數字生物標記在提高我們對疾病和健康的理解方面日益發揮著重要的作用。數字生物標記是由數字設備（例如可植入設備、可穿戴設備、可攝入設備、或者便攜式設備等）收集和測量的可量化、客觀的行為數據和生理數據，使製藥公司能夠在無需物理場所的情況下遠程進行研究，這種創新方法正在徹底改變製藥公司研究和確定治療效果的方式。
根據Research & Markets最近的一份行業報告顯示，全球數字生物標記市場在2022年至2028年的預測期內將以36%的複合年增長率大幅增長。但處理數字生物標記產生的數據仍然是具有挑戰性的，更不用說對其採取行動了。為了解決這個問題，美國製藥公司禮來公司決定轉向雲。
禮來公司數字化辦公室高級副總裁Rich Carter表示：「數字生物標記通過使用可穿戴傳感器和遠程技術持續地、被動地收集數據，為患者健康提供獨特的洞察。然而，為了充分利用這些數據，我們需要一個傳感器雲來聚合大量的數據，對數據進行實時監控，並以全新的方式分析結果，以探索潛在的創新。該解決方案還需要與多種不同的設備兼容，具體取決於測量的內容是什麼。」
禮來公司的IT團隊在這個市場中尋找符合該公司需求的、可擴展的近期解決方案。但他們發現，市場上並沒有大容量的數字化數據云能夠超過數據攝取和存儲可穿戴傳感器數據這個範疇幫助他們提供必要的洞察。Carter說：「這就是為什麼禮來公司要利用創新人才並構建自己專有的解決方案。」
「我們建立了一個名為MagnolAI的專有生態系統，這是一個具有全棧功能的傳感器雲，可以持續攝取、可視化來自禮來公司互聯試驗的大量實時可穿戴傳感器信號，並將其轉換為有意義的數字測量值。」
他們創建了一支跨職能的團隊，匯聚了各個領域的專業技能，用三年之間打造了這個平台。
將數據轉化為情報
MagnolAI從臨床研究中所用的互聯設備中獲取原始的數據和處理後的數據，無論是用於測量心率的現成可穿戴設備，還是禮來公司的創新產品，例如用於測量炎症性腸病（IBD）排便情況的傳感器。然後，禮來公司數據和分析專家可以通過MagnolAI平台訪問這些互聯數據，反過來開發出算法以便更好地了解疾病歷程，幫助衡量禮來公司藥物的效果，並開發出幫助患者成功治療疾病的新產品。
「該團隊在設計和實現MagnolAI的數據功能時，採用了與設備無關的方法，使其成為無論使用何種設備都十分強大的一種工具。MagnonAI具有足夠的可擴展性，可以可視化來自不同設備的數據、分析數據、並生成數據質量報告，包括能夠聚合和合成跨臨床試驗數據等。」
但Carter表示，這種傳感器雲的獨特之處在於，MagnolAI的設計目的是將數據轉化為智能，而其他大多數解決方案則專注於數據收集。
「MagnolAI為用戶提供了獨特的分析驅動能力：以適合分析目的的規模和解析度查看數據，以前所未有的精度捕獲精確的數據點，並隨時隨地從雲到分析環境提供全譜數字數據，這種程度的細節和靈活性在行業中是前所未見的，因此對於那些對傳感器雲平台和數據資產有更高要求的專業人士來說，MagnolAI是一個改變了遊戲規則的平台。」
這套解決方案是禮來公司私有的，是根據重要的人機交互設計原則構建的，Carter補充說，「讓我們的研究人員能夠查看數據，制定數據的初步假設，創建算法來量化和驗證那些通過疊代和學習周期提出的假設。」
克服數據挑戰
迄今為止，MagnolAI已經被用於支持大約20項互聯試驗。隨著其用途的擴大，Carter的團隊將需要開發新的系統、工具和管道，收集和分析新的形式和新的數據源——考慮到所涉及的數據量，這並不是一件容易的事。
Carter說：「能夠捕獲大量數據是令人興奮的，但在早期階段，理解如此大量的數據是具有挑戰的，特別是當我們查看不同試驗的時候。在某些情況下，我們一天內會從一名患者那裡收集超過400萬個數據點。」
為了應對這一挑戰，他們對原始數據集中的端點進行了聚合和操作，以更好地理解模式和關聯。他說：「研究人員多輪開發和假設驗證的同時，這些階段也需要疊代執行。我們發現，關鍵是要創建一種機制，使研究人員能夠探索數字信號並通過疊代獲得洞察。」
此外，還存在與全譜數據質量和保證相關的挑戰，因為在自由數據環境中定義質量期望值和監控一致性可能是很難的一件事。Carter說：「我們必須掃描可穿戴傳感器信號中的無效值和噪聲。另一個挑戰是將信號層面的合規性資訊聚合到來自訪問和研究層面的可分析型數字測量數量中。在整個數據生命周期中有效地報告數據質量是至關重要的，這需要具體的期望目標以及工作方式。」
雲用於實現個性化健康的巨大潛力
雖然目前還處於試點階段（MagnolAI將在未來7-12個月內全面推出），但這個項目在很多方面為禮來公司提供了幫助。
MagnolAI號稱是最全面的大數據視覺計算解決方案，可以實現大規模數據的交互式探索和導航。MagnolAI的實時數據監控工具讓禮來公司能夠在整個患者旅程中、在診所、或者是在家中的互聯臨床試驗中及時追蹤大數據的質量和合規性。
MagnolAI的應用示例之一，就是研究帕金森病患者的白天嗜睡情況。Carter表示：「到目前為止，評估成功的最常見方法就是看患者報告的結果，這可能是非常主觀的。這項研究的動機是通過數字設備被動收集患者白天的嗜睡行為。在此基礎上，我們的團隊根據這些數據開發並部署了相關算法，以便得出新的數字端點來量化白天嗜睡的平均值。儘管禮來公司決定不再繼續開發帕金森氏症藥物，但團隊仍能夠繼續將這些資訊和數據用於正在進行的研究中和不同的疾病狀態例如阻塞性睡眠呼吸暫停等。」
「這項創新的工作讓各個研究團隊都能夠在試驗中部署互聯設備，開發數字測量方法，包括在禮來公司的五項疼痛研究中支持和生成數字端點，以及開發一種算法通過體動記錄儀評估夜間抓傷特應性皮炎患者等。」
這個項目成為了禮來公司自主研發IDS（研究藥物服務）技術的典型案例，「每年節省下因依賴外部數據平台廠商帶來的近300萬美元成本」，而且Carter補充說，該團隊有關MagnolAI方面的工作成功已經在IEEE BigData大會上進行了展示，目前有四份手稿正在接受這個著名期刊的審查，同時還有一項專利已經提交了申請。
Carter補充說，MagnolAI平台還提供了與禮來公司以外組織合作的機會，為需要的人提供數字化解決方案。他說：「禮來公司正在尋求合作夥伴，以利用MagnolAI並共同提高這種能力。」
但預計MagnolAI能夠主要帶來的好處是改善健康結果。
「隨著我們在更多的臨床試驗中利用MagnolAI平台，它將幫助我們更好地了解疾病歷程，推動加快藥物開發，並提供簡化藥物發現、臨床試驗和治療流程及解決方案的洞察。我們看到了MagnolAI的長期價值，並且隨著產品全面發布的臨近，我們將專注於繼續增強MagnolAI。」
