Цифровая медицина и старение населения: Революционные подходы к улучшению качества жизни и вызовы

Численность пожилых людей в мире продолжает расти очень быстрыми темпами: по прогнозам, доля людей в возрасте 65 лет и старше увеличится с 10% в 2022 году до 16% в 2050 году (1). Такое увеличение продолжительности жизни создает серьезные проблемы для здравоохранения и, как ожидается, приведет к значительному социально-экономическому давлению. В этом материале мы обсуждаем с Игорем Джекиевым, экспертом в области цифровой медицины текущий прогресс, проблемы и возможности того, как эти технологии будут формировать будущее здорового старения.

- Что такое цифровая медицина, и в частности, технология цифровых биомаркеров?

- Цифровая медицина представляет собой область здравоохранения, в которой применяются новые цифровые технологии для улучшения качества медицинской помощи. Это включает использование различных электронных устройств, приложений, аналитических инструментов и искусственного интеллекта для сбора, анализа и интерпретации медицинских данных.

Технология цифровых биомаркеров является одной из ключевых составляющих цифровой медицины. Она использует носимые устройства, сенсоры и мобильные приложения, для автоматического сбора и интерпретации в реальном времени данных для анализа состояния здоровье пациентов. Таким образом, технология цифровых биомаркеров дополняет и усиливает возможности цифровой медицины, обеспечивая более точную и непрерывную оценку здоровья пациентов.

Real Life Evidence (доказательства из реальной жизни, RWE), это сами данные, полученные из повседневной жизни пациентов. Путем анализа таких данных, полученных из реальной жизни, можно получить более полное понимание эффективности и результатов медицинских вмешательств. Это помогает улучшить принятие решений, а также персонифицировать медицинскую помощь для пациентов.

- Как бы вы охарактеризовали текущий прогресс, который мы наблюдаем в области цифровых биомаркеров?

- На данный момент мы наблюдаем значительный прогресс в области цифровых биомаркеров. Количество исследований, посвященных этой теме, растет быстрыми темпами. Однако, необходимо отметить, что большая часть этих новых технологий требует дополнительных клинических валидаций для полной проверки их эффективности и надежности. Не секрет, что значительная часть работ над цифровыми биомаркерами была проведена исследователями и учеными в области компьютерных наук и электротехники, а не в медицине. В результате происходит перекос в технические аспекты технологий, без учета особенностей клинических применения и жестких регуляторных требований индустрии.

Прежде чем они могут быть широко применены на практике, необходимы дополнительные исследования, включающие обширные клинические испытания и сравнение с традиционными методами оценки здоровья. Это поможет убедиться в высокой достоверности и полезности этих технологий для диагностики, мониторинга и улучшения здоровья пациентов.

Тем не менее, стоит отметить, что даже на текущем этапе развития цифровых биомаркеров уже можно наблюдать положительные результаты и применение в различных областях здравоохранения, начиная от мониторинга физической активности и сна до контроля сердечного ритма и обнаружении нарушений в образе 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 еще только в самом начале пути. Полноценное использование этих технологий в медицинской практике все еще требует кропотливой работы по их валидации, адаптации и интеграции в клиническую практику.

- Какие типы сенсоров применяются для сбора таких данных?

- Существует несколько типов сенсоров:

1. Носимые физические сенсоры используются для непрерывного и длительного 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 выявлять случаи падения или оценивать нарушения походки у пациентов с болезнью Паркинсона; например, в проводимом исследовании с участием 200 пожилых людей оценивается эффективность часов Apple в выявлении падений (клиническое исследование NCT04304495) (2).
2. Носимые химические сенсоры предоставляют информацию о динамически 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 динамически изменяющегося уровня глюкозы у пациентов с диабетом, ионов калия и гормона стресса кортизола у людей с сердечными заболеваниями или препарата для лечения болезни Паркинсона l-DOPA (также известного как леводопа) ( 3)
3. Недавно разработанные Гибридные носимые устройства представляют собой комбинацию различных типов сенсоров, позволяющих одновременно отслеживать как химические биомаркеры, так и физические показатели жизнедеятельности. Эти датчики могут крепиться на смарт-часы, эластичные браслеты, кольца, пластыри, микроиглы, носки, обувь, стельки и очки, встраиваться в одежду или размещаться непосредственно на коже в различных местах тела. Мультимодальные сенсоры, встроенные в эти устройства, открывают новые возможности для комплексного и непрерывного мониторинга состояния здоровья, а также предупреждения о возникновении различных аномалий физиологии.

