Vähiteraapiad sõltuvad peadpööritavast andmehulgast: see sorteeritakse pilves järgmiselt

Vähihaigetel ja nende arstidel on haiguse ja selle ravi kohta rohkem teavet kui kunagi varem ning kättesaadav teave kasvab jätkuvalt peadpööritava kiirusega. Kogu see teave pole aga kasulik, kui inimesed ei suuda seda kõike mõista. 

Mõelge näiteks kopsuvähiga patsiendile, kes võib saada varajase diagnoosi sõeluuringuprogrammi kaudu, mis toodab kompuutertomograafia (CT) kujutise. Diagnoosimise ja raviplaani edenedes toovad nende hooldajad andmeallikaid, nagu MR ja molekulaarkujutised, patoloogiaandmed, mida üha enam digitaliseeritakse, ja genoomikateavet. 

"Kõik see on ausalt öeldes väga raske väljakutse hooldusmeeskondadele endile, kuna nad mõtlevad, kuidas neid patsiente kõige paremini hooldada ja ravida," ütles Philipsi genoomika ja onkoloogia informaatika GM Louis Culot Amazoni uuringu ajal. Veebiteenuste virtuaalne üritus tervisetööstusele. 

"Onkoloogias või mis tahes meditsiinilises distsipliinis on see oluline, sest ravi on oluline, sekkumine on oluline," ütles Culot. "Me ei taha andmeid ainult andmete pärast. Milliseid meetmeid võiksid hooldusmeeskonna liikmed teabe põhjal ette võtta?

Kõigi nende andmete paremaks kättesaamiseks on uuendajad pöördunud selliste tööriistade poole nagu pilvandmetöötlus ja masinõpe – potentsiaalselt elupäästvate tulemustega. Selle nädala AWS-i üritusel astus Culot läbi Philipsi partnerluse Texase ülikooli MD Andersoni vähikeskusega, mille eesmärk on aidata arstidel koondada kõik oma andmed, et luua patsientidele isikupärastatud hooldusplaanid. 

Graili tarkvaratehnika SVP Satnam Alag selgitas, kuidas tema ettevõte kasutab pilve- ja masinõpet, et töötada välja süsteem, mis suudab patsiente korraga, mitte ühekaupa, kümnete erinevat tüüpi vähi suhtes skriinida. 

Täiustatud vähi sõeluuringute ja ravi mõju on raske üle hinnata. Alag märkis, et 2020. aastal oli maailmas üle 19 miljoni vähijuhtumi ja peaaegu 10 miljonit surmajuhtumit. Hinnanguliselt haigestub elu jooksul vähki iga kolmas mees ja iga neljas naine.

„Kas minul või mõnel pereliikmel diagnoositakse vähk? Kus see mu kehas on? Kas seda saab ravida? Või tapab see mu? Need on levinud küsimused, mida paljud meist jagavad, ”sõnas Alag. 

Õnneks, kuna me kogume vähi uurimiseks rohkem andmepunkte, töötavad teadlased kiiresti välja ka uusi ravivõimalusi. Molekulaarse profiilide koostamise edusammud on aidanud teadlastel tuvastada erinevaid vähikategooriaid ja alamkategooriaid ning erinevaid võimalikke ravimeetodeid. 2009. aastal oli USA FDA heaks kiitnud kaheksa vähivastast ravimit, märkis Culot. 2020. aastaks kasvas see arv 57-ni. Lisaks on praegu vähipatsientidele avatud umbes 1,500 kliinilist uuringut. 

"Üldiselt on nüüd sõna otseses mõttes sadu võimalikke ravimeetodeid või ravikombinatsioone, mida saab vähi raviks kasutada," ütles Culot. "Nii et meil on see topeltväljakutse, eks? Kuidas me kogume kõik need andmed kokku, et saada patsiendist parem pilt? Ja siis selle vaatega, mida see kõik tähendab parima ravi seisukohalt?

Selle probleemi lahendamiseks töötasid MD Andersoni arstid välja täpse onkoloogia otsustustoetuse (PODS) süsteemi – tõenditel põhineva tööriista, mis aitab arstidel hinnata asjakohast teavet, näiteks uusimat teavet ravimiarenduse ja kliiniliste uuringute kohta, samuti patsientide ravivastust. . See aitab neil välja töötada isikupärastatud raviplaanid.

2020. aastal tegi MD Anderson koostööd Philipsi ja AWS-iga, et teha süsteem kättesaadavaks arstidele ja praktikutele üle kogu maailma. 

Süsteem sai eksisteerida ainult pilves, märkis Culot, mitmel põhjusel. Talletamiseks on vaja tohutult palju andmeid ja tohutul hulgal andmetöötlust. Samal ajal peab süsteem olema turvaline ja nõuetele vastav mitme rentniku süsteem praktikutele üle kogu maailma. 

Võib-olla kõige kriitilisem on see, et pilv võimaldab tõeliselt isikupärastatud raviplaane, märkis Culot, võimaldades arstidel koostööd teha ja oma andmeid kombineerida. 

"Inimesed räägivad vähist kui suurest andmeprobleemist, kuid see on ka see, mida ma nimetan väikeseks probleemiks," ütles Culot. Ta tõi näiteks kopsuvähiga patsiendi, kes saab teada, et tal on spetsiifiliste mutatsioonidega 4. staadiumi kopsuvähk. 

"Te lõpetate nende populatsioonide alamrühmade jagamise, nii et isegi suurimates tervishoiuasutustes on mõnikord vaid paar patsienti, kes vastavad kriteeriumidele, millest me püüame õppida, " ütles ta. "Nende pilvepõhiste ökosüsteemide kaudu on võimalik andmete kombineerimine – identifitseerimata ja nõuetele vastaval viisil –, et saaksime neist õppida."

Samamoodi ütles Satnam Alag of Grail, et pilv on ettevõtte mitme vähi varajase avastamise testi Galleri arendamiseks hädavajalik. Test on ette nähtud enam kui 50 vähiliigi tuvastamiseks täiendusena ühe vähi sõeluuringutele.

"Genoomika ja masinõppe võimsuse ärakasutamine nõuab palju arvutusi, " ütles Alag. "Tuleb koguda ja skaleerida väga suuri andmemahtusid." 

Ühe verevõtu põhjal kasutab Galleri test DNA järjestuse ja masinõppe algoritme, et analüüsida DNA tükke patsiendi vereringes. Test otsib spetsiaalselt rakuvabu nukleiinhappeid (cfDNA), mida kasvajad verre eritavad, mis võib teile öelda, milline vähk kehas on ja kust see tuleb. 

"Selle asemel, et sõeluda ainult üksikuid vähkkasvajaid, peame me uurima inimesi vähi suhtes," ütles Alag. „Ja see on nüüd võimalik tänu kahele suurele tehnoloogiarevolutsioonile, mis on toimunud viimase 20 aasta jooksul. Esiteks, genoomika jõud – nüüd on võimalik järjestada tervet DNA-d... genereerides terabaiti andmeid tasuvalt mõne päevaga. Teiseks on masinõppe tohutul hulgal uuendusi. Nüüd on meil oskusteave, et saaksime luua keerulisi, kümnete miljonite parameetritega sügavaid õppemudeleid.