Giriş: Yapay Pancreas İnovasyon için bir Catalyst olarak gerçek dünya verileri

Yapay pankreasyonlar - aynı zamanda otomatik bir insülin teslimatı (AID) sistemi olarak da bilinir - temel olarak, bireyleri sürekli bir şekerleme (T1D) durumlarını nasıl yönetebilirler. Sürekli bir glikoz monitörü (CGM), bir insülin pompası ve bir kontrol algoritması, bu sistemler gerçek zamanlı veriye yanıt olarak otomatik olarak otomatik olarak otomatik olarak otomatik olarak otomatik olarak otomatik olarak otomatik olarak otomatik olarak otomatik olarak otomatik olarak teslim eder.

Gerçek Dünya Verisini Anlayın: Tanımlar, Kaynaklar ve Benzersiz Değerler

Gerçek dünya verileri, gerçek hasta popülasyonlarının heterojenliğini yansıtma yeteneğinde, günlük yetimlerden ve çevresel etkilerden yapay pankreasyon gelişimine ilişkin temel kaynakları içerir:

  • [FONT=0)Kontinuous glukoz monitörleri (CGMs): ), Dexcom G6/G7, Abbott FreeStyle Libre ve Medtronic Guardian haftalar veya aylar boyunca yüksek frekanslı şeker ölçümler üretir.Bu büyük veri setleri glycemik yetim edilebilirlik, zaman aralığı (TIR), ve yemeklerin etkisi, egzersiz ve stres.
  • [FONT:0)Insulin pompa verileri:[Dönetici:[Döneticileri, bolus dozları, geçici basal ayarlamalar ve alarmlar. CGM verileri ile bir araya gelir, sistem davranışının tam bir resmini sunarlar.
  • [FONT:0)Electronic sağlık kayıtları (EHR): ) EHR'ler laboratuvar sonuçları içerir (örneğin HbA1c, lipid profilleri), teşhisler, ilaç tarihleri ve komplikasyonlar verileri, uzun analiz sonuçları için Bağlantılı EHR verileri.
  • [FONT:0)Patient kayıtları: [D Exchange Quality Improvement Network ve Alman / Austrian DPV kayıt toplamı binlerce hastadan gerçek dünya sonuçları.
  • [FONT:0)Mobile sağlık uygulamaları ve hasta tarafından bildirilen sonuçlar: Günlük yemekleri, aktivite ve duygusal refahın, davranışsal etkileri anlamalarına yardımcı olmak için bağlam eklediği uygulamalar.

[FONT:0) RWD neden klinik deneme verilerinden farklıdır: RCTs tipik olarak katı dahil edilen homojen popülasyonlar (örneğin, son diyabetik ketoacidosis, bazline HbA1c% 7.0-10.0%) ve standart takip programları altında çalışır. aksine, RWD, çeşitli kullanıcılardan gelir - çocuklar, yaşlı yetişkinler, hamile kadınlar ve yoldaşlar dahil olmak üzere, ve comorbidities - ve eksik yemek gibi açıklayıcı olmayan senaryoları yakalar.

RWD Yapay Pancreas İnovasyonunu Nasıl Hızlandırır

Yapay bir pankreasyon sisteminin iteratif tasarım döngüsü - pazarlama sonrası iyileştirmeye yönelik klinik doğrulamadan kaynaklanan - veri tarafından yakıtlanır. RWD, her aşaması gerçek ambul edici koşullar altında nasıl performans gösteren geniş kapsamlı veri kümeleri sağlayarak hızlandırır.

Algoritma Eğitimi ve Ölçeği Ölçeği

Modern kapalı-loop algoritmaları, makine öğrenimine (ML) ve modelleme tahmin edici kontrole (MPC) güveniyor ve bu algoritmaların en iyi insülin teslimat desenlerini öğrenmesi ve farmakülasyonun doğrusal dinamiklerini ele almak için çok fazla miktarda veri gerektirir. RWD yüksek çözünürlüklü CGM ve pompa verileri yüzlerce veya binlerce gerçek dünya kullanıcısından geçerlilik sağlar.

Örneğin, Tidepool Loop projesi - açık kaynak, FDA tarafından açıklanmış otomatik insülin teslimat uygulaması – topluluk kullanıcılarından gelen gerçek dünya verilerini sürekli olarak, JDRF- finanse edilen International Yapay Pancreas Study Group gibi akademik grupları, klinik denemeleri başlatmadan önce nasıl yeni algoritmaların gerçekleştireceğini simüle etmek için kayıt dışı olarak ithal etti.

Gerçek Dünya Performansı İzleme ve Güvenlik Gözetimi

Bir yapay pankreasyon sistemi onaylandıktan sonra, pazarlama sonrası gözetimi temel hale gelir. ABD Gıda ve İlaç Yönetimi (FDA) ve Avrupa Tıp Ajansı (EMA) algoritmaları nadir olumsuz olayları tespit etmek için RWD toplamak için teşvik eder, sensör performans sorunlarını veya algoritma böcekleri için, örneğin, RWD'den analiz edilen MiniMed 670G sistemi kalıcı gece zaman hiperglisemisini bazı kullanıcılarda ortaya koyar, algoritmanın bir gecede davranışını gelişmiş bir yazılım güncellemesini teşvik eder.

