AI và ML đang mở rộng quy mô thu thập dữ liệu để chuyển đổi hoạt động giám sát y tế

Trí tuệ nhân tạo (AI) và máy học (ML) có thể được tìm thấy ở hầu hết mọi ngành công nghiệp, thúc đẩy điều mà một số người coi là một thời đại đổi mới mới - đặc biệt là trong lĩnh vực chăm sóc sức khỏe, nơi người ta ước tính vai trò của AI sẽ tăng lên với tốc độ nhanh chóng. Tỷ lệ 50% hàng năm vào năm 2025. ML ngày càng đóng một vai trò quan trọng trong việc hỗ trợ chẩn đoán, hình ảnh, dự đoán sức khỏe, Và nhiều hơn nữa.

Với các thiết bị y tế và thiết bị đeo mới trên thị trường, ML có khả năng chuyển đổi hoạt động giám sát y tế bằng cách thu thập, phân tích và cung cấp thông tin dễ tiếp cận cho mọi người để quản lý sức khỏe của chính họ tốt hơn – cải thiện khả năng phát hiện sớm hoặc phòng ngừa các bệnh mãn tính. Có một số yếu tố mà các nhà nghiên cứu nên lưu ý khi phát triển các công nghệ mới này để đảm bảo chúng đang thu thập dữ liệu chất lượng cao nhất và xây dựng các thuật toán ML có thể mở rộng, chính xác và công bằng, phù hợp với các trường hợp sử dụng trong thế giới thực.

Sử dụng ML để mở rộng quy mô nghiên cứu lâm sàng và phân tích dữ liệu

Trong 25 năm qua, phát triển thiết bị y tế đã tăng tốc, đặc biệt là trong đại dịch COVID-19. Chúng tôi bắt đầu thấy nhiều thiết bị tiêu dùng hơn như máy theo dõi thể dục và thiết bị đeo được trở thành hàng hóa và quá trình phát triển chuyển sang các thiết bị chẩn đoán y tế. Khi các thiết bị này được đưa ra thị trường, khả năng của chúng tiếp tục phát triển. Nhiều thiết bị y tế hơn có nghĩa là dữ liệu liên tục hơn và các bộ dữ liệu lớn hơn, đa dạng hơn cần được phân tích. Quá trình xử lý này có thể tẻ nhạt và không hiệu quả khi thực hiện thủ công. ML cho phép phân tích các bộ dữ liệu mở rộng nhanh hơn và chính xác hơn, xác định các mẫu có thể dẫn đến những hiểu biết sâu sắc mang tính biến đổi.

Với tất cả dữ liệu này hiện có trong tầm tay, chúng tôi phải đảm bảo trước hết rằng chúng tôi đang xử lý ngay dữ liệu. Dữ liệu định hình và cung cấp thông tin cho công nghệ mà chúng ta sử dụng, nhưng không phải tất cả dữ liệu đều mang lại lợi ích như nhau. Chúng ta cần dữ liệu chất lượng cao, liên tục, không thiên vị, với các phương pháp thu thập dữ liệu phù hợp được hỗ trợ bởi các tài liệu tham khảo y tế tiêu chuẩn vàng làm cơ sở so sánh. Điều này đảm bảo chúng tôi đang xây dựng các thuật toán ML an toàn, công bằng và chính xác.

Đảm bảo phát triển hệ thống công bằng trong lĩnh vực thiết bị y tế

Khi phát triển các thuật toán, các nhà nghiên cứu và nhà phát triển phải xem xét tổng thể dự định của họ một cách rộng hơn. Không có gì lạ khi hầu hết các công ty tiến hành nghiên cứu và thử nghiệm lâm sàng trong một trường hợp đơn lẻ, lý tưởng, phi thực tế. Tuy nhiên, điều quan trọng là các nhà phát triển phải xem xét tất cả các trường hợp sử dụng thiết bị trong thế giới thực và tất cả các tương tác có thể có mà nhóm đối tượng dự định của họ có thể thực hiện với công nghệ hàng ngày. Chúng tôi hỏi: đối tượng dự định sử dụng thiết bị là ai và chúng tôi có tính đến toàn bộ đối tượng không? Liệu tất cả mọi người trong đối tượng mục tiêu có được tiếp cận công bằng với công nghệ không? Họ sẽ tương tác với công nghệ như thế nào? Họ sẽ tương tác với công nghệ 24/7 hay không liên tục?

