Syöpähoidot riippuvat huimaavista tietomääristä: Näin se lajitellaan pilvessä

Syöpäpotilailla ja heidän lääkäreillä on enemmän tietoa sairaudesta ja sen hoidosta kuin koskaan ennen, ja saatavilla oleva tieto lisääntyy edelleen huimaa vauhtia. Kaikesta tästä tiedosta ei kuitenkaan ole hyötyä, jos ihmiset eivät ymmärrä kaikkea. 

Ajattele esimerkiksi keuhkosyöpäpotilasta, joka saattaa saada varhaisen diagnoosin seulontaohjelmalla, joka tuottaa tietokonetomografiakuvan (CT). Diagnoosin ja hoitosuunnitelman edetessä heidän huoltajansa tuovat mukanaan tietolähteitä, kuten MR- ja molekyylikuvantamisen, patologiatietoja – joita digitalisoidaan yhä enemmän – ja genomiikkatietoja. 

"Kaikki tämä on rehellisesti sanottuna erittäin vaikea haaste hoitotiimeille itselleen, kun he ajattelevat, kuinka parhaiten hoitaa ja hoitaa näitä potilaita", Louis Culot, Philipsin genomiikan ja onkologian informatiikan GM, sanoi Amazon-tilaisuudessa. Web Services -virtuaalitapahtuma terveysalalle. 

"Onkologiassa nyt tai missä tahansa lääketieteen alalla tällä on merkitystä, koska hoidolla on merkitystä, interventiolla on merkitystä", Culot sanoi. "Emme halua dataa vain datan vuoksi. Mihin toimiin hoitotiimin jäsenet voisivat tiedon perusteella ryhtyä?

Saadakseen paremman otteen kaikesta tästä tiedosta innovaattorit ovat käyttäneet työkaluja, kuten pilvilaskentaa ja koneoppimista – mahdollisesti hengenpelastustuloksilla. Tämän viikon AWS-tapahtumassa Culot kävi läpi Philipsin kumppanuuden Texasin yliopiston MD Anderson Cancer Centerin kanssa, jonka tavoitteena on auttaa lääkäreitä yhdistämään kaikki tietonsa ja luomaan potilaille yksilöllisiä hoitosuunnitelmia. 

Grailin ohjelmistosuunnittelusta vastaava johtaja Satnam Alag selitti, kuinka hänen yrityksensä käyttää pilvipalvelua ja koneoppimista kehittääkseen järjestelmän, joka voi seuloa potilaita kymmenien erityyppisten syöpien varalta kerralla eikä yksi kerrallaan. 

On vaikea yliarvioida parantuneiden syöpäseulonnan ja -hoitojen vaikutusta. Vuonna 2020 maailmanlaajuisesti oli yli 19 miljoonaa syöpätapausta, Alag totesi, ja lähes 10 miljoonaa kuolemantapausta. On arvioitu, että joka kolmas mies ja joka neljäs nainen sairastuu syöpään elämänsä aikana.

"Onko minulla tai perheenjäsenelläni diagnosoitu syöpä? Missä se on kehossani? Voiko sitä parantaa? Vai tappaako se minut? Nämä ovat yleisiä kysymyksiä, joita monet meistä jakavat", Alag sanoi. 

Onneksi, kun keräämme lisää datapisteitä syövän tutkimiseksi, tutkijat kehittävät myös uusia hoitovaihtoehtoja nopeasti. Molekyyliprofiloinnin edistyminen on auttanut tutkijoita tunnistamaan erilaisia ​​syövän luokkia ja alaluokkia sekä erilaisia ​​mahdollisia hoitomuotoja. Vuonna 2009 Yhdysvaltain FDA oli hyväksynyt kahdeksan syöpälääkettä, Culot huomautti. Vuoteen 2020 mennessä määrä kasvoi 57:ään. Tämän lisäksi tällä hetkellä noin 1,500 XNUMX kliinistä tutkimusta on avoinna syöpäpotilaille. 

