이터를 사용하여 8,000 명의 환자에서 혈전 포도당이 혈전을 통해 혈전을 앓고 있습니다. 이 점은 H1의 초기 단계로 측정된 H1의 임상 시험에 비해 훨씬 더 나은 결과를 얻을 수 있습니다.

웨어러블 데이터는 또한 역동적 사건을 위한 원격 모니터링을 가능하게 합니다. Apple Heart Study] 방법론은 당뇨병을 위해 적응됩니다: SGLT2 억제제를 위한 큰 포스트 시장 감시 프로그램은 가을과 syncope의 smartwatch 탐지를 사용하여 즉시에 있는 hypoglycemic 사건을, 임상 시험 조사자에 직접 보내진 경고와 더불어.

윤리 및 규정

이 연구는 수많은 연구와 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발, 연구 및 개발 및 개발, 연구 및 개발, 연구 및 개발 및 개발, 연구 및 개발, 연구 및 개발 및 개발 및 개발, 연구 및 개발 및 개발 및 개발 및 개발, 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발, 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발 및 개발.

데이터 Silos

AMP T2D는 전 세계 여러 국가에서 온 약 1억 명의 환자를 대상으로 한 데이터 분석을 통해 분석된 데이터 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석, 분석,

또 다른 중요한 개발은 블록체인 기반 데이터 마켓 플레이스의 출현입니다. Healthereum과 Ocean Protocol는 이제 환자가 보상을 교환하는 연구원과 직접 EHR 및 게놈 데이터를 공유할 수 있도록 허용하고, 기관 실로를 우회합니다. 5,000 유형의 당뇨병 환자가 이 접근의 우정을 입증하는 데 필요한 파일럿이 있으며, 참가자의 70%는 12억 달러의 데이터 센터를 통해 2억 달러의 데이터 센터를 기록했습니다.