Terapije protiv raka ovise o vrtoglavim količinama podataka: Evo kako se to razvrstava u oblaku

Oboljeli od raka i njihovi liječnici imaju više informacija o bolesti i njezinom liječenju nego ikada prije, a dostupne informacije nastavljaju rasti vrtoglavom brzinom. Sve te informacije, međutim, nisu korisne ako ljudi ne mogu razumjeti sve to. 

Zamislite, na primjer, pacijenta s rakom pluća koji bi mogao dobiti ranu dijagnozu putem programa probira koji proizvodi sliku kompjutorizirane tomografije (CT). Kako njihova dijagnoza i plan liječenja napreduju, njihovi skrbnici donosit će izvore podataka poput MR-a i molekularnih slika, podataka o patologiji — koji se sve više digitaliziraju — i genomskih podataka. 

"Sve ovo, iskreno, vrlo je težak izazov za same timove za njegu dok razmišljaju o tome kako najbolje skrbiti i liječiti te pacijente", rekao je Louis Culot, GM genomike i onkološke informatike u Philipsu, tijekom Amazona Virtualni događaj web usluga za zdravstvenu industriju. 

"U onkologiji sada, ili u bilo kojoj medicinskoj disciplini, ovo je važno jer je važno liječenje, važna je intervencija", rekao je Culot. “Ne želimo podatke samo radi podataka. Što bi članovi tima za skrb mogli poduzeti na temelju informacija?”

Kako bi bolje shvatili sve te podatke, inovatori su se okrenuli alatima poput računalstva u oblaku i strojnog učenja — s potencijalno spasonosnim rezultatima. Na ovotjednom događaju AWS, Culot je prošetao kroz Philipsovo partnerstvo s MD Anderson Cancer Centerom na Sveučilištu u Teksasu, čiji je cilj pomoći liječnicima da objedine sve svoje podatke kako bi izradili personalizirane planove skrbi za pacijente. 

Satnam Alag, viši potpredsjednik softverskog inženjerstva u Grailu, objasnio je kako njegova tvrtka koristi oblak i strojno učenje za razvoj sustava koji može pregledati pacijente na desetke različitih vrsta raka odjednom, umjesto jednog po jednog. 

Teško je precijeniti utjecaj poboljšanih probira i liječenja raka. U 2020. bilo je više od 19 milijuna slučajeva raka u svijetu, istaknuo je Alag, i gotovo 10 milijuna smrtnih slučajeva. Procjenjuje se da će jedan od tri muškarca i jedna od četiri žene tijekom života vjerojatno dobiti rak.

“Hoću li meni ili članu obitelji biti dijagnosticiran rak? Gdje je to u mom tijelu? Može li se izliječiti? Ili će me to ubiti? To su uobičajena pitanja koja mnogi od nas dijele”, rekao je Alag. 

Srećom, kako prikupljamo više podataka za proučavanje raka, znanstvenici također brzo razvijaju nove mogućnosti liječenja. Napredak u molekularnom profiliranju pomogao je znanstvenicima identificirati različite kategorije i potkategorije raka, zajedno s različitim mogućim terapijama. Godine 2009. američka FDA odobrila je osam lijekova protiv raka, primijetio je Culot. Do 2020. taj je broj narastao na 57. Povrh toga, trenutno postoji oko 1,500 kliničkih ispitivanja koja su trenutno otvorena za pacijente s rakom. 

"Općenito, sada postoje doslovno stotine mogućih terapija ili kombinacija terapija koje se mogu koristiti za liječenje raka", rekao je Culot. “Dakle, imamo ovaj dvostruki izazov, zar ne? Kako skupiti sve te podatke da bismo dobili bolju sliku pacijenta? I onda s tim pogledom, što sve to znači u smislu najboljeg liječenja?”

Kako bi riješili taj problem, liječnici u MD Andersonu razvili su sustav Precision Oncology Decision Support (PODS) — alat utemeljen na dokazima koji pomaže liječnicima u procjeni relevantnih informacija kao što su najnoviji razvoj lijekova i klinička ispitivanja, kao i reakcije pacijenata na liječenje . To im pomaže da razviju personalizirane planove liječenja.

Godine 2020. MD Anderson sklopio je partnerstvo s Philipsom i AWS-om kako bi sustav učinio dostupnim liječnicima i praktičarima diljem svijeta. 

Sustav može postojati samo u oblaku, primijetio je Culot, iz više razloga. Postoji ogromna količina podataka za pohranu i ogromna količina podataka koja se mora izvršiti. U isto vrijeme, sustav mora biti siguran i usklađen s više korisnika za praktičare širom svijeta. 

Možda najkritičnije, oblak omogućuje doista personalizirane planove liječenja, primijetio je Culot, dopuštajući liječnicima da surađuju i kombiniraju svoje podatke. 

"Ljudi govore o raku kao o problemu velikih podataka, ali to je također ono što ja nazivam problemom manjeg opsega", rekao je Culot. Dao je primjer pacijenta s rakom pluća koji je saznao da ima rak pluća u stadiju 4 sa specifičnim mutacijama. 

"Završavate s podskupovima i podskupovima te populacije tako da čak i najveće zdravstvene ustanove ponekad imaju samo nekoliko pacijenata koji zadovoljavaju kriterije iz kojih pokušavamo učiti", rekao je. "Mogućnost kombiniranja podataka - deidentificiranih, na usklađen način - kako bismo mogli učiti iz njih, omogućena je kroz ove ekosustave temeljene na oblaku."

Slično tome, Satnam Alag iz Graila rekao je da je oblak imperativ za razvoj Gallerija, tvrtkinog testa za rano otkrivanje više vrsta raka. Test je osmišljen za otkrivanje više od 50 vrsta raka kao nadopuna testovima probira za jedan rak.

"Iskorišćavanje snage genomike i strojnog učenja zahtijeva puno računanja", rekao je Alag. "Potrebno je prikupiti i skalirati vrlo velike količine podataka." 

Iz jednog vađenja krvi, Galleri test koristi sekvenciranje DNK i algoritme strojnog učenja za analizu dijelova DNK u krvotoku pacijenta. Test posebno traži nukleinske kiseline bez stanica (cfDNA) koje tumori ispuštaju u krv, što vam može reći kakva je vrsta raka u tijelu i odakle dolazi. 

"Umjesto samo probira za pojedinačne vrste raka, moramo probirati pojedince za rak", rekao je Alag. “A to je sada moguće zahvaljujući dvjema velikim tehnološkim revolucijama koje su se dogodile u posljednjih 20 godina. Prvo, moć genomike — sada je moguće sekvencirati kompletnu DNK… generirajući terabajte podataka isplativo u roku od nekoliko dana. Drugo, velika je količina inovacija u strojnom učenju. Sada imamo znanje i iskustvo kako bismo mogli izgraditi komplicirane modele dubokog učenja s desecima milijuna parametara.”