Как ИИ и МЛ масштабируют сбор данных для трансформации медицинского мониторинга

Искусственный интеллект (ИИ) и машинное обучение (МЛ) можно найти几乎 в каждой отрасли, стимулируя то, что некоторые считают новой эрой инноваций – особенно в здравоохранении, где, по оценкам, роль ИИ будет расти с темпом 50% в год к 2025 году. МЛ все чаще играет важную роль в помощи при диагностике, визуализации, предсказательном здоровье и многом другом.

С появлением новых медицинских устройств и носимых устройств на рынке, МЛ имеет возможность трансформировать медицинский мониторинг, собирая, анализируя и предоставляя легко доступную информацию для людей, чтобы они могли лучше управлять своим собственным здоровьем – улучшая вероятность раннего обнаружения или предотвращения хронических заболеваний. Существует несколько факторов, которые исследователи должны учитывать при разработке этих новых технологий, чтобы обеспечить сбор最高 качества данных и создание масштабируемых, точных и справедливых алгоритмов МЛ для реальных случаев использования.

Использование МЛ для масштабирования клинических исследований и анализа данных

За последние 25 лет разработка медицинских устройств ускорилась, особенно во время пандемии COVID-19. Мы начинаем видеть больше потребительских устройств, таких как фитнес-трекеры и носимые устройства, которые становятся более доступными, и разработка смещается в сторону медицинских диагностических устройств. По мере того, как эти устройства выводятся на рынок, их возможности продолжают эволюционировать. Больше медицинских устройств означает больше непрерывных данных и более крупные, разнообразные наборы данных, которые необходимо проанализировать. Этот процесс может быть утомительным и неэффективным, когда выполняется вручную. МЛ позволяет анализировать обширные наборы данных быстрее и с большей точностью, выявляя закономерности, которые могут привести к трансформационным прозрениям.

С учетом всех этих данных у нас под рукой, мы должны обеспечить, прежде всего, что мы обрабатываем правильные данные. Данные формируют и информируют технологию, которую мы используем, но не все данные предоставляют одну и ту же пользу. Нам нужны высококачественные, непрерывные, не偏енные данные, с правильными методами сбора данных, поддержанными золотым стандартом медицинских справочников в качестве сравнительной базы. Это обеспечивает, что мы строим безопасные, справедливые и точные алгоритмы МЛ.

Обеспечение справедливого развития системы в медицинском устройстве

При разработке алгоритмов исследователи и разработчики должны учитывать свои целевые популяции более широко. Не редко большинство компаний проводят исследования и клинические испытания в единственном, идеальном, не реальном случае. Однако важно, чтобы разработчики учитывали все реальные случаи использования устройства и все возможные взаимодействия их целевой популяции с технологией в повседневной жизни. Мы спрашиваем: кто является целевой популяцией для устройства, и учитываем ли мы всю популяцию? Имеет ли каждый в целевой аудитории равный доступ к технологии? Как они будут взаимодействовать с технологией? Будут ли они взаимодействовать с технологией 24/7 или периодически?

При разработке медицинских устройств, которые будут интегрироваться в повседневную жизнь человека или потенциально вмешиваться в повседневное поведение, нам также необходимо учитывать весь человек – разум, тело и окружающую среду – и то, как эти компоненты могут измениться со временем. Каждый человек представляет уникальную возможность, с вариациями на разных точках в течение дня. Понимание времени как компонента сбора данных позволяет нам усилить прозрения, которые мы генерируем.

Учитывая эти элементы и понимая все компоненты физиологии, психологии, фона, демографии и экологических данных, исследователи и разработчики могут обеспечить, что они собирают высокоразрешающие, непрерывные данные, которые позволяют им строить точные и сильные модели для приложений человеческого здоровья.

Как МЛ может трансформировать управление диабетом

Эти лучшие практики МЛ будут особенно трансформационными в области управления диабетом. Эпидемия диабета быстро растет по всему миру: 537 млн человек во всем мире живут с диабетом 1-го и 2-го типа, и это число ожидается вырастет до 643 млн к 2030 году. С учетом такого количества пострадавших, важно, чтобы пациенты имели доступ к решению, которое показывает им, что происходит внутри их собственного тела, и позволяет им эффективно управлять своим состоянием.

