Терапията за рак зависят от главозамайващи количества данни: Ето как се сортират в облака

Пациентите с рак и техните лекари разполагат с повече информация за болестта и нейното лечение от всякога и наличната информация продължава да нараства с шеметна скорост. Цялата тази информация обаче не е полезна, ако хората не могат да осмислят всичко това. 

Помислете например за пациент с рак на белите дробове, който може да получи ранна диагноза чрез програма за скрининг, която произвежда изображение с компютърна томография (CT). С напредването на техния план за диагностика и лечение, техните болногледачи ще предоставят източници на данни като MR и молекулярно изображение, патологични данни - които все повече се дигитализират - и геномна информация. 

„Всичко това, честно казано, е много трудно предизвикателство за самите медицински екипи, тъй като те мислят как най-добре да се грижат и лекуват тези пациенти“, каза Луис Кюло, генерален директор по геномика и онкологична информатика във Philips, по време на Amazon Виртуално събитие за уеб услуги за здравната индустрия. 

„В онкологията сега или във всяка медицинска дисциплина това има значение, защото лечението има значение, интервенцията има значение“, каза Кюло. „Ние не искаме данни само заради самите данни. Какво действие биха могли да предприемат членовете на екипа за грижа въз основа на информация?“

За да се справят по-добре с всички тези данни, иноваторите се обърнаха към инструменти като облачни изчисления и машинно обучение – с потенциално животоспасяващи резултати. На тазседмичното събитие на AWS Culot разгледа партньорството на Philips с Центъра за ракови заболявания MD Anderson към Тексаския университет, което има за цел да помогне на лекарите да обединят всички свои данни, за да създадат персонализирани планове за грижи за пациентите. 

Сатнам Алаг, старши вицепрезидент на софтуерното инженерство в Grail, обясни как неговата компания използва облака и машинното обучение, за да разработи система, която може да изследва пациентите за десетки различни видове рак наведнъж, а не един по един. 

Трудно е да се надценява въздействието на подобрените прегледи и лечения на рак. През 2020 г. е имало повече от 19 милиона случая на рак в световен мащаб, отбеляза Алаг, и близо 10 милиона смъртни случая. Изчислено е, че един на всеки трима мъже и една на всеки четири жени има вероятност да се разболеят от рак през живота си.

„Аз или член на семейството ще бъда ли диагностициран с рак? Къде е в тялото ми? Може ли да се излекува? Или ще ме убие? Това са общи въпроси, които много от нас споделят“, каза Алаг. 

За щастие, тъй като събираме повече данни за изследване на рака, учените също така разработват нови възможности за лечение с бързи темпове. Напредъкът в молекулярното профилиране помогна на учените да идентифицират различни категории и подкатегории рак, заедно с различни потенциални терапии. През 2009 г. FDA на САЩ одобри осем противоракови лекарства, отбеляза Кюлот. До 2020 г. този брой нарасна до 57. Освен това в момента има около 1,500 клинични изпитвания, отворени за пациенти с рак. 

„Като цяло сега има буквално стотици възможни терапии или терапевтични комбинации, които могат да се използват за лечение на рак“, каза Кюло. „Значи имаме това двойно предизвикателство, нали? Как да съберем всички тези данни, за да получим по-добра картина на пациента? И след това с тази гледна точка, какво означава всичко това по отношение на най-доброто лечение?“

За да се справят с този проблем, лекарите от MD Anderson разработиха системата за прецизна онкологична подкрепа при вземане на решения (PODS) – базиран на доказателства инструмент, който помага на лекарите да оценят съответната информация, като най-новите разработки на лекарства и клинични изпитвания, както и реакциите на пациентите към лечението . Това им помага да разработят персонализирани планове за лечение.

През 2020 г. MD Anderson си партнира с Philips и AWS, за да направи системата достъпна за лекари и практикуващи по целия свят. 

Системата може да съществува само в облака, отбеляза Кюлот, поради редица причини. Има огромно количество данни за съхранение и огромно количество обработка на данни, която трябва да се извърши. В същото време системата трябва да бъде сигурна и съвместима система с множество наематели за практикуващи по целия свят. 

Може би най-важното е, че облакът позволява наистина персонализирани планове за лечение, отбеляза Кюлот, като позволява на лекарите да си сътрудничат и да комбинират своите данни. 

„Хората говорят за рака като за проблем с големите данни, но това е и това, което аз наричам малък проблем“, каза Кюло. Той даде пример с пациент с рак на белия дроб, който научава, че има рак на белия дроб в стадий 4 със специфични мутации. 

„Вие завършвате с подгрупа и подгрупа на тези популации, така че дори най-големите здравни институции понякога имат само няколко пациенти, които отговарят на критериите, от които се опитваме да се учим“, каза той. „За да можем да комбинираме данни – деидентифицирани, по съвместим начин – така че да можем да се учим от тях, е активирано чрез тези базирани на облак екосистеми.“

По подобен начин Сатнам Алаг от Grail каза, че облакът е наложителен за разработването на Galleri, теста на компанията за ранно откриване на ракови заболявания. Тестът е предназначен да открива повече от 50 вида рак като допълнение към скрининговите тестове за единичен рак.

„Използването на силата на геномиката и машинното обучение се нуждае от много изчисления“, каза Алаг. „Трябва да се съберат и мащабират много големи количества данни.“ 

От едно вземане на кръв, тестът Galleri използва секвениране на ДНК и алгоритми за машинно обучение, за да анализира части от ДНК в кръвния поток на пациента. Тестът търси специално безклетъчните нуклеинови киселини (cfDNA), които туморите отделят в кръвта, което може да ви каже какъв вид рак има в тялото и откъде идва. 

„Вместо само скрининг за отделни видове рак, ние трябва да скринираме индивидите за рак“, каза Алаг. „И това вече е възможно благодарение на две големи технологични революции, които се случиха през последните 20 години. Първо, силата на геномиката - вече е възможно да се секвенира пълната ДНК... ​​генерирайки терабайти данни рентабилно в рамките на няколко дни. Второ, е огромното количество иновации в машинното обучение. Сега разполагаме с ноу-хауто, за да можем да изграждаме сложни модели за дълбоко обучение с десетки милиони параметри.“