कैंसर का उपचार अत्यधिक मात्रा में डेटा पर निर्भर करता है: यहां बताया गया है कि इसे क्लाउड में कैसे क्रमबद्ध किया जा रहा है

कैंसर रोगियों और उनके डॉक्टरों के पास इस बीमारी और इसके उपचार के बारे में पहले से कहीं अधिक जानकारी है, और उपलब्ध जानकारी आश्चर्यजनक गति से बढ़ती जा रही है। हालाँकि, वह सारी जानकारी उपयोगी नहीं है यदि लोग इसका अर्थ नहीं निकाल सकते। 

उदाहरण के लिए, फेफड़े के कैंसर के रोगी के बारे में सोचें, जो एक स्क्रीनिंग प्रोग्राम के माध्यम से प्रारंभिक निदान प्राप्त कर सकता है जो एक गणना टोमोग्राफी (सीटी) छवि बनाता है। जैसे-जैसे उनका निदान और उपचार योजना आगे बढ़ती है, उनके कार्यवाहक एमआर और आणविक इमेजिंग, पैथोलॉजी डेटा जैसे डेटा स्रोत लाएंगे - जो तेजी से डिजिटाइज़ हो रहे हैं - और जीनोमिक्स की जानकारी। 

"यह सब, ईमानदारी से, स्वयं देखभाल करने वाली टीमों के लिए एक बहुत ही कठिन चुनौती है क्योंकि वे इस बारे में सोच रहे हैं कि इन रोगियों की सबसे अच्छी देखभाल और इलाज कैसे किया जाए," फिलिप्स में जीनोमिक्स और ऑन्कोलॉजी इंफॉर्मेटिक्स के जीएम लुई कुलोट ने एक अमेज़ॅन के दौरान कहा। स्वास्थ्य उद्योग के लिए वेब सेवा वर्चुअल इवेंट। 

"ऑन्कोलॉजी में अब, या किसी भी चिकित्सा अनुशासन में, यह मायने रखता है क्योंकि उपचार मायने रखता है, हस्तक्षेप मायने रखता है," कुलोट ने कहा। "हम केवल डेटा के लिए डेटा नहीं चाहते हैं। सूचना के आधार पर टीम के सदस्य क्या कार्रवाई कर सकते हैं?"

इन सभी डेटा पर बेहतर पकड़ पाने के लिए, इनोवेटर्स ने क्लाउड कंप्यूटिंग और मशीन लर्निंग जैसे उपकरणों की ओर रुख किया है - संभावित जीवन रक्षक परिणामों के साथ। इस सप्ताह के एडब्ल्यूएस कार्यक्रम में, क्यूलॉट ने टेक्सास विश्वविद्यालय में एमडी एंडरसन कैंसर सेंटर के साथ फिलिप्स की साझेदारी के माध्यम से कदम रखा, जिसका उद्देश्य रोगियों के लिए व्यक्तिगत देखभाल योजना बनाने के लिए डॉक्टरों को उनके सभी डेटा को एक साथ लाने में मदद करना है। 

ग्रिल में सॉफ्टवेयर इंजीनियरिंग के एसवीपी सतनाम अलाग ने बताया कि कैसे उनकी कंपनी क्लाउड और मशीन लर्निंग का उपयोग एक ऐसी प्रणाली विकसित करने के लिए कर रही है जो एक समय में एक के बजाय दर्जनों विभिन्न प्रकार के कैंसर के रोगियों की एक बार में जांच कर सकती है। 

बेहतर कैंसर स्क्रीनिंग और उपचार के प्रभाव को बढ़ा-चढ़ा कर बताना कठिन है। 2020 में, वैश्विक स्तर पर कैंसर के 19 मिलियन से अधिक मामले थे, अलाग ने बताया, और लगभग 10 मिलियन मौतें हुईं। यह अनुमान लगाया गया है कि तीन में से एक पुरुष और चार में से एक महिला को अपने जीवनकाल में कैंसर होने की संभावना होती है।

"क्या मुझे या परिवार के किसी सदस्य को कैंसर होने का पता चलेगा? यह मेरे शरीर में कहाँ है? क्या इसका इलाज हो सकता है? या यह मुझे मारने वाला है? ये सामान्य प्रश्न हैं जो हम में से कई साझा करते हैं," अलग ने कहा। 

शुक्र है, जैसे-जैसे हम कैंसर का अध्ययन करने के लिए अधिक डेटा बिंदु एकत्र करते हैं, वैज्ञानिक तेजी से नए उपचार विकल्प भी विकसित कर रहे हैं। आणविक प्रोफाइलिंग में प्रगति ने वैज्ञानिकों को विभिन्न संभावित उपचारों के साथ-साथ कैंसर की विभिन्न श्रेणियों और उपश्रेणियों की पहचान करने में मदद की है। 2009 में, US FDA ने आठ एंटीकैंसर दवाओं को मंजूरी दी थी, Culot ने नोट किया। 2020 तक, यह संख्या बढ़कर 57 हो गई। इसके ऊपर, वर्तमान में लगभग 1,500 नैदानिक ​​परीक्षण कैंसर रोगियों के लिए खुले हैं। 

कुलोट ने कहा, "सामान्य तौर पर, अब वस्तुतः सैकड़ों संभावित उपचार या चिकित्सा संयोजन हैं, जिनका उपयोग कैंसर के इलाज के लिए किया जा सकता है।" "तो हमारे पास यह दोहरी चुनौती है, है ना? रोगी की बेहतर तस्वीर प्राप्त करने के लिए हम इस सारे डेटा को एक साथ कैसे खींच सकते हैं? और फिर उस दृष्टि से, सर्वोत्तम उपचार के संदर्भ में इसका क्या मतलब है?"

