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 со скоростью 50% в год к 2025 году. МЛ все чаще играет жизненно важную роль в помощи при диагностике, изображении, предсказательном здоровье и многом другом.

С появлением новых медицинских устройств и носимых устройств на рынке МЛ имеет возможность трансформировать медицинский мониторинг, собирая, анализируя и доставляя легко доступную информацию людям для лучшего управления своим собственным здоровьем – повышая вероятность раннего обнаружения или предотвращения хронических заболеваний. Существует несколько факторов, которые исследователи должны учитывать при разработке этих новых технологий, чтобы обеспечить сбор данных самого высокого качества и создание масштабируемых, точных и справедливых алгоритмов МЛ для реальных сценариев 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 выходят на рынок, их возможности продолжают эволюционировать. Больше медицинских устройств означает больше непрерывных данных и более крупные, разнообразные наборы данных, которые необходимо проанализировать. Эта обработка может быть утомительной и неэффективной, 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 сначала и прежде всего обеспечить обработку правильных данных. Данные формируют и информируют технологию, которую мы используем, но не все данные предоставляют одну и ту же выгоду. Нам нужны высококачественные, непрерывные, беспристрастные данные с правильными методами сбора данных, поддерживаемыми золотым стандартом медицинских справочников в качестве сравнительной базы. Это обеспечивает создание безопасных, справедливых и точных алгоритмов МЛ.

Обеспечение справедливого развития системы в области медицинских устройств

При разработке алгоритмов исследователи и разработчики должны учитывать свои целевые популяции более широко. Не редко большинство компаний проводят исследования и клинические испытания в единичном, идеальном, нереальном случае. Однако важно, чтобы разработчики учитывали все реальные сценарии использования устройства и все возможные взаимодействия своей целевой популяции с технологией в повседневной жизни. Мы задаем вопрос: 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 или потенциально вмешиваться в повседневное поведение, нам также необходимо учитывать весь человека – 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, демографических данных и экологических данных, исследователи и разработчики могут обеспечить сбор высокоразрешающих, непрерывных данных, которые позволяют им создать 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 того, сколько людей пострадали, важно, чтобы пациенты имели доступ к решению, которое показывает им, что происходит внутри их собственного тела, и позволяет им эффективно управлять своими состояниями.

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

Радиочастотная (РЧ) технология сенсинга преодолевает ограничения оптического сенсинга и имеет потенциал трансформировать способ, которым люди с диабетом и преддиабетом управляют своим здоровьем. Эта технология предлагает более надежное решение, когда речь идет о неинвазивном измерении уровня сахара в крови, благодаря своей способности генерировать大量 данных и безопасно измерять через весь тканевой слой.

Технология РЧ-сенсора позволяет собирать данные по нескольким сотням тысяч частот, в результате чего получается миллиарды наблюдений за данными, которые необходимо обработать и интерпретировать. МЛ необходима для обработки и интерпретации огромного количества новых данных, генерируемых этой технологией сенсоров, что позволяет разрабатывать алгоритмы быстрее и точнее – критически важные 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. Колющая пальца, например, предоставляет прозрения в уровень сахара в крови в определенные моменты дня, но непрерывный глюкозный монитор (НГМ) предоставляет прозрения в более частые, но не непрерывные приращения. 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 безусловно 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 создавать лучшие алгоритмы для повышения точности обнаружения уровня сахара в крови со временем. Эти данные могут стимулировать постоянное улучшение алгоритмов, поскольку они включают различные факторы, отражающие, как люди меняются изо дня в день (и в течение одного дня), в результате чего получается высокоточный раствор. Неинвазивные решения, которые контролируют различные жизненно важные показатели, могут трансформировать отрасль медицинского мониторинга и предоставить более глубокий взгляд на то, как работает человеческое тело, через непрерывные данные из различных популяций пациентов.

Медицинские устройства, создающие взаимосвязанную систему

По мере развития технологий и достижения медицинских устройств более высоких уровней точности пациенты и потребители видят все больше возможностей взять под контроль свое собственное ежедневное здоровье через продвинутые и многомодальные данные из различных продуктов. Но чтобы увидеть максимальный эффект 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 разблокирует полную способность этих устройств помочь управлять хроническими заболеваниями, такими как диабет. Беспрепятственный поток и обмен информацией 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 разработки в области мониторинга пациентов на расстоянии, лечить людей как отдельных людей и понимать здоровье человека на более глубоком уровне. МЛ является ключом к открытию прозрений из данных для информирования предсказательной и профилактической системы управления здоровьем и предоставления пациентам доступа к информации о своем собственном здоровье, трансформируя способ, которым используются данные.