Bệnh tiểu đường đã đạt đến mức đáng lo ngại, với sự tính toán của Liên bang thương mại trên toàn cầu, với 5 triệu người lớn đang sống với căn bệnh vào năm 2021, một con số dự án tăng lên 783 triệu đến 2045 trong số các khía cạnh về thể chất và cảm xúc nhất của tiểu đường tiểu đường đã đạt đến mức đáng lo ngại, với tiểu đường không ngừng là nhu cầu theo dõi lượng đường huyết và lượng insulin bằng tay. trong nhiều thập niên, ước mơ đã được tạo ra một hệ thống tuyến tụy nhân tạo mà hoạt động tinh vi này hoạt động trước khi giải quyết các vấn đề về mặt thể chất và cảm xúc được, có thể giúp tăng tốc độ tăng cường các phương pháp nghiên cứu về mặt y tế và sự tăng tốc độ tăng tốc độ của các phương pháp điều trị, và sự hợp tác của các phương pháp tăng cường của các phương pháp điều trị, và sự tăng cường tính toán sinh học, có thể tăng cường mạnh hơn, và giảm thiểu thiểu số lượng các dữ liệu về mặt tinh vi của các phương pháp điều trị liệu, và các phương pháp điều trị liệu có thể dẫn đến mức độ tăng cường, và tăng tốc độ tăng cường, các phương pháp điều trị liệu, và

Hiểu hệ thống tiểu cầu nhân tạo

Một tuyến tụy nhân tạo, cũng được biết đến như hệ thống phân phối insulin kín, tích hợp ba thành phần cốt lõi: một bộ phận kiểm tra insulin liên tục (CGM), một máy bơm insulin và một thuật toán điều khiển. Hệ thống này đo mức độ đường liên tục của các chất đường huyết trong một khoảng thời gian — thường 70–80 mg/d — trong khi cả hai tuyến đường huyết đều quá cao (huyết đường đường dẫn) và hạ thấp đường huyết (huyết đường dẫn).

Hệ thống thương mại hiện nay như Bộ Ngoại giao Min- Bus, Tadem Control-IQ, và Insulet 5 đã cho thấy những cải tiến ý nghĩa trong việc sắp xếp thời gian và giảm thiểu trong HbA1c. Tuy nhiên, những hệ thống này không hoàn hảo. Chúng đấu tranh trong khi tập thể dục, bệnh tật hoặc bữa ăn với chất béo hoặc chất đạm cao. Chúng phụ thuộc vào những mô hình đơn giản của sinh học con người và thường đòi hỏi thông báo về bữa ăn bằng tay hoặc cân nhắc. Đường đi này bao gồm việc phát triển, học các thuật toán có thể tự điều trị để định hướng riêng của mỗi bệnh nhân, thói quen ăn uống và thói quen thường ngày.

Thuật toán phức tạp và nhu cầu dữ liệu đảo ngược

Thuật toán được dùng trong hệ thống tuyến tụy nhân tạo thường dựa trên sự kiểm soát tỉ lệ (PID), kiểm soát dự đoán (PID), điều khiển mô hình dự đoán (MPC), hoặc logic mơ hồ. Mỗi phương pháp có ưu điểm và yếu điểm. Chẳng hạn, việc huấn luyện mô hình MPC có thể dự đoán các xu hướng trong tương lai nhưng đòi hỏi các mô hình chính xác về sự hấp thụ insulin và động lực hấp dẫn — có thể khác nhau giữa các cá nhân. Kỹ thuật học máy, bao gồm việc học củng cố, đang được khám phá để tạo ra các thuật toán thích ứng với thời gian. Nhưng các mô hình đào tạo như vậy đòi hỏi dữ liệu lớn, chất lượng cao mà các kịch bản khác nhau: thời gian, có thai nhi, có nhiều tính khác nhau, mật độ, và các yếu tố môi trường khác nhau, và các yếu tố môi trường có thể thu thập được riêng các yếu tố này.

Vai trò của việc chia sẻ dữ liệu trong việc nghiên cứu gia tăng

Khi các nhà nghiên cứu từ những trung tâm khác nhau chia sẻ dữ liệu không xác định, họ có thể xác nhận tìm kiếm trên khắp dân số, khám phá ra những hoạt động phụ trong các nhóm bệnh nhân cụ thể, và xác định những chế độ thất bại hiếm có nhưng quan trọng.

