禮來公司(Eli Lilly and Company)創立於 1876 年,這家知名的大藥廠已經開發出名稱為 MagnolAI 的一個雲端解決方案,可以持續接收、視覺化以及轉換數位化生物標記資料成為有意義的醫療見解。
文/Yashvendra Singh‧譯/潘得龍
數位化生物標記在增進我們對疾病和健康的瞭解上,扮演越來越重要的角色。數位生物標記被定義為可量化的,並且能夠以的客觀的行為,藉由生理資料的蒐集和數位裝置的測量,像是植入式設備、可穿戴設備、可吞嚥設備或攜帶式設備等,數位生物標記可以讓藥廠以遠距的方式進行研究,而不需要實際親臨實驗對象的現場。這種創新方式,正在革命性地改變藥廠進行研究和確定治療效果的方式。
根據 Research & Markets 的最新業界報告,數位生物標記的市場,預計在 2022 年至 2028 年之間,會以 36% 的複合年均成長率(CAGR)顯著成長。但處理處理由生物標記所產生的資料,特別是進一步操作,仍然具有挑戰性。為了處理這樣的問題,禮來決定轉而採用雲端解決方案。
根據禮來公司 SVP 暨數位長 Rich Carter 表示:「數位標記可以藉由穿戴感測器和遠距科技,持續和被動地蒐集資料,進而以資料為基礎,提供獨特的洞察內容。然而,想要充分運用這些資料,我們需要一個「感測器雲」以聚合這些大量資料,能夠對資料進行即時的監測,並以新的方式分析結果,進而探索可能的創新模式。這樣的解決方案也必須根據想要測量對象,需要能夠與多種不同的裝置相容。」
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ,與全球 CIO 同步獲取精華見解 ]
禮來公司的 IT 團隊探索了市場,尋找符合製藥公司需求的可擴展的近期解決方案。但是他們發現市場上並沒有高儲存容量的數位資料雲足以接收和儲存可穿戴裝置的資料,從而能夠進行資料的分析而獲得進一步的洞悉 ─ 就如 Carter 所指出的:「能夠促使禮來充分發揮創新能力,並建立自己的專屬解決方案。」
Carter 說:「我們建立了一個名稱為 MagnolAI 的目的性生態系統,它是一個具有完整堆疊儲存能力的感測器雲,能夠持續處理、視覺化以及轉換來自禮來即時穿戴感測器訊號的大量資料。」
這個平台,是過去三年由跨功能團隊組成的不同經驗,採用敏捷式開發方式開發而成,這個平台讓禮來獲得 2023 年美國 CIO 百大創新和 IT 領導獎。
將資料轉換成智慧
MagnolAI 能夠消化以及處理來自所有臨床研究連結裝置的原始資料,其中有商用使用於測量新率的可穿戴設備,或是禮來的創新產品,例如使用於炎症性腸道疾病(IBD)的排便感測器等。然後,這個平台讓這些連結的資料能夠被禮來的資料與分析專家使用,而建立出更能理解疾病歷程的演算法,協助測量禮來藥品的效果,進而開發出更能有助於病人治癒疾病的新產品。
Carter 表示:「當設計和建置 MognolAI 的資料處理能力時,團對採取了不須識別機器類型的方式,讓平台系統能在不受到所使用裝置類型的限制下,使這個平台的應用能力更加強大。MagnolAI 提供了足夠的擴充能力,可以將來自不同裝置的資料視覺化、進行分類、產出資料品質報告,以及具備資料累加和整合來自不同臨床試驗資料的能力。
他指出,特殊的部分在於,感測器雲與眾不同的地方是,大部分的解決方案都著重在資料蒐集,而 MagnolAI 則是設計成具有智慧能力的平台。
他說:「平台可以讓使用者擁有以分析為核心的獨特能力:像是可以依據需要分析的內容與解決方式的分析目的,指定想要檢視的資料範圍。能夠以前所未有的準確性擷取精確的資料點,而且能在任何時間、任何地點,以完整的資料面,傳送給所需的資料環境。所能提供的細節以及彈性,即便在這個領域中,也是前所未見的。特樣的特色也讓 ManolAI 成為這個專業領域的遊戲規則新制定者,可以讓使用者從感測器雲平台和他們的資料雲中,獲得高的表現。
這個解決方案,目前僅供裡來內部使用,是以人機介面互動作為最重要的設計原則。Carter 補充指出:「為了讓我們的研究人員便於檢視資料,我們開發出對資料能做初始假設、建立能夠藉由重覆學習的循環演算法,以量化和驗證初始假設。