Примерами таких многопараметрических носимых платформ являются Oura Ring и VitalPatch. Они объединяют несколько датчиков внутри кольца для одновременного отслеживания температуры кожи, частоты дыхания, насыщения крови кислородом, частоты сердечных сокращений и физической активности. Эти новейшие носимые сенсорные платформы предлагают возможности для раннего выявления ухудшения состояния или осложнений заболеваний. Они обеспечивают более удобный мониторинг и собирают ценную информацию о состоянии здоровья пациентов на протяжении длительного времени. Такие гибридные и многопараметрические носимые устройства способствуют более эффективному и персонализированному уходу за пациентами.

- Ваше образование связано со страхованием и пенсионным обеспечением. Как эти сфера связаны с цифровой медициной и как это влияет на здоровое долголетие?

- Страхование и пенсионное обеспечение имеют фундаментальную связь с цифровой медициной. Вот некоторые методы их взаимодействия:

1. Управление рисками и предсказательная аналитика: Страховые компании и пенсионные фонды используют цифровые технологии и аналитические инструменты для сбора и анализа больших объемов данных, включая медицинские данные, информацию о стиле жизни и другие факторы риска заболеваний. Это так называемые актуарные расчеты. Они позволяют страховым компаниям более точно оценить риск и установить более справедливые страховые тарифы, а пенсионным фондам предсказывать долголетие и планировать пенсионные выплаты.
2. Поддержка здоровья и профилактика: Цифровая медицина предоставляет возможности для повышения осведомленности о здоровье и принятия проактивных мер для поддержки здоровья клиентов. Персонализированная медицина, обеспечиваемая цифровыми технологиями, помогает выявлять риски заболеваний на ранних стадиях и предлагать индивидуальные рекомендации для профилактики. Это сокращает затраты как страховщиков, так и клиентов.

Цифровые биомаркеры позволяют страховщикам и пенсионным фондам перейти от пассивной роли выплаты страховых возмещений или пенсий к активному управлению здоровьем и превентивным мерам. Собранные данные о здоровье клиентов могут помочь выявить факторы риска, предлагать персонализированные программы профилактики и управления здоровьем, а также предоставлять клиентам советы и рекомендации для поддержания здорового образа жизни.

- В каких собственных проектах вы внедряли цифровые биомаркеры?

- Я возглавлял проект по разработке мобильного приложения для умных часов, которое с помощью искусственного интеллекта обнаруживает ранний тремор рук, характерный для болезни Паркинсона. Совместно с ведущим неврологическим институтом в стране мы собрали уникальный объем данных — 200 млн цифровых сегментов — для обучения нейронной сети. Получили высокую точность алгоритма, однако клиническая валидация такой технологии традиционно представляет собой крайне сложный процесс.

За эту технологию я получил Глобальную награду Healthy Longevity Global Challenge которая организована Академиями наук США, Китая, Японии, стран Европы и Азии. Эта награда присуждается нескольким самым прорывным ученым и инновациям, которые фундаментально трансформируют глобальную систему Здравоохранения.

Кроме того, я разработал мобильное приложение с интегрированными ИИ алгоритмами для дистанционного мониторинга хронических пациентов с респираторными заболеваниями как Астма, ХОБЛ, рак легких и тд. Во время пандемии наше приложение использовалось медицинскими клиниками в Мексике и Аргентине в экспериментах по дистанционному мониторингу пациентов с Covid-19. Сейчас мы подали на международный патент и обсуждаем практическое применение технологии с глобальными фармацевтическими компаниями, клиниками и компаниями, проводящими клинические испытания.