慢性病给全球的医疗保健系统带来了特别沉重的负担,糖尿病是最普遍和最昂贵的疾病之一。全球糖尿病的发病率已达到惊人的水平,国际糖尿病联合会估计,2021年有5.37亿成年人患有这种疾病,预计到2045年这一数字将上升到7.83亿。 与1型糖尿病一起生活的最需要对血糖水平进行持续监测,并人工调整胰岛素剂量。几十年来,人们的梦想是建立一个人工胰腺系统,将这种微妙的平衡行为自动化。虽然早期的原型已经显示出现实世界的功效,但释放人工胰岛素技术的全部潜力需要各机构、学科和国家边界的深度合作研究。 云基数据共享正在成为这一协作的强大力量,使研究人员能够汇集临床数据、算术性记录以及病人在安全、可扩展的环境中报告的结果。 这种方法可以大大地加快创新的速度,降低发展成本,并最终为依赖胰岛素治疗的数百万人提供更强有力的个人化的解决方案。

了解人工胰腺系统

人工胰腺素(又称闭眼胰岛素输送系统)融合了三个核心成分:连续葡萄糖监测器(CGM),胰岛素泵和控制算法。 CGM每几分钟测量间质葡萄糖水平,然后无线地将数据传输到算法,算出最佳胰岛素剂量并命令泵送出。 目标是在目标范围内保持葡萄糖水平 — — 通常70-180毫克/德克 — — 同时将高血糖(高血糖)和低血糖(低血糖)都降到最低。

当前的商业系统,如Medtronic MiniMed 780G、Tandem Control-IQ和Insulet Omnipod 5, 已经显示出时间上的有意义的改善和HbA1c的减少。 然而,这些系统并不完美。 它们是在运动、疾病或脂肪或蛋白质含量高的膳食中挣扎的。 它们依赖简化的人类生理学模型,并经常需要人工的餐饮通知或校准。 前进的道路包括开发适应性学习算法,这些算法可以使治疗针对每个患者独特的代谢指纹、饮食习惯和日常习惯。

计算复杂性和数据差异的必要性

人工胰腺系统使用的算法通常基于比例-内向-衍生(PID)控制,模型预测控制(MPC)或模糊逻辑。每个方法都有优点和弱点。例如,MPC可以预测出未来的葡萄糖趋势,但需要胰岛素吸收和葡萄糖动力学的准确模型,这些模型在个人中差异很大。正在探索机器学习技术,包括强化学习,以创造随时间而适应的算法。但是,这类模型的培训需要大量高质量的数据集,能够捕捉不同的情景:不同年龄、怀孕、肾脏损伤、不同胰岛素敏感度以及现实环境因素。 没有一个机构能够单独收集所有这些数据。

数据共享在加速研究方面的作用

合作研究不是奢侈品,而是推进人工胰腺技术的必然。 当来自不同中心的研究人员分享已解析的数据集时,他们可以验证各人群的研究结果,发现特定患者群体中不良表现,并找出罕见但关键故障模式。 数据共享还能够进行元分析,进行系统性审查,这些分析比个别研究具有更多的统计力量。

尽管存在这些明显的好处,但传统的数据共享仍然被一系列障碍所束缚:不兼容的电子健康记录系统、不一致的数据格式、严格的隐私条例,如美国HIPAA和欧洲GDPR,以及缺乏让研究人员发布数据的激励。 通过USB驱动器或电子邮件进行人工数据传输不仅很麻烦,而且不安全和无法扩展。 这些障碍使大量有价值的数据被存放在机构存储库中,从而减缓了下一代闭路系统的进展。

从西洛斯到协同:云为助力者

云端平台提供了一个能够克服许多这些障碍的技术架构。 通过提供通过应用编程接口(API)可访问的集中安全寄存器,云端服务使授权研究人员能够查询、分析和提供数据,而无需实际传输文件。 现代云端平台如亚马逊网络服务(AWS ) 、 Google Cloud 和 Microsoft Azure 提供了医疗保健数据的内在合规认证(如HIPAA BAA、ISO 27001、SOC 2),它们还提供了在休息和中转时加密的工具、精细的接入控制以及审计记录(对保持病人信任和遵守监管至关重要 ) 。

人工泛螺研究云基数据共享优势

向以云为基础的数据共享过渡不仅仅是一种方便;它从根本上改变了合作糖尿病研究可能的规模和范围。 下面是云结构给该领域带来的主要优势。

集中式实时访问

世界各地的研究人员可以实时访问相同的数据集,消除版本控制噩梦。 斯坦福的一个团队可以运行一个由巴西一家医院提供的数据的新算法,而德国的统计师则在几天而不是几个月内验证结果。 这种即时性可以使迭代开发周期更能适应新出现的假设或出乎意料的结果。

加强多学科协作

人工胰腺发育需要内分泌学、控制理论、机器学习、人的因素工程和网络安全方面的专业知识。 云数据共享平台不仅可以主机,还可以主机提供原始数据,还可以提供复制所需的代码、模型和文件。 这鼓励数据科学家和工程师做出贡献,他们可能没有直接的临床联系,但仍能做出重要贡献。

强有力的数据安全和隐私

云提供商在安全基础设施上投入了大量资金 — — 通常远远超出单个学术IT部门所能承担的。 特征包括多要素认证、网络分解、入侵检测和自动备份。 对于人工胰腺数据,包括连续的葡萄糖读取和胰岛素寄出日志,这些保护至关重要。 此外,现代云架构支持差异性隐私等去识别技术,允许数据共享而不披露个体患者信息。

