Las terapias contra el cáncer dependen de cantidades vertiginosas de datos: así es como se clasifican en la nube

Los pacientes con cáncer y sus médicos tienen más información que nunca sobre la enfermedad y su tratamiento, y la información disponible sigue creciendo a un ritmo vertiginoso. Toda esa información, sin embargo, no es útil si las personas no pueden encontrarle sentido. 

Piense en un paciente con cáncer de pulmón, por ejemplo, que podría recibir un diagnóstico temprano a través de un programa de detección que produce una imagen de tomografía computarizada (TC). A medida que avanza su plan de diagnóstico y tratamiento, sus cuidadores traerán fuentes de datos como RM e imágenes moleculares, datos patológicos, que están cada vez más digitalizados, e información genómica. 

"Honestamente, todo esto es un desafío muy difícil para los propios equipos de atención, ya que están pensando en cómo cuidar y tratar mejor a estos pacientes", dijo Louis Culot, gerente general de informática genómica y oncológica de Philips, durante un Amazon Evento virtual de Web Services para la industria de la salud. 

“En oncología ahora, o en cualquier disciplina médica, esto importa porque el tratamiento importa, la intervención importa”, dijo Culot. “No solo queremos datos por los datos. ¿Qué acción podrían tomar los miembros del equipo de atención en función de la información?”

Para controlar mejor todos estos datos, los innovadores han recurrido a herramientas como la computación en la nube y el aprendizaje automático, con resultados que pueden salvar vidas. En el evento de AWS de esta semana, Culot analizó la asociación de Philips con el MD Anderson Cancer Center de la Universidad de Texas, cuyo objetivo es ayudar a los médicos a reunir todos sus datos para crear planes de atención personalizados para los pacientes. 

Satnam Alag, vicepresidente sénior de ingeniería de software en Grail, explicó cómo su empresa está utilizando la nube y el aprendizaje automático para desarrollar un sistema que puede detectar a los pacientes en busca de docenas de tipos diferentes de cáncer a la vez, en lugar de uno a la vez. 

Es difícil exagerar el impacto de las mejores pruebas de detección y tratamientos del cáncer. En 2020, hubo más de 19 millones de casos de cáncer en todo el mundo, anotó Alag, y casi 10 millones de muertes. Se estima que uno de cada tres hombres y una de cada cuatro mujeres tienen probabilidades de contraer cáncer durante su vida.

“¿Será yo o un miembro de mi familia diagnosticado con cáncer? ¿Dónde está en mi cuerpo? ¿Se puede curar? ¿O me va a matar? Estas son preguntas comunes que muchos de nosotros compartimos”, dijo Alag. 

Afortunadamente, a medida que recopilamos más puntos de datos para estudiar el cáncer, los científicos también están desarrollando nuevas opciones de tratamiento a un ritmo rápido. Los avances en el perfil molecular han ayudado a los científicos a identificar diferentes categorías y subcategorías de cáncer, junto con diferentes terapias potenciales. En 2009, la FDA de EE. UU. había aprobado ocho medicamentos contra el cáncer, anotó Culot. Para 2020, ese número aumentó a 57. Además de eso, ahora hay alrededor de 1,500 ensayos clínicos actualmente abiertos para pacientes con cáncer. 

“En general, ahora hay literalmente cientos de posibles terapias o combinaciones de terapias que se pueden usar para tratar el cáncer”, dijo Culot. “Así que tenemos este doble desafío, ¿verdad? ¿Cómo reunimos todos estos datos para obtener una mejor imagen del paciente? Y luego, con ese punto de vista, ¿qué significa todo esto en términos de mejor trato?”.

Para abordar ese problema, los médicos del MD Anderson desarrollaron el sistema Precision Oncology Decision Support (PODS), una herramienta basada en evidencia que ayuda a los médicos a evaluar información relevante, como lo último en desarrollo de medicamentos y ensayos clínicos, así como las respuestas de los pacientes a los tratamientos. . Esto les ayuda a desarrollar planes de tratamiento personalizados.

En 2020, MD Anderson se asoció con Philips y AWS para que el sistema esté disponible para médicos y profesionales de todo el mundo. 

El sistema solo podría existir en la nube, señaló Culot, por varias razones. Hay una enorme cantidad de datos para almacenar y enormes cantidades de procesamiento de datos que deben realizarse. Al mismo tiempo, el sistema debe ser un sistema multiusuario seguro y compatible para profesionales de todo el mundo. 

Quizás lo más crítico es que la nube permite planes de tratamiento verdaderamente personalizados, señaló Culot, al permitir que los médicos colaboren y combinen sus datos. 

“La gente habla del cáncer como un gran problema de datos, pero también es lo que yo llamo un problema pequeño”, dijo Culot. Dio el ejemplo de un paciente con cáncer de pulmón que se entera de que tiene cáncer de pulmón en etapa 4 con mutaciones específicas. 

“Terminas subdividiendo una y otra vez a estas poblaciones, por lo que incluso las instituciones de atención médica más grandes a veces solo tienen unos pocos pacientes que cumplen con los criterios de los que estamos tratando de aprender”, dijo. “Poder combinar datos, desidentificados, de manera compatible, para que podamos aprender de ellos, está habilitado a través de estos ecosistemas basados ​​​​en la nube”.

De manera similar, Satnam Alag de Grail dijo que la nube era imprescindible para el desarrollo de Galleri, la prueba de detección temprana de cáncer múltiple de la compañía. La prueba está diseñada para detectar más de 50 tipos de cáncer como complemento a las pruebas de detección de un solo cáncer.

“Aprovechar el poder de la genómica y el aprendizaje automático requiere mucha computación”, dijo Alag. “Es necesario recopilar y escalar cantidades muy grandes de datos”. 

A partir de una sola extracción de sangre, la prueba de Galleri utiliza algoritmos de secuenciación de ADN y aprendizaje automático para analizar fragmentos de ADN en el torrente sanguíneo de un paciente. La prueba busca específicamente los ácidos nucleicos libres de células (cfDNA) que los tumores arrojan en la sangre, lo que puede indicar qué tipo de cáncer hay en el cuerpo y de dónde proviene. 

“En lugar de solo evaluar cánceres individuales, debemos evaluar a las personas para detectar cáncer”, dijo Alag. “Y esto ahora es posible gracias a dos grandes revoluciones tecnológicas que han ocurrido en los últimos 20 años. Primero, el poder de la genómica: ahora es posible secuenciar el ADN completo... generando terabytes de datos de manera rentable en unos pocos días. En segundo lugar, está la gran cantidad de innovación en el aprendizaje automático. Ahora tenemos el conocimiento para poder construir modelos complicados de aprendizaje profundo con decenas de millones de parámetros”.