RWD ayrıca sürekli güvenlik izlemesini sağlar:0)near-real-time panoları[Döneticileri)[CGM ve pompa verileri onaylayan kullanıcılardan, üreticiler ve düzenleyiciler, belirli hava koşulları sırasında ciddi hipoglisemi olayları gibi - ve uyarı sorunları proaktif olarak hatırlayabilirler.

Hasta-Centrik Özelleştirme ve Kişiselleştirme

Her bir diyabetle aynı şekilde otomatik bir insülin teslimat sistemine cevap vermez. Faaliyet kalıpları, yemek kompozisyonu, stres ve hatta menajer döngülerinin bile farmak dinamiklerini etkileyebileceğini gösterdi. Bu anlayış, daha sonra farklı ayar parametreleri veya algoritma konfigürasyonlarından yararlanabilecek altpopülasyonları tespit etmek için araştırmacılara izin verir. Örneğin, DPV kayıtlarından gelen veriler, ergenlerin yüksek fiziksel aktivite seviyelerinden yüksek fiziksel aktivite seviyeleri daha iyi sonuçlar elde ettiğinde daha iyi sonuçlar elde ettiğini gösterdi.

Dahası, RWD, hipoglisemi veya hiperglisemi saatlerini önceden tahmin eden modelleri geliştirmesine olanak sağlar.Bu modelleri binlerce gerçek dünya profilinde eğiterek, bireysel olarak tasarlanmış bir şeker imzasına göre uyarılabilirler.

Gerçek Dünya Kanıtı (RWE)

Cümlenin ifadesi:0) Gerçek dünya kanıtları[[Dönetici:0] RWD analizinden üretilen klinik kanıtlara atıfta bulunur. Son on yılda, düzenleyici organlar RWE'yi belirli tıbbi cihaz teklifleri teslimleri için daha fazla birincil kanıt olarak tanımışlardır - özellikle de cihazlar için onaylanmış ve pazarlama sonrası çalışmalar için.

2018 yılında FDA, RWD'yi düzenleyici karar vermede kullanmak için bir çerçeve yayınladı, RWD'yi tıbbi cihazların ön pazarlama onayını desteklemek için RWD kullanmaya devam etti.Ingrid pancreas sistemleri için FDA, RWE'yi kabul etti:

  • Genişleme genişlemelerini (örneğin, çocuk veya hamile nüfus için) teşvik edin.
  • Tipik 3-6 aylık klinik deneme penceresinin ötesinde uzun vadeli güvenlik ve etkinliği.
  • Bir RCT'nin pratik veya etik olmayan bir şekilde uygulandığı, hesaplamalı veya sorgulanmamış bir deneyde hesaplamalar yapılır.
  • Yeni önemli denemeleri gerektirmeden algoritma güncelleştirmeleri, "documented design history" kavramı altında.

Önemli bir örnek, daha önce RCT ile uyumlu bir şekilde denetim sistemi için 2022 FDA'nın izini, daha önce yapılan gerçek dünya performansı verilerine dayanan bir sistem güncellemesinin 2022 FDA'sı tespitidir.The update developed time-in-range by 2.5% points without improve hipoglycemia –an effect büyüklüğü consistent with the previous RCT but seen in rutin use.

Uluslararası olarak, EMA, RWE entegrasyonunu teşvik eden bir adaptif yol yaklaşımı yürütüyor. Avrupa Sağlık Teknolojisi Değerlendirmesi (EUnetHTA) ve REAl-world Data Initiative (READI) üye devletlere RWD kabullerini uyumlandırmak için aktif olarak gelişmektedir.

Ancak, düzenleyici beklentiler RWD'nin sistematik olarak toplanmasını gerektirir, açık veri yönetimi ile, doğrulanmış kaynak sistemleri ve önyargıyı en aza indirmek için sağlam analitik yöntemler. FDA, RWD'nin uygun amaçlı olması gerektiğini vurguladı, yani veri kalitesi ve tamlığı, belirli bir soru için kontrollü bir çalışma standartlarını karşılamak.

Gerçek Dünya Data'yı Yararlayan Zorluklar

Potansiyeline rağmen, RWD bir panacea değildir. Yapay pankreatlarda kullanımı, dikkatli mitigation gerektiren birkaç engelle karşı karşıyadır.

Data Quality and Standardization

Birden çok kaynaktan RWD genellikle inkonsistencies'dan muzdariptir: farklı CGM markalarının farklı doğrulukları vardır, pompa verileri sessiz tıkanmaları ve EHR verileri eksik veya düzenli olarak depolanabilir.Yetersiz ayrıntıları elde etmek için, araştırmacılar titiz bir preişlemler uygulamalıdır - düzenli okumalar yapmak için örneklerdir, zaman bölgeleri ve normalleştirme birimleri.