В последние годы, в ответ на эпидемию, исследователи и разработчики начали исследовать неинвазивные методы измерения уровня сахара в крови, такие как оптические методы обнаружения. Эти методы, однако, имеют известные ограничения из-за различных человеческих факторов, таких как уровень меланина, индекс массы тела или толщина кожи.

Технология радиочастотного (РЧ) обнаружения преодолевает ограничения оптического обнаружения и имеет потенциал трансформировать способ, которым люди с диабетом и преддиабетом управляют своим здоровьем. Эта технология предлагает более надежное решение для неинвазивного измерения уровня сахара в крови благодаря своей способности генерировать大量 данных и безопасно измерять через весь стек тканей.

Технология РЧ-датчиков позволяет собирать данные по нескольким сотням тысяч частот, в результате чего получается миллиарды наблюдений за данными, которые необходимо обработать и проанализировать, требуя мощных алгоритмов для управления и интерпретации таких больших и новых наборов данных. МЛ имеет решающее значение для обработки и интерпретации огромного количества новых данных, генерируемых этой технологией датчиков, что позволяет разрабатывать алгоритмы быстрее и точнее – критически важное для создания эффективного неинвазивного глюкометра, который улучшает результаты здоровья во всех предполагаемых случаях использования.

В области диабета мы также наблюдаем сдвиг от периодических к непрерывным данным. Например, прокол пальца обеспечивает информацию о уровне сахара в крови в определенные моменты дня, но непрерывный глюкометр (НГМ) обеспечивает информацию в более частых, но не непрерывных интервалах. Эти решения, однако, все еще требуют прокола кожи, часто в результате чего возникает боль и чувствительность кожи. Неинвазивное решение для мониторинга уровня сахара в крови позволяет нам собирать высококачественные непрерывные данные из более широкой популяции с легкостью и без задержки в измерении. В целом, это решение обеспечит явно лучший пользовательский опыт и более низкую стоимость со временем.

Кроме того, большой объем непрерывных данных способствует разработке более справедливых и точных алгоритмов. По мере сбора большего количества временных данных, в сочетании с высокоразрешающими данными, разработчики могут продолжать строить лучшие алгоритмы для повышения точности обнаружения уровня сахара в крови со временем. Эти данные могут стимулировать дальнейшее улучшение алгоритмов, поскольку они включают различные факторы, отражающие, как люди меняются день за днем (и в течение одного дня), что приводит к высокоточному решению. Неинвазивные решения, которые отслеживают различные жизненно важные показатели, могут трансформировать отрасль медицинского мониторинга и обеспечить более глубокий взгляд на то, как работает человеческое тело, благодаря непрерывным данным из различных популяций пациентов.

Медицинские устройства, создающие взаимосвязанную систему

По мере того, как технологии развиваются и медицинские устройства достигают еще более высоких уровней точности, пациенты и потребители видят все больше возможностей взять под контроль свое собственное здоровье через передовые и многомодальные данные из различных продуктов. Но чтобы увидеть максимальное влияние от данных медицинских устройств и носимых устройств, необходимо создать взаимосвязанную систему для обеспечения беспрепятственного обмена данными между несколькими устройствами, чтобы предоставить целостный взгляд на здоровье человека.

Приоритизация взаимодействия медицинских устройств откроет полный потенциал этих устройств для помощи в управлении хроническими заболеваниями, такими как диабет. Беспрепятственный поток и обмен информации между устройствами, такими как инсулиновые помпы и НГМ, позволят людям иметь лучшее понимание своей системы управления диабетом.

Высококачественные данные имеют потенциал трансформировать отрасль здравоохранения, когда они собираются и используются правильно. С помощью ИИ и МЛ медицинские устройства могут сделать измеримые достижения в удаленном мониторинге пациентов, обращаясь с людьми как с отдельными людьми и понимая здоровье человека на более глубоком уровне. МЛ является ключом к открытию прозрений из данных для информирования предсказательных и профилактических протоколов управления здоровьем и предоставления пациентам доступа к информации о своем собственном здоровье, трансформируя способ использования данных.