מבוא: מתקנות לב לדור נתונים

במשך עשרות שנים, קוצני קצב היו נרדפים עם טיפול לב מציל חיים, ויסת קצבי לב חריגים ומניעת מעצר לב פתאומי.עם זאת, קוצב קצב מודרני התפתח הרבה מעבר למחולל פשוט של הדופק החשמלי כיום, מכשירים אלה מושתלים הם פלטפורמות חיישן מתוחכמת כי כל הזמן לפקח על מטופל ’ לב ועבר כמויות עצומות של נתונים פיזיולוגיים.

ההתכנסות של טכנולוגיית מכשירים מותשת וניתוח נתונים גדול מייצגת שינוי פרדיגמטי באופן שבו אנו ניגשים למחקר קליני.במקום להסתמך רק על ביקורים במרפאה תקופתית ותסמינים בעלי הכשרה, קרדיולוגים ומדענים נתונים יכולים כעת לגשת לנתונים רצופים, אובייקטיביים ורזולוציה גבוהה מאלפי חולים בזמן אמת. מאמר זה חוקר כיצד נתונים מטופלים מקצבים ממעבדים ממותרים לנתוני מחקר רפואי גדולים, להטבות ולאתגרים עתידיים, ולשינוי שדה זה.

האבולוציה של פייסmakers: ממכשירים מצילים חיים ועד Data Hubs

כדי להעריך את התפקיד של נתוני קוצ'ר במחקר נתונים גדול, חיוני להבין כיצד מכשירים אלה התפתחו.הקצב הראשון מושתל, שפותח בשנות החמישים, היה מכשיר נדיר אשר סיפק דחפים חשמליים קבועים.בעשורים הבאים, ההתקדמות הטכנולוגית הובילה ל- “ ” קוצני קצבים אשר הרגישו פעילות לב פנימית פנימית ופוטרו רק כאשר הם זקוקים, שיפור דרמטי של החיים ובטיחות.

אפשרויות לחיישנים מודרניים

קוצרים מודרניים מצוידים במגוון של חיישנים שעוברים הרבה מעבר לזיהוי קצב בסיסי.הם עוקבים:

  • (ב) ⁇ (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ויקרא י"א: ויקרא י"ד:
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ויקרא י"א:2 ויקרא י"ד:2 ויקרא י"א)

חיישנים אלה מייצרים זרמי נתונים מתמשכים המאוחסנים במכשיר ’ זיכרון ועבר אלחוטי לספקי בריאות.הגרנוריות והנפח של נתונים אלה הופכים אותו אידיאלי לניתוח נתונים גדול.

כיצד נאספים נתונים ו- Transmssed

איסוף נתונים מ קוצרים מתרחש באופן אוטומטי, בדרך כלל באמצעות מפגשים יומיומיים מרחוק.מטופלים עשויים להיות צג ביתי או מערכת מבוססת טלפון חכם שמתקשרת עם השתל באמצעות קרוב לשדה או טכנולוגיית Bluetooth.הנתונים מוצפנים ונשלחים לפלטפורמת ענן מאובטחת המוחזקת על ידי יצרן המכשיר או מערכת בריאות. משם, רופאים יכולים לסקור סיכומים, התראות ודיווחים מפורטים.

מידע מפתח

  • (ב) ויקרא י"ד: "ה'" (ב"ג)
  • (ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) ,5 ,5 ,5 ,5 , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) ,0) , ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇
  • (ב) פעילות גופנית: 0 (ב) שעות ביום פעילות, מנוחה ושינה.

תשתיות Big Data

יצרני התקנים פיתחו מאגר נתונים בקנה מידה גדול הכולל נתונים אנונימיים ממיליוני מטופלים ברחבי העולם.לדוגמה, רשת מדטרוניק CareLink ו-Abbott ’s Merlin.net אוספת נתונים ממאות אלפי מכשירים.חוקרים יכולים לגשת לנתונים נתונים חד-זהים למחקרים ברמת האוכלוסייה, בתנאי שהם עומדים בסטנדרטים אתיים ותקנות רגולטוריות.

