Nosivi uređaji pružaju kontinuirane, realne podatke koji mogu smanjiti obim kohorti i trajanje studija. Glavni problemi su fragmentacija podataka, nepotpunost i algoritmi validirani na zdravim osobama — tzv. "algoritamska zamka". Potrebne su tri vrste validacije (senzorska, analitička, klinička) i rana saradnja sa regulatorima da bi digitalne mere postale prihvatljiv dokaz u razvoju lekova.
Kako nosivi uređaji mogu transformisati klinička ispitivanja
U poslednjih nekoliko godina nosivi uređaji koji prate san, aktivnost, srčani ritam i oporavak — poput pametnih satova, fitnes narukvica i prstenova — postali su svakodnevnica za milione ljudi. Iako mogu omogućiti manje kohorte, kraće studije i ishode bliže pacijentu, farmaceutska industrija još nije u potpunosti iskoristila njihov potencijal u kliničkim ispitivanjima.
Zašto nosivi uređaji donose vrednost
Dudley Tabakin, osnivač i direktor kompanije VivoSense, rekao je na konferenciji Outsourcing in Clinical Trials (OCT) UK & Ireland 2026 u Londonu da digitalne mere menjaju ekonomiju kliničkih ispitivanja. Podaci iz nosivih uređaja omogućavaju kontinuirano praćenje u stvarnom okruženju, što može otkriti male, ali relevantne promene u pokretljivosti, obrascima aktivnosti i kvalitetu sna — informacije koje epizodne kliničke posete često propuštaju.
Glavni izazovi i "algoritamska zamka"
Prema Tabakinu, tokom poslednjih 25 godina nešto više od 1.000 kliničkih ispitivanja uključilo je nosive senzore — relativno mali broj u odnosu na ukupan broj ispitivanja. Ključni problemi su fragmentacija podataka, nepotpunost, šum i operativni propusti: pacijenti zaboravljaju da nose uređaj, algoritmi su validirani na zdravim populacijama, a protokoli često nisu prilagođeni kontinuiranom nadzoru.
"Digitalne mere pomeraju izvan epizodnih procena."
Tabakin upozorava na "algoritamsku zamku": mnogi komercijalni algoritmi su trenirani na zdravim korisnicima i tako pre ili pogrešno interpretiraju podatke pacijenata sa specifičnim bolestima. Kao primer navodi se COPD — standardni algoritam je precenio efikasnost sna, u kontrastu sa iskustvom pacijenata, pa je nužna prilagođavanja algoritama za bolest-specifične obrasce.
Operativna izvršenja i kvaliteta podataka
Kvalitet podataka jednako zavisi od tehnologije i operativne realizacije. Nepotpuni podaci su često nepopravljivi, zbog čega je vitalno uspostaviti praćenje usklađenosti, nadzor u realnom vremenu i jasne protokole. Tabakin navodi da se cilj od ~95% dostupnosti podataka može postići intenzivnim operativnim intervencijama i praćenjem.
Regulatorna validacija i primer iz prakse
Najveći izazov ostaje regulatorno priznavanje digitalnih krajnjih tačaka. Do danas nema primera gde je digitalna mera bila primarna osnova za odobrenje leka. Ipak, VivoSense je identifikovao digitalnu meru za neuromuskularnu bolest koja je pokazala jasnu razliku između tretmana i prihvaćena je kao ključna sekundarna krajnja tačka u programu Faze III — primer da je moguće postići regulatorni napredak uz pravilan pristup.
Preporučena strategija za implementaciju
- Rani dizajn protokola fokusiran na kontinuirano praćenje
- Pažljiv izbor senzora i validacija hardvera
- Razvoj i optimizacija algoritama za ciljnu bolesnu populaciju
- Operativni nadzor za praćenje usklađenosti i dostupnosti podataka
- Analitička i klinička validacija povezana sa rezultatima važnim za pacijente
- Rana i kontinuirana komunikacija sa regulatornim telima
Validacija mora da obuhvati tri nivoa: verifikaciju senzora, analitičku validaciju merenja i kliničku validaciju koja povezuje digitalnu meru sa ishodima značajnim za pacijente. Ako se ovi koraci sprovedu sistematski, nosivi uređaji mogu znatno unaprediti pouzdanost podataka, ubrzati razvoj lekova i pomeriti istraživanja ka većem fokusiranju na pacijenta.
Izvor: Izveštaj sa konferencije OCT UK & Ireland 2026; originalno objavljeno u Clinical Trials Arena.
Pomozite nam da budemo bolji.