Khi phát triển các thiết bị y tế sẽ tích hợp vào cuộc sống hàng ngày của ai đó hoặc có khả năng can thiệp vào hành vi hàng ngày, chúng ta cũng cần tính đến toàn bộ con người – tâm trí, cơ thể và môi trường – và cách các thành phần này có thể thay đổi theo thời gian. Mỗi con người đều có một cơ hội duy nhất, với nhiều biến thể ở những thời điểm khác nhau trong ngày. Hiểu thời gian như một thành phần trong việc thu thập dữ liệu cho phép chúng tôi khuếch đại những hiểu biết sâu sắc mà chúng tôi tạo ra.

Bằng cách tính đến các yếu tố này và hiểu tất cả các thành phần của dữ liệu sinh lý, tâm lý, lý lịch, nhân khẩu học và môi trường, các nhà nghiên cứu và nhà phát triển có thể đảm bảo rằng họ đang thu thập dữ liệu liên tục, có độ phân giải cao cho phép họ xây dựng các mô hình chính xác và mạnh mẽ cho các ứng dụng sức khỏe con người.

ML có thể thay đổi việc quản lý bệnh tiểu đường như thế nào

Những phương pháp thực hành tốt nhất về ML này sẽ đặc biệt mang tính biến đổi trong lĩnh vực quản lý bệnh tiểu đường. Dịch bệnh tiểu đường đang gia tăng nhanh chóng trên toàn cầu: 537 triệu người trên toàn thế giới sống chung với bệnh tiểu đường Loại 1 và Loại 2 và con số đó dự kiến ​​sẽ tăng lên 643 triệu vào năm 2030. Với rất nhiều tác động, điều bắt buộc là bệnh nhân phải có quyền truy cập vào giải pháp cho họ thấy những gì đang xảy ra bên trong cơ thể họ và cho phép họ quản lý tình trạng của mình một cách hiệu quả.

Trong những năm gần đây, để đối phó với dịch bệnh, các nhà nghiên cứu và phát triển đã bắt đầu khám phá các phương pháp đo đường huyết không xâm lấn, chẳng hạn như kỹ thuật cảm biến quang học. Tuy nhiên, những phương pháp này có những hạn chế do các yếu tố khác nhau của con người như mức độ melanin, mức BMI hoặc độ dày của da.

Công nghệ cảm biến tần số vô tuyến (RF) khắc phục những hạn chế của cảm biến quang học và có khả năng thay đổi cách những người mắc bệnh tiểu đường và tiền tiểu đường quản lý sức khỏe của họ. Công nghệ này cung cấp một giải pháp đáng tin cậy hơn khi đo đường huyết không xâm lấn nhờ khả năng tạo ra lượng dữ liệu lớn và đo một cách an toàn thông qua toàn bộ mô.

Công nghệ cảm biến RF cho phép thu thập dữ liệu trên hàng trăm nghìn tần số, dẫn đến hàng tỷ quan sát dữ liệu để xử lý và yêu cầu các thuật toán mạnh mẽ để quản lý và giải thích các bộ dữ liệu lớn và mới như vậy. ML rất cần thiết trong việc xử lý và diễn giải lượng lớn dữ liệu mới được tạo ra từ loại công nghệ cảm biến này, cho phép phát triển thuật toán nhanh hơn và chính xác hơn – rất quan trọng để xây dựng máy theo dõi glucose không xâm lấn hiệu quả nhằm cải thiện kết quả sức khỏe trong tất cả các trường hợp sử dụng dự định.