תפקיד נתוני פייסצב במחקר רפואי גדול

נתונים גדולים בבריאות מתייחסים לנתוני נתונים שהם גדולים מדי, מורכבים או מהירים עבור שיטות ניתוח מסורתיות.פיצב נתונים מתאים לתיאור זה באופן מושלם: זה נפח גבוה (פרמטרים מולדים לשנייה), מהירות גבוהה (עד מאוד או מתמשך), ולעתים קרובות heterogeneous (שילוב פורמטים על פני יצרנים ומודלים למכשירים).

אינטגרציה עם רשומות בריאות אלקטרוניות (EHRs)

יישום חזק אחד המקשר נתונים קוצרים עם EHRs. על ידי שילוב מדדים פיזיולוגיים ממוחשבים עם נתונים קליניים (מעבדות, תרופות, תחלואה), החוקרים יכולים לבנות פרופילים סבלניים מקיף.אינטגרציה זו מאפשרת שילוב זה מאפשר כפל:0phenotpingFLT:1 של תנאי לב וזיהוי של תת-קבוצות אשר עשויים להגיב באופן שונה לטיפולים מקושרים, למשל, באמצעות טיפול תרופתי עלול לחשוף נתונים גבוהים עם סיכון גבוה לסיכון גבוה.

Analytics ולמידה של מכונות

מודלים של למידת מכונות המאומנים על נתוני קוצב רציף יכולים לחזות אירועים שליליים או אפילו שבועות לפני שהם מתרחשים.

  • (FLT:0) חיזוי של זיוף: אמבראל 1 (Algorithms מנתחים תבניות קצב לב וקצבים ectopic לחזות פרקים קרובים, המאפשרים התערבות מוקדמת.
  • (FLT:0) כישלונות ה-Heart Decompensation:FIRLT:1 , רמות חסימה תוראקטית ורמות פעילות יכולות לסמן עומס יתר על ידי נוזל, מה שמוביל התאמות תרופות לפני אשפוז.
  • (ב) [15] גילויי כישלונות: 1FLT:1 שינויים פתאומיים במכשולים או בסף רגיש יכולים להזהיר את הרופאים לשברים פוטנציאליים, להפחית סיכונים.

כלים אלה מנבאים מאומתים כיום בניסויים בקנה מידה גדול והם נכנסים לפרקטיקה קלינית, מה שהופך מחקר נתונים גדול לפעולה ישירה בצד המיטה.

מחקר בריאות האוכלוסייה וניסויים קליניים

נתוני פייסצב גם ממלאים תפקיד גובר במחקרים בתחום בריאות האוכלוסייה.ד-הזהה נתונים מאלפי מטופלים יכולים לחשוף מגמות בשכיחות זוועהיתמיה, שיטות הדבקה ותוצאות באזורים גיאוגרפיים, דמוגרפים ומערכות בריאות יתר על כן, הנתונים בקידוד גבוה יכולים לשמש נקודת קצה חלופית בניסויים קליניים, צמצום הצורך בתקופות מעקב ארוכות ודגימות קטנות יותר.

השפעה עולמית: מחקרים וממצאים של מקרים

שילוב נתוני קוצב המחקר נתונים גדולים כבר הפיק ממצאים משמעותיים אשר משנים את הפרקטיקה הקלינית.

מקרה 1: ניקוי שקט של פיבריון

fibrillation (AFib) הוא לעתים קרובות אסימפטומטי אבל מאוד מגביר את הסיכון לשבץ.פייסmakers לפקח ברציפות על AFib, וניתוחים בקנה מידה גדול הראו כי אפילו פרקים קצרים ( דקות עד שעות) קשורים בסיכון מוגבר לשבץ.ה-pLT:0ASSERT מחקר AFibRT 1 (FLT:2New England Journal of Medicine, 2012F3) משמש לסיכון כפול ממריץ נתונים אנטי-מגיבמטיים מסוימים.

מקרה 2: מעקב מרחוק במהלך COVID-19 Pandemic

במהלך המגיפה, ניטור מרחוק הפך קריטי לשמירה על טיפול בחולי מכשיר לב.ניתוח נתונים גדולים מיצרנים מרובים הראו כי ניטור מרחוק המשיך לזהות את היסטריה מסכנת חיים וכשלונות מובילים ללא צורך ביקורים בבית חולים.מחקר שפורסם ב-FLT:0JACC בשנת 2020FLT:1 השתמש בנתונים קוצרים מצטברים כדי להוכיח כי ניטור מרחוק מופחת אשפוזים ותמותה במהלך נעילה, תוקף את הערך של ניהול נתונים של נתונים בתחום הבריאות.

