Le terapie contro il cancro dipendono da quantità vertiginose di dati: ecco come vengono ordinati nel cloud

I malati di cancro e i loro medici dispongono di più informazioni che mai sulla malattia e sul suo trattamento, e le informazioni disponibili continuano a crescere a un ritmo vertiginoso. Tutte queste informazioni, tuttavia, non sono utili se le persone non riescono a dar loro un senso. 

Pensate ad esempio a un malato di cancro ai polmoni, che potrebbe ricevere una diagnosi precoce attraverso un programma di screening che produce un’immagine di tomografia computerizzata (CT). Man mano che la loro diagnosi e il piano di trattamento avanzano, i loro assistenti porteranno fonti di dati come risonanza magnetica e imaging molecolare, dati patologici – che sono sempre più digitalizzati – e informazioni genomiche. 

"Tutto questo, onestamente, è una sfida molto difficile per gli stessi team di assistenza poiché stanno pensando a come prendersi cura e curare al meglio questi pazienti", ha detto Louis Culot, GM di informatica genomica e oncologica presso Philips, durante un'intervista su Amazon. Evento virtuale di Web Services per il settore sanitario. 

“In oncologia oggi, o in qualsiasi altra disciplina medica, questo è importante perché il trattamento conta, l’intervento conta”, ha detto Culot. “Non vogliamo i dati solo fine a se stessi. Quale azione potrebbero intraprendere i membri del team di assistenza in base alle informazioni?

Per avere un controllo migliore su tutti questi dati, gli innovatori si sono rivolti a strumenti come il cloud computing e l’apprendimento automatico, con risultati potenzialmente salvavita. All'evento AWS di questa settimana, Culot ha illustrato la partnership di Philips con l'MD Anderson Cancer Center dell'Università del Texas, che mira ad aiutare i medici a riunire tutti i loro dati per creare piani di assistenza personalizzati per i pazienti. 

Satnam Alag, vicepresidente senior dell'ingegneria del software presso Grail, ha spiegato come la sua azienda sta utilizzando il cloud e l'apprendimento automatico per sviluppare un sistema in grado di sottoporre a screening i pazienti per dozzine di diversi tipi di cancro contemporaneamente, anziché uno alla volta. 

È difficile sopravvalutare l’impatto del miglioramento degli screening e dei trattamenti contro il cancro. Nel 2020 si sono verificati più di 19 milioni di casi di cancro a livello globale, ha osservato Alag, e quasi 10 milioni di decessi. Si stima che un uomo su tre e una donna su quattro abbiano probabilità di ammalarsi di cancro nel corso della vita.

“A me o a un mio familiare verrà diagnosticato un cancro? Dov'è nel mio corpo? Può essere curato? O mi ucciderà? Queste sono domande comuni che molti di noi condividono”, ha affermato Alag. 

Per fortuna, mentre raccogliamo più dati per studiare il cancro, gli scienziati stanno anche sviluppando rapidamente nuove opzioni di trattamento. I progressi nella profilazione molecolare hanno aiutato gli scienziati a identificare diverse categorie e sottocategorie di cancro, insieme a diverse potenziali terapie. Nel 2009, la FDA statunitense aveva approvato otto farmaci antitumorali, ha osservato Culot. Entro il 2020, quel numero è cresciuto fino a 57. Oltre a ciò, ora ci sono circa 1,500 studi clinici attualmente aperti su pazienti affetti da cancro. 

"In generale, ora ci sono letteralmente centinaia di possibili terapie o combinazioni terapeutiche che possono essere utilizzate per curare il cancro", ha detto Culot. “Quindi abbiamo questa doppia sfida, giusto? Come mettiamo insieme tutti questi dati per ottenere un quadro migliore del paziente? E poi, da questo punto di vista, cosa significa tutto questo in termini di miglior trattamento?

Per affrontare questo problema, i medici dell’MD Anderson hanno sviluppato il sistema Precision Oncology Decision Support (PODS), uno strumento basato sull’evidenza che aiuta i medici a valutare informazioni rilevanti come le ultime novità nello sviluppo di farmaci e negli studi clinici, nonché le risposte dei pazienti ai trattamenti. . Questo li aiuta a sviluppare piani di trattamento personalizzati.

Nel 2020, MD Anderson ha collaborato con Philips e AWS per rendere il sistema disponibile a medici e professionisti in tutto il mondo. 

Il sistema potrebbe esistere solo nel cloud, ha osservato Culot, per una serie di ragioni. C'è un'enorme quantità di dati da archiviare e un'enorme quantità di dati da elaborare. Allo stesso tempo, il sistema deve essere un sistema multi-tenant sicuro e conforme per i professionisti di tutto il mondo. 

Forse l’aspetto più importante è che il cloud consente piani di trattamento realmente personalizzati, ha osservato Culot, consentendo ai medici di collaborare e combinare i propri dati. 

"La gente parla del cancro come di un grosso problema legato ai dati, ma è anche quello che io chiamo un problema di piccole dimensioni", ha detto Culot. Ha fornito l'esempio di un malato di cancro ai polmoni che scopre di avere un cancro ai polmoni allo stadio 4 con mutazioni specifiche. 

"Si finisce per suddividere in sottoinsiemi queste popolazioni, quindi anche le più grandi istituzioni sanitarie a volte hanno solo pochi pazienti che soddisfano i criteri da cui stiamo cercando di imparare", ha detto. "Essere in grado di combinare i dati - deidentificati, in modo conforme - in modo da poter imparare da essi, è possibile attraverso questi ecosistemi basati sul cloud."

Allo stesso modo, Satnam Alag di Grail ha affermato che il cloud è fondamentale per lo sviluppo di Galleri, il test di rilevamento precoce multi-cancro dell'azienda. Il test è progettato per rilevare più di 50 tipi di cancro come complemento ai test di screening per singoli tumori.

“Sfruttare il potere della genomica e dell’apprendimento automatico richiede molti calcoli”, ha affermato Alag. “È necessario raccogliere e ridimensionare quantità molto grandi di dati”. 

Da un singolo prelievo di sangue, il test Galleri utilizza il sequenziamento del DNA e algoritmi di apprendimento automatico per analizzare pezzi di DNA nel flusso sanguigno di un paziente. Il test cerca specificamente gli acidi nucleici liberi da cellule (cfDNA) che i tumori perdono nel sangue, il che può dirti che tipo di cancro è presente nel corpo e da dove proviene. 

“Invece di limitarsi allo screening per i tumori individuali, dobbiamo sottoporre a screening i singoli individui per il cancro”, ha affermato Alag. “E questo è ora possibile grazie a due grandi rivoluzioni tecnologiche avvenute negli ultimi 20 anni. Innanzitutto, il potere della genomica: ora è possibile sequenziare il DNA completo… generando terabyte di dati in modo economicamente vantaggioso in pochi giorni. In secondo luogo, c’è l’enorme quantità di innovazione nell’apprendimento automatico. Ora disponiamo del know-how per poter costruire modelli complicati di deep learning con decine di milioni di parametri”.