克服資料所帶來的挑戰
MagnolAI 目前已經使用大約 20 個臨床實驗上,隨著越來越多的應用展開,Carter 的團隊將會需要開發更新版本的系統、工具以及架構管理平台,以支持對新格式與更多來源資料的蒐集 ─ 處理日趨成長的大量資料,並不是容易的事情。
Carter 表示:「擁有擷取大量資料的能力是令人感到興奮的,在這之前,處理如此大量的資料是一項考驗,特別是需要同時處理不同實驗計畫的資料。在某些案例中,針對一位病人,一個資料來源點,一天就需要蒐集超過 4 百億筆資料。」為了因應如此的挑戰,來自不同端點的原始資料集,會以累積的方式進行儲存,同時會以較為容易理解的類型和關聯進行運作。「這些不同的發展階段,必須隨著研究人員的進程,不斷地重覆進行,並且還需要多次進行驗證。我們發現研究者的關鍵,是要建立可以讓研究人員探索數位訊號,以藉由不斷地重覆探索,獲取對新知的洞察。」
然後,則是與整體資料品質有關的挑戰,這要能確保所設定期待的資料品質以及資料控資料內容的一致性。不過,這會有相當的困難,因為這類資料的環境特質是開放而動態的,。Carter 說:「我們必須先掃描來自穿戴裝置感測器訊號的異常值與雜訊;另外一個挑戰,則是如何累積訊號程度到可分析的數位測量值,不論是一般性的測量或是研究類型的資料,這些資料可能大部分都呈現一致化而單調而沒甚麼變化的情況。能夠針對不同資料的生命週期,而能有效率地產出資料品質報告是很重要的,這要能符合嚴謹要求之下的預設標準以及執行方式。」
個人化健康的威力
儘管目前是在測試階段,這個專案已經能夠以許多不同方式協助公司的研究工作。
聲稱是目前最完備的巨量資料視覺化解決方案,MognolAI 可以支持互動式探索與任意資料規模的大量資料瀏覽。系統提供即時的資料監測工作,讓禮來能夠立即追蹤已連結臨床實驗或居家病人整個歷程的巨量資料品質和一致性。
MagnolAI 有一個已經應用於研究帕金森症的日間嗜睡研究案例,Carter 說:「直到現在,大部分常見的成功評估方式是透過病人自行回報改善的情況,因此也就非常主管。這個研究的動機是能夠藉由被動地透過數位裝置,蒐集病人日間嗜睡行為。藉由類似的案例,團隊發展並建置了以資料為基礎的演算法,而能產出創新的且量化的以數位資料裝置為基礎的日間嗜睡特徵資料。即使禮來決定不技術進行相關帕金森藥品的開發,但團隊還是能夠應用相關的資料和資訊,持續進行後續研究,而能掌握不同的疾病狀態,像是在阻塞型睡眠呼吸中止症的應用等。」
他進而表示:「這個創新已經讓許多不同的研究團隊建置出臨床實驗裝置的連結,同時開發出數位測量方法,包含在 5 個禮來的疼痛研究計畫中,支持與產生數位資料節點,同時也開發出評估異位性皮膚炎患者,利用活動測量進行夜間的抓刮行為觀察,這也讓我們獲得了 2022 年禮來研究實驗室(The Lilly Research Laboratories,LRL)百大創新團隊獎。」
禮來自主研發的 IDS(實驗性藥物服務)科技,是一個雛形與實驗案例專案,Carter 說:「每年我們可以從必須依賴外部資料服務廠商那禮節省約 3 百萬美金的費用,而且團隊在 MagnolAI 的努力成果已經在 IEEE BigData 研討會中發表,另外有 4 篇論文提交到知名期刊進行審查,同時還有一個專利送件中。
這個平台也展現一個機會給禮來的外部夥伴組織,就是能以數位的方式提供解決方案,給那些有需求的夥伴公司。他說:「禮來也正在尋找夥伴共同提升 MagnolAI 的能力。」
不過對於 MagnolAI 的主要效益期待,是在健康促進。
他指出:「透過我們在更多的臨床實驗中應用這個平台,MagnolAI 將更能協助瞭解疾病的發展進程,加速藥品的開發,從藥品的研發過程、臨床實驗、治療流程以及解決方法中,發現新的洞察。我們看到 MagnolAI 的長期價值,並且隨著產品的逐漸完備,能更專注在持續強化 MagnolAI 上。」
(本文授權非營利轉載,請註明出處:CIO Taiwan)