מקרה 3: ביטול הלב

פייסmakers עם חיישנים מעכבים דלקתיים יכול לזהות עומס נוזלים ריאות, מבשר על כישלונ לב פגום דיסבוע.ניתוח נתונים גדול של מגמות מוטציות על פני אלפי חולים אפשרה פיתוח של אלגוריתמים אשר להתאים את dosuretic dosing או קוצב הגדרות באופן אוטומטי.

יתרונות למטופלים ולמרפאות

היתרונות של שימוש בנתונים קוצב עבור מחקר נתונים גדול להאריך הן לחולים והן לספקים.

  • (FLT:0) גילוי מוקדם ומניעתן: ניטור רציף 1:1 מאפשר זיהוי של שינויים עדינים כי לפני אירועים קליניים precede. לדוגמה, ניתן לזהות פרקים גבוהים לפני זמן קצר תסמינים.
  • (FLT:0 התאמות טיפוליות מותאמות אישית:FLT:1ig נתונים Big Data analytics מאפשר לרופאים להתאים הגדרות קוצב, תרופות, ותכניות מעקב המבוססות על דפוסי נתונים בודדים ולא על ממוצעי אוכלוסייה.
  • (FLT:0) מתן שירותי בריאות: FLT:1Build, ניטור מרחוק ואזהרות צפויות להפחית ביקורים במרפאה מיותרים אשפוזים. מחקרים מראים כי חולים על ניטור מרחוק יש 50% פחות בדיקות פנים.
  • (FLT:0) תמיכה בקבלת החלטות קליניות:FreaLT:1) נתונים ממטופלים דומים יכולים לספק תמיכה בקבלת החלטות, כגון המלצה על הגדרות נגד פצ'יפטריה בהתבסס על שיעורי הצלחה היסטוריים באוכלוסייה.
  • (FLT:0) מחקר וחדשנות: נתונים גדולים מקצבים מאיצים ניסויים קליניים על ידי צמצום צרכי ההרשמה ומאפשר מעקב ארוך טווח באמצעות זרמי נתונים מתמשכים.

אתגרים ושיקולים אתיים

למרות הבטחתו, השימוש בנתונים קוצרים במחקר נתונים גדול מעלה אתגרים משמעותיים שיש לטפל בהם כדי להבטיח אמון החולה ותוקף מדעי.

פרטיות נתונים ואבטחה

נתוני פייסצב רגישים מאוד כפי שהוא מגלה פרטים אינטימיים על אדם ’ בריאות הלב וכלי דם ופעילות יומיומית.בעוד שהנתונים הם בדרך כלל מזוהים למחקר, סיכונים לזיהוי זהות נמשכים, במיוחד כאשר הם מקשרים עם מסדי נתונים אחרים.ההצפנה של רובוסט, בקרת גישה ותהליכי הסכמה שקופה הם חיוניים.

איכות נתונים וסטנדרטיזציה

נתוני פייסצב מיצרנים שונים עשויים להשתמש בהגדרות שונות, שיעורי הדגימה וטכניקות מדידה.לדוגמה, “ רצף של עול ו-dquo; עשוי להיות מוגדר אחרת על פני מכשירים.תבנית נתונים הרמוניזציה ופיתוח מודלים נתונים נפוצים (כגון FLT:0OMOP Common Data Models Data ModelFLT:1) הוא הכרחי למחקר רב-אמין עבור מחקרים חסרים.

הסכמה ואוטונומיה למטופל

חולים עשויים לא להבין באופן מלא כיצד נתוני המכשיר שלהם מזוהים משמשים מעבר לטיפול קליני מיידי. תהליכי הסכמה טרנסנדים המסבירים מחקר נתונים גדול, הפוטנציאל לשימוש מסחרי, ואת היכולת לבחור (ללא השפעה על ניטור קליני) הם קריטיים. חלק מהחולים עלולים להרגיש לא בנוח לדעת שתבניות הפעילות היומיות שלהם הן חלק ממסד נתונים מחקר.