Bất chấp những lợi ích rõ ràng này, việc chia sẻ dữ liệu truyền thống đã bị cản trở bởi hàng rào: hệ thống điện tử không tương thích (EHR), định dạng dữ liệu không ổn định, quy định nghiêm ngặt như HIPAA ở Mỹ và GDPR ở châu Âu, và sự thiếu động cơ để phát hành dữ liệu. Dữ liệu chuyển giao bằng ổ đĩa USB hoặc email không chỉ là tính toán mà còn không chắc chắn và không thể giải quyết được. Những chướng ngại này đã giữ một lượng lớn dữ liệu quý giá trong kho chứa dữ liệu, tiến bộ chậm tiến trình đến thế hệ thống đóng cửa tiếp theo.

Từ Silos đến Synery: Mây là một lực đẩy

Các nền tảng dựa trên mây cung cấp một nền tảng kỹ thuật có thể vượt qua nhiều trở ngại này. Bằng cách cung cấp một kho phần mềm trung tâm, an toàn truy cập qua các giao diện lập trình ứng dụng (APIs), các dịch vụ đám mây cho phép các nhà nghiên cứu có thẩm quyền truy cập, phân tích, và đóng góp dữ liệu mà không cần chuyển giao thể chất. Các nền tảng đám mây hiện đại như dịch vụ mạng Amazon (WS), Google Cloud, và Microsoft Azure đề nghị xây dựng các công cụ xác nhận dữ liệu chăm sóc y tế (v. d., HIPAA, ISO01, SOC. 2) họ cũng cung cấp các công cụ mã hóa và lưu thông tin cần thiết cho cả hai bên trong việc chuyển nhượng bộ, kiểm soát và lưu trữ tài liệu cần thiết cho bệnh nhân, kiểm soát và duy trì sự kiểm soát và bảo trì sự kiểm soát cần thiết cho phép sử dụng.

Lợi thế của việc chia sẻ dữ liệu mật như mây cho nghiên cứu mô hình nhân tạo

Sự chuyển tiếp đến chia sẻ dữ liệu dựa trên mây không chỉ đơn thuần là một sự tiện lợi, mà về cơ bản nó thay đổi quy mô và phạm vi của những gì có thể trong nghiên cứu tiểu đường hợp tác.

Truy cập thời gian có thật, trung tâm hóa

Các nhà nghiên cứu trên toàn cầu có thể truy cập vào cùng một bộ dữ liệu trong thời gian thực, loại bỏ những cơn ác mộng kiểm soát phiên bản một nhóm ở Stanford có thể chạy một thuật toán mới về dữ liệu đóng góp bởi một bệnh viện ở Brazil, trong khi một nhà thống kê ở Đức xác nhận kết quả - tất cả trong vòng vài ngày thay vì vài tháng. sự bất cẩn này cho phép các chu trình phát triển lặp lại để đáp ứng với các giả thuyết nổi lên hoặc những phát hiện bất ngờ.

Hợp tác đa ngành tăng cường

Phát triển tuyến tụy nhân tạo đòi hỏi chuyên môn về nội tiết học, lý thuyết điều khiển, máy học, nhân tố con người, và an ninh mạng. nền tảng dữ liệu dựa trên mây có thể tổ chức không chỉ dữ liệu thô, mà còn có thể là mã số, mô hình, và tài liệu cần thiết cho tính khả thi. điều này khuyến khích sự đóng góp từ các nhà khoa học và kỹ sư những người có thể không trực tiếp có các ứng dụng lâm sàng nhưng vẫn có thể tạo ra sự đóng góp quan trọng.

Bảo mật và sự riêng tư của dữ liệu Robust

Các nhà cung cấp đám mây đầu tư rất nhiều vào cơ sở hạ tầng an ninh thường nhiều hơn những bộ phận kỹ thuật sinh dục cá nhân có thể chi trả. tính năng bao gồm sự xác thực đa vật chất, phân khúc mạng lưới, phát hiện và tự động hóa dữ liệu dự phòng, bao gồm việc liên tục đọc lượng đường huyết và bản ghi insulin mà có thể liên kết với từng bệnh nhân, những bảo vệ này là quan trọng. hơn nữa, những cấu trúc đám mây hiện đại hỗ trợ sự phân loại như sự riêng tư khác nhau, cho phép dữ liệu được chia sẻ mà không tiết lộ thông tin cá nhân.

Khả năng xử lý các bộ dữ liệu lớn, luồng điện

Thiết bị CGM sản xuất 288 dữ liệu mỗi ngày; trong một thử nghiệm đa năm liên quan đến hàng trăm người tham gia, khối lượng dữ liệu trở nên khổng lồ.