Trong lĩnh vực bệnh tiểu đường, chúng ta cũng đang chứng kiến ​​sự thay đổi từ dữ liệu không liên tục sang dữ liệu liên tục. Ví dụ, việc chích ngón tay cung cấp thông tin chi tiết về mức đường huyết tại các điểm được chọn trong ngày, nhưng máy theo dõi đường huyết liên tục (CGM) cung cấp thông tin chi tiết về mức tăng thường xuyên hơn nhưng không liên tục. Tuy nhiên, những giải pháp này vẫn cần phải chọc thủng da, thường gây đau và nhạy cảm cho da. Giải pháp theo dõi đường huyết không xâm lấn cho phép chúng tôi thu thập dữ liệu liên tục chất lượng cao từ quần thể rộng hơn một cách dễ dàng và không bị trễ trong quá trình đo. Nhìn chung, giải pháp này chắc chắn sẽ mang lại trải nghiệm người dùng tốt hơn và chi phí thấp hơn theo thời gian.

Ngoài ra, khối lượng dữ liệu liên tục cao góp phần phát triển các thuật toán công bằng và chính xác hơn. Khi thu thập được nhiều dữ liệu chuỗi thời gian hơn, kết hợp với dữ liệu có độ phân giải cao, các nhà phát triển có thể tiếp tục xây dựng các thuật toán tốt hơn để tăng độ chính xác trong việc phát hiện lượng đường trong máu theo thời gian. Dữ liệu này có thể thúc đẩy quá trình cải tiến thuật toán liên tục vì nó bao gồm nhiều yếu tố khác nhau phản ánh cách mọi người thay đổi hàng ngày (và trong suốt một ngày), mang lại giải pháp có độ chính xác cao. Các giải pháp không xâm lấn theo dõi các chức năng quan trọng khác nhau có thể biến đổi ngành theo dõi y tế và cung cấp cái nhìn sâu hơn về cách cơ thể con người hoạt động thông qua dữ liệu liên tục từ các nhóm bệnh nhân khác nhau.

Thiết bị y tế tạo nên hệ thống kết nối

Khi tiến bộ công nghệ và hệ thống thiết bị y tế đạt được mức độ chính xác cao hơn nữa, bệnh nhân và người tiêu dùng ngày càng có nhiều cơ hội kiểm soát sức khỏe hàng ngày của chính họ thông qua dữ liệu tiên tiến và đa phương thức từ nhiều loại sản phẩm. Nhưng để thấy được tác động lớn nhất từ ​​dữ liệu thiết bị y tế và thiết bị đeo, cần phải có một hệ thống được kết nối với nhau để tạo ra sự trao đổi dữ liệu suôn sẻ trên nhiều thiết bị nhằm cung cấp cái nhìn toàn diện về sức khỏe của một cá nhân.

Ưu tiên khả năng tương tác của thiết bị y tế sẽ khai thác toàn bộ khả năng của các thiết bị này để giúp quản lý các bệnh mãn tính, chẳng hạn như bệnh tiểu đường. Dòng chảy và trao đổi thông tin liền mạch giữa các thiết bị như máy bơm insulin và CGM sẽ cho phép các cá nhân có một hiểu rõ hơn của hệ thống quản lý bệnh tiểu đường của họ.

Dữ liệu có độ chính xác cao có khả năng biến đổi ngành chăm sóc sức khỏe khi được thu thập và sử dụng đúng cách. Với sự trợ giúp của AI và ML, các thiết bị y tế có thể tạo ra những bước phát triển có thể đo lường được trong quá trình theo dõi bệnh nhân từ xa bằng cách đối xử với từng cá nhân và hiểu rõ hơn về sức khỏe của một người ở mức độ sâu hơn. ML là chìa khóa để mở khóa những hiểu biết sâu sắc từ dữ liệu nhằm cung cấp các quy trình quản lý sức khỏe phòng ngừa và dự đoán, đồng thời trao quyền cho bệnh nhân truy cập thông tin về sức khỏe của chính họ, thay đổi cách sử dụng dữ liệu.