处理大块、流式数据集的可缩放性

CGM设备每天能产生288个读数;在一次涉及数百名参与者的多年试验中,数据量变得巨大。 云存储尺度是最后的,因此研究人员不需要担心撞击容量限制。 云还支持流入数据摄取,这对研究从家用设备中收集近实时数据至关重要。

更快地验证和基准化算法

拥有一个标准化、附加说明的数据集共享库,研究小组就可以根据共同的度量标准来衡量其算法 — — 如百分率的距离、低血糖指数或低血糖事件。 这种透明度促进了健康的竞争和可复制的科学。 糖尿病技术学会等组织已经开始对用于算法测试的开放数据集进行处理,而云基础设施也使得此类举措更可持续。

云数据共享方面的挑战和考虑

即便承诺是巨大的,但广泛采用的途径却充满了必须认真应对的巨大挑战。 如果不进行认真规划,基于云的数据共享工作就可以在信任、互操作性和治理问题上开创。

患者隐私和知情同意

即便去识别数据有时也可以在与其他来源结合时重新识别。 研究人员必须设计同意表,明确解释数据将如何被存储在云中、谁将获得以及有哪些保障措施。 如果一些患者认为数据可用于商业目的或落入保险人手中,他们可能不愿意做出贡献。 透明治理模式和不惩罚地撤回数据的选择至关重要。

数据标准化和互通性

人工胰腺数据来自多种设备:不同的CGM模型(Dexcom,Abbott, Medtronic),不同的胰岛素泵,以及不同的算法输出. 没有标准的数据格式,组合数据集是一个杂乱易出错的过程. 潮池平台和IEEE 11073标准医疗器械通信等举措是朝正确方向迈出的步骤,但需要更广泛的采用. 云相共享平台应强制实施数据摄取管道,将所接入的数据转换成共同的系统.

数据所有权和知识产权

数据一旦被上传到共享云库,谁拥有数据? 病人? 贡献机构? 资助这项研究的研究人员? 围绕知识产权的模糊性可以让参与变得冷淡,特别是如果涉及盈利公司的话。 需要明确的法律协议,将数据所有权与使用权区分开来,并承认出版物中的贡献,以促进公共和私营部门之间的合作。

条例

美国食品和药物管理局(FDA)已经认识到现实世界数据(RWD)和现实世界证据(RWE)支持监管决策的潜力,但数据质量、出处和完整性的标准仍在不断演变。 监管提交中所使用的任何云平台都必须满足严格的验证和审计线索要求。 研究人员必须及时了解FDA和欧洲药品局(EMA)等机构关于临床研究中使用云数据的指导方针。

目前的倡议和个案研究

世界各地已经作出若干努力,表明基于云的数据共享对人工胰腺研究的强大作用,这些例子为扩大合作提供了宝贵的经验教训。

OpenAPS和潮池运动

开放人工泛管系统(#OpenAPS)社区率先提出了传统机构界限外的数据共享概念. 患者和爱好者多方联动数据和算法改进,在线分享经验. 非营利组织Tidepool建立了一个以云为基础的平台,糖尿病患者可以上传各种设备的数据,并选择与研究人员共享匿名. Tidepool的数据集被多份同行评审出版物所使用并告知了算法开发.

日本人权论坛临床试验网

由全球主要组织资助1型糖尿病研究的JDRF建立了一个临床试验网络,使用集中的数据管理系统,参与网站通过安全门户上传数据,研究人员可以访问汇总的、去识别的数据集进行二次分析,该网络加快了多个人工胰腺试验的入院和分析阶段。

NIH 的 NIDDK 数据存储器

国家糖尿病和消化和肾病研究所(NIDDK)拥有几个数据储存库,存放着联邦资助研究中解析的数据集。 这些储存库虽然并非人工胰腺所特有的,但显示了云基共享所需的基础设施,包括数据词典、查询工具和访问请求系统。 研究人员可以在安全的云环境内申请访问和分析数据,而无需下载这些数据。

未来展望:云,AI,和下一代人工活化平克瑞斯

展望未来,基于云的数据共享与人工智能的进步的趋同,有望转变人工胰腺的研发。 随着更多数据在云中积累,机器学习模型可以接受关于更广泛的患者体验的培训。 联邦学习——一种在不移动原始数据的情况下对分散数据进行模型培训的技术——可以进一步保护隐私,同时仍然能够促进协作改进。

云还有助于整合更多数据流:可穿戴的活动跟踪器、连续的酮监测器、餐食记录应用软件,甚至压力活标。 将这些数据与CGM和泵数据相结合,可以形成真正整体的、具有上下文意识的系统,不仅适应葡萄糖水平,而且适应用户的整个生理和行为状态。

管制决定的实在证据

随着云平台的成熟,它们可能成为FDA批准和标签扩展的活性证据的主要来源。 已经有FDA利用了Tidepool的数据来为自动胰岛素剂量系统的审批提供信息。 在未来,一个制造商有可能提交一个基于云的数据集,该数据集来自在数十个诊所进行的大规模、务实的试验,大大缩短了市场销售时间。

结论

云基数据共享不仅仅是技术升级,而是人工胰腺研究的战略必要条件。 云基通过打破数据仓,实现实时协作,提供可扩展、安全的基础设施,可以团结全球糖尿病研究界,追求一个共同目标:一个完全自动化、高度个性化的人工胰腺,大大改善糖尿病患者的生活。 挑战 — — 隐私、标准化、治理 — — 是真的,但它们与研究人员、临床医生、病人和监管者的集体意愿是可溶解的。 随着我们继续投资于这些平台和治理这些平台的政策,我们更接近于一个真正没有努力的、人工胰腺能够实现几十年前所预见的先驱承诺的未来。