אחריות ו- Generalizability

נתונים שנאספו מחולי קוצ'ר עשויים לא לייצג את האוכלוסייה הכללית.מטופלים המקבלים קוצרים הם קבוצה ספציפית עם תנאי לב מתועדים, לעתים קרובות מבוגרים יותר ועם מספר רב של תחלואה.מחקרים באמצעות נתונים אלה עשויים לייצר מסקנות שאינן מעצימות לאנשים בריאים יותר או אלה עם רקע חברתי-כלכלי שונה. החוקרים חייבים לטפל באופן פעיל בזיהוי מוטה ולשקול ניתוחי רגישות.

עתיד נתוני פייסצב במחקר רפואי

במבט קדימה, התפקיד של נתוני קוצ'ר במחקר נתונים גדול רק יגדל.כמה מגמות יעצבו את האבולוציה הזו.

שילוב עם בינה מלאכותית ולמידה של מכונות

מודלים מתקדמים של למידת מכונה יעברו ממחקר לפריסה קלינית.לדוגמה, למידה עמוקה על אלקטרוגרם תוך-לב יכול לזהות דפוסים עדינים חיזוי של ventricular tachycardia.מודלים אלה יוצבו ישירות על המיקרו-מעבדים קוצבים, המאפשר קבלת החלטות בזמן אמת וצמצום הצורך להעביר את כל הנתונים הגולמיים.

הרחבת יכולת החיישנים

קוצני קצבים מתעוררים יכללו חיישנים נוספים, כגון חיישני לחץ ב Atrium השמאלית או עורק ריאות, צגים גלוקוז רציף לחולים סוכרתיים, ואלקטרוגרמה מרובות-lead עבור הדמיה מקיפה של הפעלה חשמלית. נתונים עשירים אלה יאפשרו אפילו מודלים חיזוי מדויק יותר והתאמות טיפול בפסד סגור.

המונחים: Wearable Devices

נתוני פייסצב יתאחדו יותר ויותר עם נתונים של מכשירים לבישים (צופים חכמים, צגים חתומיים) כדי לספק תמונה מלאה של המטופל ’ למשל, בריאות המטופל ’ קוצב קצב עשוי לזהות arrhythmias בעוד השעון החכם עוקב אחר שינה ופעילות, ויחד הם יכולים לחשוף התאמות בין אירועי אורח חיים ו- cardiac.

ניסויים קליניים רשמיים

השימוש בנתונים קוצ'ר יאפשר עוד ניסויים קליניים מבוזרים, שבהם מטופלים משתתפים מהבית. ניטור נקודות קצה כגון נטל rrhythmia, קצב הלב פנויות, או אחוז ניכוי באמצעות איסוף נתונים מרחוק מפחית ביקורים באתר ונטל סבלני. סוכנויות רגלטוריון, כולל ה- FDA, מקבלים יותר ויותר נקודות קצה מבוססות מכשירים, תרופות ואישורים.

מסקנה

נתוני מטופלים מ קוצרים עברו את המטרה הקלינית המקורית שלה וכעת היא אבן הפינה של מחקר רפואי גדול של נתונים.הנתונים הפיזיולוגיים המתמשכים, ברזולוציה גבוהה שנוצרים על ידי מכשירים אלה מציעים חלון שאין דומה לבריאות הלב וכלי דם ומחלות. על ידי שילוב נתונים אלה לפלטפורמות ניתוח בקנה מידה גדול, החוקרים חושפים תובנות חדשות לזייף, כשל לב, וסיכון לב פתאומי.

בעוד הטכנולוגיה ממשיכה להתקדם, הסימביוזיס בין מכשירים מושתלים ומחקר נתונים גדול יעמיק.אינטליגנציה מלאכותית תשנה נתונים גולמיים לתחזיות ניתנות לפעולה, וחיישנים מורחבים יתפסו יותר ממדים של בריאות.שיתוף הפעולה המתמשך בין רופאים, מדעני נתונים, מטופלים ורגולטורים יבטיחו שנתוני קוצב קצב תורמים לעתיד של טיפול יזום, מותאם אישית, מונע נתונים.