Число пожилых людей в мире продолжает расти очень быстрыми темпами, и, по прогнозам, доля людей в возрасте 65 лет и старше увеличится с 10% в 2022 году до 16% в 2050 году (1). Это увеличение ожидаемой продолжительности жизни создает серьезные проблемы со здоровьем и, как ожидается, приведет к значительным социально-экономическим проблемам. В этой статье мы обсудим с Игорем Джекиевым, экспертом в области цифровой медицины, сегодняшний прогресс, проблемы и возможности того, как эти технологии будут определять будущее здорового старения.
- Что такое цифровая медицина и, в частности, технология цифровых биомаркеров?
- Цифровая медицина – это область здравоохранения, использующая новые цифровые технологии для повышения качества лечения. Это включает в себя использование различных электронных устройств, приложений, инструментов анализа и искусственного интеллекта для сбора, анализа и интерпретации медицинских данных.
Технология цифровых биомаркеров является одним из ключевых компонентов цифровой медицины. Он использует носимые устройства, датчики и мобильные приложения для автоматического сбора и интерпретации данных в режиме реального времени для анализа состояния здоровья пациентов. Таким образом, технология цифровых биомаркеров дополняет и совершенствует возможности цифровой медицины, обеспечивая более точную и непрерывную оценку состояния здоровья пациента.
Доказательства реальной жизни (Real Life Evidence, RWE) — это фактические данные, взятые из повседневной жизни пациентов. Анализируя такие реальные данные, можно добиться лучшего понимания эффективности и результатов медицинских вмешательств. Это помогает улучшить процесс принятия решений и адаптировать лечение пациентов.
- Как бы вы охарактеризовали текущий прогресс, который мы наблюдаем в цифровых биомаркерах?
- На данный момент мы наблюдаем значительный прогресс в цифровых биомаркерах. Количество исследований по этой теме стремительно растет. Однако следует отметить, что большинство этих новых технологий требуют дальнейшей клинической проверки для проверки их эффективности и надежности. Не секрет, что значительная часть работ над цифровыми биомаркерами была проведена учеными и исследователями в области компьютерных наук и электротехники, а не в медицине. В результате имеет место перекос в технических аспектах технологий, без учета особенностей клинического применения и жестких нормативных требований отрасли.
Прежде чем их можно будет широко использовать на практике, необходимы дополнительные исследования, в том числе обширные клинические испытания и сравнение с традиционными методами оценки состояния здоровья. Это поможет обеспечить высокую достоверность и полезность этих технологий для диагностики, мониторинга и улучшения здоровья пациентов.
Однако стоит отметить, что даже на современном этапе развития цифровых биомаркеров уже можно наблюдать положительные результаты и применения в различных областях здравоохранения, начиная от мониторинга физической активности и сна и заканчивая мониторингом частоты сердечных сокращений и выявлением нарушений образа жизни. Примерами таких успешных разработок являются носимые устройства, такие как смарт-часы или фитнес-браслеты, которые собирают данные о поведении пользователя и его физиологических параметрах.
В целом, хотя текущий прогресс в области цифровых биомаркеров уже достаточно значителен, мы все еще находимся в самом начале пути. Полноценное использование этих технологий в медицинской практике еще требует кропотливой работы по валидации, адаптации и внедрению в клиническую практику.
- Какие типы датчиков используются для сбора таких данных?
- Существует несколько типов датчиков:
- Носимые физические датчики используются для непрерывного и долговременного измерения физических сигналов человеческого тела, таких как частота сердечных сокращений, электрокардиограмма (ЭКГ), частота дыхания, температура тела и другие. Они также отслеживают мобильность и активность (включая шаги) с помощью датчиков движения, таких как акселерометры и гироскопы. Такие носимые устройства могут обнаруживать падения или оценивать нарушения походки у пациентов с болезнью Паркинсона; например, продолжающееся исследование с участием 200 пожилых людей оценивает эффективность Apple Watch в обнаружении падений (клиническое исследование NCT04304495) (2).
- Носимые химические датчики предоставляют информацию о динамически изменяющемся химическом составе биологических жидкостей (таких как пот, слезы, слюна и другие) для мониторинга параметров здоровья на молекулярном уровне. К ним относятся непрерывный мониторинг динамического уровня глюкозы у пациентов с диабетом, ионов калия и гормона стресса кортизола у людей с сердечными заболеваниями или лекарство от болезни Паркинсона l-DOPA (также известное как леводопа) (3)
- Недавно разработанные гибридные носимые устройства представляют собой комбинацию различных типов датчиков, которые позволяют одновременно отслеживать как химические биомаркеры, так и физические показатели жизнедеятельности.