"Yleensä nyt on kirjaimellisesti satoja mahdollisia hoitomuotoja tai hoitoyhdistelmiä, joita voidaan käyttää syövän hoitoon", Culot sanoi. "Joten meillä on tämä kaksoishaaste, eikö niin? Kuinka kokoamme nämä tiedot yhteen saadaksemme paremman kuvan potilaasta? Ja sitten sillä näkemyksellä, mitä se kaikki tarkoittaa parhaan hoidon kannalta?"

Tämän ongelman ratkaisemiseksi MD Andersonin lääkärit kehittivät Precision Oncology Decision Support (PODS) -järjestelmän – näyttöön perustuvan työkalun, joka auttaa lääkäreitä arvioimaan asiaankuuluvia tietoja, kuten viimeisintä lääkekehityksen ja kliinisten tutkimusten tuloksia, sekä potilaiden hoitovasteita. . Tämä auttaa heitä kehittämään henkilökohtaisia ​​hoitosuunnitelmia.

Vuonna 2020 MD Anderson teki yhteistyötä Philipsin ja AWS:n kanssa tarjotakseen järjestelmän lääkäreiden ja lääkäreiden saataville ympäri maailmaa. 

Järjestelmä saattoi olla olemassa vain pilvessä, Culot huomautti, useista syistä. Tallennettavaa dataa on valtava määrä, ja valtavia määriä tietojenkäsittelyä on tapahduttava. Samalla järjestelmän on oltava turvallinen ja yhteensopiva usean vuokraajan järjestelmä ammattilaisille ympäri maailmaa. 

Ehkä kriittisintä on se, että pilvi mahdollistaa todella yksilölliset hoitosuunnitelmat, Culot totesi, koska se antaa lääkäreille mahdollisuuden tehdä yhteistyötä ja yhdistää tietojaan. 

"Ihmiset puhuvat syövästä suurena dataongelmana, mutta se on myös se, mitä kutsun pienipään ongelmaksi", Culot sanoi. Hän antoi esimerkin keuhkosyöpäpotilaasta, joka saa tietää, että hänellä on vaiheen 4 keuhkosyöpä, jossa on tietyt mutaatiot. 

"Päädät näiden populaatioiden osa- ja osajoukkojen, joten jopa suurimmissa terveydenhuoltolaitoksissa on joskus vain muutama potilas, jotka täyttävät kriteerit, joista yritämme oppia", hän sanoi. "Näiden pilvipohjaisten ekosysteemien avulla on mahdollista yhdistää dataa – tunnistamattomina, yhteensopivalla tavalla – jotta voimme oppia siitä."

Samoin Satnam Alag of Grail sanoi, että pilvi oli välttämätön Gallerin, yrityksen monisyövän varhaisen havaitsemistestin, kehittämiselle. Testi on suunniteltu havaitsemaan yli 50 syöpätyyppiä täydentämään yhden syövän seulontatestejä.

"Genomiikan ja koneoppimisen tehon hyödyntäminen vaatii paljon laskentaa", Alag sanoi. "Erittäin suuria tietomääriä on kerättävä ja skaalattava." 

Galleri-testi käyttää yhdestä verinäytteestä DNA-sekvensointi- ja koneoppimisalgoritmeja DNA-palojen analysoimiseen potilaan verenkierrossa. Testi etsii nimenomaan soluvapaita nukleiinihappoja (cfDNA), joita kasvaimet erittävät veressä ja jotka voivat kertoa, millainen syöpä kehossa on ja mistä se tulee. 

"Ainoastaan ​​yksittäisten syöpien seulonnan sijaan meidän on seulottava yksilöitä syövän varalta", Alag sanoi. "Ja tämä on nyt mahdollista kahden viimeisen 20 vuoden aikana tapahtuneen teknologiavallankumouksen ansiosta. Ensinnäkin genomiikan voima – nyt on mahdollista sekvensoida koko DNA… tuottaen teratavuja dataa kustannustehokkaasti muutamassa päivässä. Toiseksi koneoppimisen valtava määrä innovaatioita. Meillä on nyt tietotaito pystyäksemme rakentamaan monimutkaisia, syvällisiä oppimismalleja kymmenillä miljoonilla parametreilla.