Kiểm tra nhanh hơn và định giới bằng các thuật toán

Có một kho dữ liệu được chia sẻ, có tên tuổi, cho phép các nhóm nghiên cứu đánh dấu các thuật toán của họ để so sánh với các thiết bị đo lường thông thường — chẳng hạn như tỷ lệ phần trăm các bộ dữ liệu mở rộng trong thời gian chờ đợi, ít chất béo phì, hoặc giảm thiểu các sự kiện phân hủy, sự minh bạch này khuyến khích sự cạnh tranh lành mạnh và sự tái chế khoa học. Các tổ chức như Hội kỹ thuật dibetes đã bắt đầu phân loại các bộ dữ liệu mở để kiểm tra thuật toán, và cơ sở hạ tầng mây làm cho các sáng kiến như vậy bền vững hơn.

Những thử thách và sự cân nhắc trong việc chia sẻ dữ liệu mật như mây

Trong khi lời hứa rất tuyệt, con đường dẫn đến việc nhận nuôi rộng rãi được đặt ra với những thách thức to lớn cần phải được giải quyết một cách có chủ tâm.

Kiên nhẫn và thông cảm

Ngay cả dữ liệu không xác định đôi khi cũng có thể được xác định lại khi kết hợp với các nguồn khác. Các nhà nghiên cứu phải thiết kế các mẫu đồng ý rõ ràng giải thích cách dữ liệu được lưu trữ trong đám mây, những người có quyền truy cập và những biện pháp bảo vệ nào đang được đưa ra. Một số bệnh nhân có thể không sẵn sàng đóng góp nếu họ nhận thấy dữ liệu có thể được sử dụng cho mục đích thương mại hoặc rơi vào tay của những người bảo hiểm. Mô hình quản lý nội bộ và tùy chọn rút lại dữ liệu mà không có hình phạt là thiết yếu.

Tiêu chuẩn hóa dữ liệu và khả năng giao thoa

Dữ liệu tuyến tụy nhân tạo đến từ nhiều thiết bị: mô hình CGM khác nhau (Dexcom, Abbott, Medtonic), bơm insulin khác nhau, và kết quả ra các thuật toán khác nhau. Không có định dạng dữ liệu chuẩn, kết hợp dữ liệu là một quá trình lỗi. Thiết lập như nền tảng Thủy triều và tiêu chuẩn IE 11073 cho thiết bị y tế là bước theo hướng đúng, nhưng cần thiết sự nhận dạng rộng hơn. Nền tảng chia sẻ dữ liệu nên thực hiện các đường dẫn hấp thụ dữ liệu thông thường mà chuyển đổi dữ liệu đến.

Sở hữu dữ liệu và tài sản trí tuệ

Ai sở hữu dữ liệu khi nó được tải lên kho mây chung? bệnh nhân? các cơ quan đóng góp? các nhà nghiên cứu tài trợ? sự hỗ trợ về tài sản trí tuệ có thể làm lạnh sự tham gia, đặc biệt là khi các công ty lợi nhuận tham gia. rõ ràng các thỏa thuận pháp lý rằng sở hữu dữ liệu từ quyền sử dụng, và đó là nhận dạng đóng góp trong các ấn phẩm, là cần thiết để khuyến khích sự hợp tác trong các khu vực công cộng và tư nhân.

Những vòng lặp điều chỉnh

Quản lý thực phẩm và dược phẩm Hoa Kỳ (FA) đã nhận ra tiềm năng của dữ liệu thực tế (RWD) và các bằng chứng thực tế (RWE) để hỗ trợ các quyết định điều chỉnh, nhưng các tiêu chuẩn về chất lượng dữ liệu, chứng minh, và tính toàn vẹn vẫn đang tiến triển. Bất kỳ nền mây nào được dùng trong việc gửi đi bộ quy định phải đáp ứng các yêu cầu chặt chẽ cho các xác nhận và kiểm tra. Các nhà nghiên cứu phải ở lại một loạt các hướng dẫn từ các cơ quan như Cục Quản lý Thực tiễn và Cơ quan Y tế Châu Âu (EMA) liên quan đến việc sử dụng dữ liệu đám mây trong các nghiên cứu lâm sàng.