Обратите внимание: Неизвестные акции могут вырасти с выпуском Apple iPhone 5G!.
Эти датчики можно прикреплять к смарт-часам, эластичным браслетам, кольцам, пластырям, микроиглам, носкам, обуви, стелькам и очкам, встраивать в одежду или размещать непосредственно на коже в различных местах тела. Мультимодальные датчики, встроенные в эти устройства, открывают новые возможности всестороннего и непрерывного мониторинга состояния здоровья, а также предупреждения о возникновении различных физиологических аномалий.
Примерами таких многопараметрических носимых платформ являются Oura Ring и VitalPatch. Они объединяют в кольце несколько датчиков, чтобы одновременно отслеживать температуру кожи, частоту дыхания, насыщение крови кислородом, частоту сердечных сокращений и физическую активность. Эти новейшие носимые сенсорные платформы открывают возможности для раннего выявления прогрессирования заболевания или осложнений. Они обеспечивают более практичный мониторинг и собирают ценную информацию о состоянии здоровья пациентов в течение длительного периода времени. Эти гибридные и многопараметрические носимые устройства обеспечивают более эффективный и персонализированный уход за пациентами.
- Ваше образование связано со страховыми и пенсионными программами. Как эти направления связаны с цифровой медициной и как это влияет на здоровое долголетие?
- Страхование и пенсии имеют фундаментальную связь с цифровой медициной. Вот некоторые способы их взаимодействия:
- Управление рисками и прогнозная аналитика. Страховые компании и пенсионные фонды используют цифровые технологии и инструменты аналитики для сбора и анализа больших объемов данных, включая медицинские данные, информацию об образе жизни и другие факторы риска заболеваний. Это так называемые актуарные расчеты. Они позволяют страховым компаниям более точно оценивать риски и устанавливать справедливые страховые ставки, а пенсионным фондам позволяют прогнозировать продолжительность жизни и планировать пенсионные выплаты.
- Поддержка и профилактика здоровья: цифровая медицина предоставляет возможности для повышения осведомленности о здоровье и принятия упреждающих мер для поддержания здоровья клиентов. Персонализированная медицина на базе цифровых технологий помогает выявлять риск заболеваний на ранней стадии и предлагать персонализированные рекомендации по профилактике. Это снижает затраты как для страховых компаний, так и для клиентов.
Цифровые биомаркеры позволяют страховым компаниям и пенсионным фондам перейти от пассивной роли выплаты страховых возмещений или пенсий к активному управлению здоровьем и профилактическим мерам. Собранные данные о состоянии здоровья клиентов могут помочь выявить факторы риска, предоставить персонализированные программы профилактики и управления здоровьем, а также предоставить клиентам советы и рекомендации по ведению здорового образа жизни.
— В каких собственных проектах вы реализовали цифровые биомаркеры?
- Я руководил проектом по разработке мобильного приложения для смарт-часов, использующего искусственный интеллект для обнаружения раннего тремора рук, характерного для болезни Паркинсона. Вместе с ведущим неврологическим институтом страны мы собрали уникальный объем данных — 200 миллионов цифровых сегментов — для обучения нейронной сети. Мы добились высокой точности алгоритма, но клиническая валидация такой технологии традиционно является чрезвычайно сложным процессом.
За эту технологию я получил Global Challenge Healthy Longevity Global Challenge, который организован Академиями наук США, Китая, Японии, Европы и Азии. Эта награда присуждается некоторым из самых новаторских исследователей и инноваций, которые коренным образом меняют глобальное здравоохранение.
Кроме того, я разработал мобильное приложение с интегрированными алгоритмами искусственного интеллекта для удаленного мониторинга пациентов с хроническими заболеваниями органов дыхания, такими как астма, ХОБЛ, рак легких и др. во время пандемии наше приложение использовалось медицинскими клиниками Мексики и Аргентины в экспериментах для дистанционного наблюдения за пациентами с Covid-19. Сейчас мы подали заявку на международный патент и обсуждаем практическое применение технологии с глобальными фармацевтическими компаниями, клиниками и компаниями, проводящими клинические испытания.
Больше интересных статей здесь: Новости.