Gizlilik ve Güvenlik

RWD genellikle oldukça hassas bilgileri içerir - yoğun şeker seviyelerini, insülin dozlarını ve GPS tabanlı aktivite kalıpları. HIPAA (ABD'de) ve GDPR (Avrupa'da) özellikle de çoklu veri toplama, de-identification teknikleri, ve onaylar gibi kontrol etme yeteneğine sahip olmalıdır.

Seçme ve Bağlanma

RWD doğa tarafından gözlemleniyor - özellikle bir cihaz veya uygulama kullanarak kendini iyi bir şekilde kontrol edin. Erken yapay pankreasyon sistemleri, daha teknoloji odaklı ilaçlar, daha yüksek sağlık okuryazarlığı veya daha iyi temelsel bir kontrole sahip olabilir - bu seçim önyargısı, tahmin edilebilir bir şekilde etkililiğe yol açabilir.

Genellenebilirlik ve Eşitlik

Çoğu RWD yüksek gelirli ülkelerdeki nüfuslardan iyi kaynaklanmış sağlık sistemlerinden gelir. Düşük gelirli ülkelerdeki hastaların deneyimi veya saygın ülkelerdeki azınlıkların arasında genellikle RCT'lerden daha çeşitlilik yakalarken, bu boşlukları doldurmayı hedeflemeli, ancak ilerleme algoritmalarının aşırı derecede düşük gelirli ülkelerden vazgeçilmemesini sağlamak için çeşitli demografiklerden veri aramalıdır.

Future: AI, Digital Twins ve Collaborative Data Ekosystems

Bir sonraki yapay pankreasyon üretimi giderek daha fazla veriye dayalı olacak, RWD daha merkezi bir rol oynayacak. Üç ortaya çıkan trend ortaya çıkıyor.

Yapay Zeka ve Tahmin Edici Analytics

Geniş ölçekli RWD ile derin öğrenmeyi birleştirerek, araştırmacılar, şeker trajektörlerini yüksek doğrulukla 60 dakikaya kadar tahmin eden modeller inşa edebilir.Bu modeller doğrudan AID sistemlerine hiperglisemi veya hipoglisemiler olmadan önce teslim edilebilirler. Dahası, özellikle de hipoglisemi gibi nadir olaylar için - ham veriler taşımadan birkaç hastane veya cihaz üreticisi arasında eğitim edilir - kollektif RWD. Erken prototipler kollektif RWD. Erken prototipler, özellikle de yerel olarak eğitilmiş olanları, özellikle de nadir olmayan olaylar için - hiçbir şekilde eğitilmişlerdir.

Yapay Pancreas'in Dijital Twins

Bir dijital ikiz, hastanın metabolik sisteminin sanal bir kopyası, gerçek dünya sensör verileriyle sürekli olarak güncellenmektedir. RWD kullanarak araştırmacılar binlerce birey için dijital ikizler oluşturabilir ve farklı algoritma parametrelerinin etkisini simüle eder, sensör yerleştirmeleri veya insülin türleri hastaya risk olmadan.Bu yaklaşım, düzenleyici inceleme için hızlı bir şekilde hızlandırılabilir.Örneğin FDA, akademisyenler için akademik ortaklar ile birlikte bir araya gelerek dijital ikiyüzlü pankreasyon oluşturabilir:0)

Collaborative Data Ekosystems and Open Platforms

Tek bir varlık, T1D. Open-dataMIZT:0) gibi T1D. Open-dataMIZI platformlarının tüm özelliklerini yakalamak için yeterli RWD'ye sahip değildir.) ve [[DIAMOND Project|D) Hasta merkezli Çıktılar Araştırma Enstitüsü (PCORI) - akademik tıbbi merkezleri, cihaz ve hasta grupları oluşturmak için beslenmek için yeterli veri ağları oluşturmak için.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Gerçek dünya verileri, yapay pankreji sistemlerinin nasıl geliştirildiğini, doğrulandığını ve geliştirilmiş olduğunu dönüştürüyor.Veri harmonizasyonu, mahremiyete dayalı kararlar ve RWD kontrol edilen denemeler ve dağınıklık arasında eksik bağlantı sağlar ve günlük diyabet yönetiminin güzel gerçekliğini sağlar.Yolda, T1WD ile yaşayan insanlar için, ödeme yapan RD'ye yatırımların daha güvenli olduğunu: Daha akıllı ve daha akıllı veri toplama sistemleri.

[0] Daha fazla okuma için Halk Kaynakları:

  • FDA Real-World Del Delil Programı: [[0)https://www.fda.gov/science-search/real-world-evidence[Dönetici: 1 )
  • ADA Gastroenterolojiye Bakım Standartları: [Dönetici.org/10.2337/dc24-S007).
  • Doğa Dijital Tıp RWD ve Diyabet için AI: 0:0)https://doi.org/10.1038/s41746-022-00699).
  • JDRF Yapay Pancreas Araştırması: 03.Öyle:0)https://www.jdrf.org/araştırma/[DFLT:1).