उस समस्या से निपटने के लिए, एमडी एंडरसन के डॉक्टरों ने प्रिसिजन ऑन्कोलॉजी डिसीजन सपोर्ट (PODS) सिस्टम विकसित किया - एक साक्ष्य-आधारित उपकरण जो डॉक्टरों को प्रासंगिक जानकारी का आकलन करने में मदद करता है जैसे कि दवा के विकास और नैदानिक ​​परीक्षणों में नवीनतम, साथ ही साथ उपचार के लिए रोगी की प्रतिक्रियाएं . इससे उन्हें व्यक्तिगत उपचार योजना विकसित करने में मदद मिलती है।

2020 में, एमडी एंडरसन ने दुनिया भर के डॉक्टरों और चिकित्सकों को सिस्टम उपलब्ध कराने के लिए फिलिप्स और एडब्ल्यूएस के साथ भागीदारी की। 

कई कारणों से सिस्टम केवल क्लाउड में मौजूद हो सकता है, Culot ने नोट किया। स्टोर करने के लिए भारी मात्रा में डेटा है और बड़ी मात्रा में डेटा प्रोसेसिंग की आवश्यकता है। साथ ही, सिस्टम को दुनिया भर के चिकित्सकों के लिए एक सुरक्षित और आज्ञाकारी मल्टी-टेनेंट सिस्टम होना चाहिए। 

शायद सबसे गंभीर रूप से, क्लाउड वास्तव में वैयक्तिकृत उपचार योजनाओं को सक्षम बनाता है, Culot ने कहा, डॉक्टरों को अपने डेटा को सहयोग करने और संयोजित करने की अनुमति देकर। 

"लोग कैंसर के बारे में एक बड़ी डेटा समस्या के रूप में बात करते हैं, लेकिन यह वह भी है जिसे मैं एक छोटी-सी समस्या कहता हूं," क्यूलॉट ने कहा। उन्होंने फेफड़े के कैंसर के एक रोगी का उदाहरण दिया जो सीखता है कि उसके पास विशिष्ट उत्परिवर्तन के साथ स्टेज 4 फेफड़े का कैंसर है। 

उन्होंने कहा, "आप इन आबादी को सबसेटिंग और सबसेटिंग करते हैं, इसलिए कभी-कभी सबसे बड़े स्वास्थ्य देखभाल संस्थानों में केवल कुछ रोगी होते हैं जो उन मानदंडों को पूरा करते हैं जिनसे हम सीखने की कोशिश कर रहे हैं।" "डेटा को संयोजित करने में सक्षम होने के लिए - डी-पहचान, एक अनुपालन तरीके से - ताकि हम इससे सीख सकें, इन क्लाउड आधारित पारिस्थितिक तंत्रों के माध्यम से सक्षम किया गया है।"

इसी तरह, ग्रिल के सतनाम अलग ने कहा कि कंपनी के मल्टी-कैंसर अर्ली डिटेक्शन टेस्ट गैलेरी के विकास के लिए क्लाउड जरूरी था। परीक्षण को एकल-कैंसर स्क्रीनिंग परीक्षणों के पूरक के रूप में 50 से अधिक प्रकार के कैंसर का पता लगाने के लिए डिज़ाइन किया गया है।

अलाग ने कहा, "जीनोमिक्स और मशीन लर्निंग की शक्ति का लाभ उठाने के लिए बहुत अधिक संगणना की जरूरत है।" "बहुत बड़ी मात्रा में डेटा एकत्र करने और स्केल करने की आवश्यकता है।" 

एक एकल रक्त ड्रा से, गैलेरी परीक्षण एक मरीज के रक्तप्रवाह में डीएनए के टुकड़ों का विश्लेषण करने के लिए डीएनए अनुक्रमण और मशीन लर्निंग एल्गोरिदम का उपयोग करता है। परीक्षण विशेष रूप से सेल-फ्री न्यूक्लिक एसिड (cfDNA) के लिए दिखता है जो रक्त में ट्यूमर बहाता है, जो आपको बता सकता है कि शरीर में किस प्रकार का कैंसर है और यह कहाँ से आ रहा है। 

"केवल व्यक्तिगत कैंसर के लिए स्क्रीनिंग के बजाय, हमें कैंसर के लिए व्यक्तियों को स्क्रीन करने की आवश्यकता है," अलाग ने कहा। "और यह पिछले 20 वर्षों में हुई दो बड़ी प्रौद्योगिकी क्रांतियों के लिए संभव है। सबसे पहले, जीनोमिक्स की शक्ति - अब पूरे डीएनए को अनुक्रमित करना संभव है ... कुछ दिनों के भीतर प्रभावी ढंग से टेराबाइट डेटा उत्पन्न करना। दूसरा, मशीन लर्निंग में भारी मात्रा में नवीनता है। अब हमारे पास लाखों मापदंडों के साथ जटिल, गहन शिक्षण मॉडल बनाने में सक्षम होने का ज्ञान है।