Các sự khởi đầu và nghiên cứu trường hợp hiện nay

Một số nỗ lực trên thế giới đã chứng minh sức mạnh của việc chia sẻ dữ liệu dựa trên mây cho nghiên cứu tuyến tụy nhân tạo. những ví dụ này cung cấp những bài học giá trị để tăng cường sự hợp tác.

Phong trào OpenAPS và Thủy triều

Hệ thống quang phổ mở rộng (# Mở rộng BAR ) làm tiên phong khái niệm chia sẻ dữ liệu bên ngoài ranh giới các tổ chức truyền thống. bệnh nhân và những người theo chủ nghĩa sở thích đã cung cấp dữ liệu và cải tiến thuật toán, chia sẻ kinh nghiệm của họ trực tuyến. Thủy triều, một tổ chức phi lợi nhuận, xây dựng một nền tảng dựa trên mây nơi mà những người bị tiểu đường có thể tải dữ liệu từ nhiều thiết bị khác nhau và chọn chia sẻ nó với các nhà nghiên cứu.

Mạng thử thách lâm sàng của JDRF

JDRF, một tổ chức tài trợ toàn cầu loại 1 tiểu đường, đã thiết lập một mạng thử nghiệm lâm sàng sử dụng hệ thống quản lý dữ liệu tập trung. Tham gia các trang web tải dữ liệu qua cổng an toàn, và các nhà nghiên cứu có thể truy cập vào các bộ dữ liệu phân tích phụ. Mạng này đã tăng tốc việc đăng ký và phân tích các giai đoạn của nhiều thử nghiệm tuyến tụy nhân tạo.

Bộ tổ chức lưu trữ dữ liệu NIDK của NIH

Viện nghiên cứu về di truyền học và Bệnh lý học và Trẻ em Quốc gia (NIDDK) duy trì một số dữ liệu tái định tuyến mà máy chủ không xác định được từ các nghiên cứu được cấp vốn liên bang. trong khi không cụ thể đối với tuyến tụy nhân tạo, các kho này cho thấy cơ sở hạ tầng cần thiết cho việc chia sẻ dựa trên mây, bao gồm dữ liệu, công cụ truy vấn, và các hệ thống truy cập. các nhà nghiên cứu có thể áp dụng để truy cập và phân tích dữ liệu trong môi trường đám mây an toàn mà không cần phải tải nó.

Tầm nhìn tương lai: Mây, AI, và thế hệ kế tiếp của các tuyến sinh học nhân tạo

Nhìn về phía trước, sự hội tụ của dữ liệu dựa trên mây chia sẻ với những tiến bộ trong trí thông minh nhân tạo hứa hẹn sẽ biến đổi tuyến tụy nhân tạo và phát triển. khi nhiều dữ liệu tích lũy trong đám mây, mô hình học máy có thể được đào tạo trên những trải nghiệm khác nhau về sự kiên nhẫn.

Đám mây cũng sẽ giúp cho sự kết hợp giữa luồng dữ liệu thêm: hệ thống nhận thức hoạt động có thể mang, máy theo dõi động tĩnh tĩnh mạch liên tục, ứng dụng khai thác thức ăn và thậm chí nhấn mạnh các dấu ấn sinh học.

Bằng chứng thực tế cho những quyết định có tính cách điều chỉnh

Khi nền tảng đám mây trưởng thành, chúng có thể trở thành nguồn gốc chính của các bằng chứng thực tế cho sự chấp thuận của Cục Quản lý Thực phẩm và các tổ chức mở rộng nhãn hiệu. đã sử dụng dữ liệu từ Thủy triều học để thông báo cho các thông báo về sự giải phóng của hệ thống insulin tự động làm việc. trong tương lai, nhà sản xuất có khả năng đệ trình một dữ liệu dựa trên các đám mây từ một quy mô lớn, thực tiễn được tiến hành trên hàng tá phòng khám, giảm đáng kể thời gian đến thị trường.

Kết luận

Việc phân chia dữ liệu dựa trên mây không chỉ là một nâng cấp kỹ thuật - nó là một điều kiện chiến lược cho việc nghiên cứu tuyến tụy nhân tạo bằng cách phá hủy các hầm chứa dữ liệu, cho phép sự hợp tác với các bệnh tiểu đường, sự bảo đảm, cơ sở hạ tầng có thể bảo đảm, mây có thể kết hợp cộng đồng nghiên cứu tiểu đường toàn cầu với mục tiêu chung: một sự tự động hóa hoàn toàn, cá nhân hóa cao mà giúp cải thiện đáng kể cuộc sống của những người mắc bệnh tiểu đường.