Terapie rakoviny závisí na závratném množství dat: Zde je návod, jak se to třídí v cloudu

Pacienti s rakovinou a jejich lékaři mají o nemoci a její léčbě více informací než kdykoli předtím a dostupné informace stále přibývají závratnou rychlostí. Všechny tyto informace však nejsou užitečné, pokud tomu všemu lidé nerozumějí. 

Vzpomeňte si například na pacienta s rakovinou plic, který by mohl obdržet včasnou diagnózu prostřednictvím screeningového programu, který vytvoří obraz z počítačové tomografie (CT). Jak jejich plán diagnostiky a léčby postupuje, jejich správci budou přinášet zdroje dat, jako je MR a molekulární zobrazování, patologická data – která jsou stále více digitalizována – a informace o genomice. 

„Upřímně řečeno, toto vše je velmi obtížná výzva pro samotné pečovatelské týmy, protože přemýšlejí o tom, jak se o tyto pacienty co nejlépe starat a léčit je,“ řekl Louis Culot, GM genomiky a onkologické informatiky ve společnosti Philips, během Amazonu. Web Services virtuální událost pro zdravotnický průmysl. 

"V onkologii nebo v jakékoli jiné lékařské disciplíně je to důležité, protože záleží na léčbě, záleží na intervenci," řekl Culot. „Nechceme data jen kvůli datům. Jaké kroky by mohli členové pečovatelského týmu na základě informací podniknout?“

Aby inovátoři získali lepší přehled o všech těchto datech, obrátili se na nástroje jako cloud computing a strojové učení – s potenciálně život zachraňujícími výsledky. Na akci AWS tento týden prošel Culot partnerstvím společnosti Philips s centrem MD Anderson Cancer Center na Texaské univerzitě, jehož cílem je pomoci lékařům shromáždit všechna jejich data, aby vytvořili personalizované plány péče pro pacienty. 

Satnam Alag, viceprezident softwarového inženýrství ve společnosti Grail, vysvětlil, jak jeho společnost využívá cloud a strojové učení k vývoji systému, který dokáže prověřovat pacienty na desítky různých typů rakoviny najednou, spíše než jeden po druhém. 

Je těžké přeceňovat dopad lepších screeningů a léčby rakoviny. V roce 2020 bylo celosvětově více než 19 milionů případů rakoviny, poznamenal Alag, a téměř 10 milionů úmrtí. Odhaduje se, že každý třetí muž a jedna ze čtyř žen pravděpodobně během života onemocní rakovinou.

„Bude já nebo někdo z rodiny diagnostikován s rakovinou? Kde je v mém těle? Dá se to vyléčit? Nebo mě to zabije? To jsou běžné otázky, které mnoho z nás sdílí,“ řekl Alag. 

Naštěstí, jak shromažďujeme více datových bodů pro studium rakoviny, vědci také rychle vyvíjejí nové možnosti léčby. Pokroky v molekulárním profilování pomohly vědcům identifikovat různé kategorie a podkategorie rakoviny spolu s různými potenciálními terapiemi. V roce 2009 schválila americká FDA osm protirakovinných léků, poznamenal Culot. Do roku 2020 se tento počet zvýšil na 57. Kromě toho je nyní pro pacienty s rakovinou v současnosti otevřeno asi 1,500 XNUMX klinických studií. 

"Obecně nyní existují doslova stovky možných terapií nebo kombinací terapií, které lze použít k léčbě rakoviny," řekl Culot. "Takže tu máme dvojitou výzvu, ne?" Jak dáme dohromady všechna tato data, abychom získali lepší obrázek o pacientovi? A pak s tímto názorem, co to všechno znamená z hlediska nejlepší léčby?“

Aby se s tímto problémem vypořádali, vyvinuli lékaři v MD Anderson systém podpory precizního onkologického rozhodování (PODS) – nástroj založený na důkazech, který lékařům pomáhá vyhodnocovat relevantní informace, jako jsou nejnovější informace o vývoji léků a klinických studiích, stejně jako reakce pacientů na léčbu. . To jim pomáhá vytvářet individuální léčebné plány.

V roce 2020 se MD Anderson spojil s Philips a AWS, aby systém zpřístupnil lékařům a praktikům po celém světě. 

Systém mohl existovat pouze v cloudu, poznamenal Culot, a to z mnoha důvodů. Je třeba ukládat obrovské množství dat a je třeba provést obrovské množství zpracování dat. Systém musí být zároveň bezpečným a vyhovujícím systémem pro více nájemců pro odborníky z celého světa. 

Možná nejkritičtější je, že cloud umožňuje skutečně personalizované léčebné plány, poznamenal Culot, protože umožňuje lékařům spolupracovat a kombinovat svá data. 

"Lidé mluví o rakovině jako o problému velkých dat, ale je to také to, čemu říkám malý problém," řekl Culot. Uvedl příklad pacienta s rakovinou plic, který se dozvěděl, že má rakovinu plic 4. stadia se specifickými mutacemi. 

"Tyto populace ukončíte podmnožinou a podmnožinou, takže i ty největší zdravotnické instituce mají někdy jen několik pacientů, kteří splňují kritéria, od kterých se snažíme poučit," řekl. „Tyto cloudové ekosystémy umožňují kombinovat data – deidentifikovaná a vyhovující – tak, abychom se z nich mohli učit.“

Podobně Satnam Alag z Grail řekl, že cloud je nezbytný pro vývoj Galleri, firemního testu včasné detekce multi-rakovin. Test je navržen tak, aby odhalil více než 50 typů rakoviny jako doplněk k screeningovým testům na jednu rakovinu.

„Využití výkonu genomiky a strojového učení vyžaduje hodně výpočtů,“ řekl Alag. "Je třeba shromáždit a škálovat velmi velké množství dat." 

Z jediného odběru krve využívá Galleriho test sekvenování DNA a algoritmy strojového učení k analýze kousků DNA v krevním řečišti pacienta. Test konkrétně hledá bezbuněčné nukleové kyseliny (cfDNA), které nádory vylučují do krve, což vám může říct, jaký druh rakoviny je v těle a odkud pochází. 

"Místo toho, abychom pouze prováděli screening jednotlivých druhů rakoviny, musíme provádět screening jednotlivců na rakovinu," řekl Alag. „A to je nyní možné díky dvěma velkým technologickým revolucím, ke kterým došlo za posledních 20 let. Za prvé, síla genomiky – nyní je možné sekvenovat kompletní DNA… a generovat terabajty dat efektivně během několika dní. Za druhé je to obrovské množství inovací ve strojovém učení. Nyní máme know-how, abychom byli schopni vytvářet komplikované modely hlubokého učení s desítkami milionů parametrů.“