კიბოს თერაპია დამოკიდებულია მონაცემების თავბრუდამხვევ რაოდენობაზე: აი, როგორ ხდება მისი დალაგება ღრუბელში

კიბოს პაციენტებს და მათ ექიმებს უფრო მეტი ინფორმაცია აქვთ დაავადებისა და მისი მკურნალობის შესახებ, ვიდრე ოდესმე, და ხელმისაწვდომი ინფორმაცია კვლავ იზრდება თავბრუდამხვევი სისწრაფით. თუმცა, მთელი ეს ინფორმაცია არ არის სასარგებლო, თუ ადამიანები ვერ იგებენ ყველაფერს. 

მაგალითად, იფიქრეთ ფილტვის კიბოს პაციენტზე, რომელსაც შეუძლია ადრეული დიაგნოზი მიიღოს სკრინინგის პროგრამის მეშვეობით, რომელიც აწარმოებს კომპიუტერული ტომოგრაფიის (CT) სურათს. დიაგნოსტიკისა და მკურნალობის გეგმის წინსვლისას, მათ მომვლელებს შემოიტანენ მონაცემთა წყაროები, როგორიცაა MR და მოლეკულური გამოსახულება, პათოლოგიის მონაცემები - რომელიც სულ უფრო ციფრული ხდება - და გენომიკის ინფორმაცია. 

”ეს ყველაფერი, გულწრფელად რომ ვთქვათ, ძალიან რთული გამოწვევაა თავად მოვლის გუნდებისთვის, რადგან ისინი ფიქრობენ იმაზე, თუ როგორ უნდა იზრუნონ და უმკურნალონ ამ პაციენტებს”, - თქვა ლუი კულოტმა, გენომიკისა და ონკოლოგიის ინფორმატიკის გენერალურმა დირექტორმა Philips-ში, Amazon-ის დროს. ვებ სერვისების ვირტუალური ღონისძიება ჯანდაცვის ინდუსტრიისთვის. 

”ონკოლოგიაში ახლა, ან ნებისმიერ სამედიცინო დისციპლინაში, ამას მნიშვნელობა აქვს, რადგან მნიშვნელოვანია მკურნალობა, ჩარევა,” - თქვა კულოტმა. „ჩვენ არ გვინდა მონაცემები მხოლოდ მონაცემთა გულისთვის. რა ქმედებები შეიძლება გაატარონ ზრუნვის ჯგუფის წევრებმა ინფორმაციაზე დაყრდნობით?”

ყველა ამ მონაცემის უკეთ გასაგებად, ინოვატორებმა მიმართეს ინსტრუმენტებს, როგორიცაა ღრუბლოვანი გამოთვლა და მანქანათმცოდნეობა - პოტენციურად სიცოცხლის გადამრჩენი შედეგებით. ამ კვირის AWS ღონისძიებაზე, კულოტმა გაიარა Philips-ის პარტნიორობა ტეხასის უნივერსიტეტის MD Anderson Cancer Center-თან, რომელიც მიზნად ისახავს ექიმებს დაეხმარონ თავიანთი ყველა მონაცემის შეკრებაში პაციენტებისთვის პერსონალიზებული მოვლის გეგმების შესაქმნელად. 

სატნამ ალაგმა, Grail-ის პროგრამული უზრუნველყოფის ინჟინერიის SVP-მა განმარტა, თუ როგორ იყენებს მისი კომპანია ღრუბელსა და მანქანათმცოდნეობას სისტემის შესაქმნელად, რომელსაც შეუძლია პაციენტების ათობით სხვადასხვა ტიპის კიბოს ერთდროულად სკრინინგს, და არა ერთ დროს. 

ძნელია გადაჭარბებული იყოს კიბოს გაუმჯობესებული სკრინინგებისა და მკურნალობის გავლენა. 2020 წელს მსოფლიოში კიბოს 19 მილიონზე მეტი შემთხვევა დაფიქსირდა, აღნიშნა ალაგმა და თითქმის 10 მილიონი დაიღუპა. ვარაუდობენ, რომ ყოველი მესამე მამაკაცი და ყოველი მეოთხე ქალი, სავარაუდოდ, სიცოცხლის განმავლობაში ავადდება კიბოთი.

„დამისვამენ თუ არა მე ან ოჯახის წევრს კიბოს დიაგნოზი? სად არის ის ჩემს სხეულში? შესაძლებელია მისი განკურნება? ან მომკლავს? ეს არის საერთო კითხვები, რომელსაც ბევრი ჩვენგანი იზიარებს“, - თქვა ალაგმა. 

საბედნიეროდ, როდესაც ჩვენ ვაგროვებთ მეტ მონაცემებს კიბოს შესასწავლად, მეცნიერები ასევე ავითარებენ მკურნალობის ახალ ვარიანტებს სწრაფი კლიპის საშუალებით. მოლეკულური პროფილის მიღწევებმა მეცნიერებს დაეხმარა კიბოს სხვადასხვა კატეგორიებისა და ქვეკატეგორიების იდენტიფიცირებაში, სხვადასხვა პოტენციურ თერაპიასთან ერთად. 2009 წელს აშშ-ს FDA-მ დაამტკიცა რვა კიბოს საწინააღმდეგო პრეპარატი, აღნიშნა კულოტმა. 2020 წლისთვის ეს რიცხვი 57-მდე გაიზარდა. გარდა ამისა, ამჟამად დაახლოებით 1,500 კლინიკური კვლევაა გახსნილი კიბოს პაციენტებისთვის. 

”ზოგადად, ახლა ფაქტიურად ასობით შესაძლო თერაპია ან თერაპიის კომბინაციაა, რომლებიც შეიძლება გამოყენებულ იქნას კიბოს სამკურნალოდ,” - თქვა კულოტმა. ”მაშ, ჩვენ გვაქვს ეს ორმაგი გამოწვევა, არა? როგორ გავაერთიანოთ ყველა ეს მონაცემი პაციენტის უკეთესი სურათის მისაღებად? და შემდეგ ამ თვალსაზრისით, რას ნიშნავს ეს ყველაფერი საუკეთესო მკურნალობის თვალსაზრისით?”

ამ პრობლემის მოსაგვარებლად, MD Anderson-ის ექიმებმა შეიმუშავეს Precision Oncology Decision Support (PODS) სისტემა - მტკიცებულებებზე დაფუძნებული ინსტრუმენტი, რომელიც ეხმარება ექიმებს შეაფასონ შესაბამისი ინფორმაცია, როგორიცაა წამლების შემუშავებისა და კლინიკური კვლევების უახლესი ინფორმაცია, ისევე როგორც პაციენტის პასუხები მკურნალობაზე. . ეს მათ ეხმარება შეიმუშაონ პერსონალური მკურნალობის გეგმები.

2020 წელს, MD ანდერსონმა ითანამშრომლა Philips-თან და AWS-თან, რათა სისტემა ხელმისაწვდომი ყოფილიყო ექიმებისა და პრაქტიკოსებისთვის მთელს მსოფლიოში. 

სისტემა შეიძლება არსებობდეს მხოლოდ ღრუბელში, აღნიშნა კულოტმა, მრავალი მიზეზის გამო. არსებობს უზარმაზარი რაოდენობის მონაცემები შესანახად და დიდი რაოდენობით მონაცემთა დამუშავება, რაც უნდა მოხდეს. ამავდროულად, სისტემა უნდა იყოს უსაფრთხო და თავსებადი მრავალბინიანი სისტემა პრაქტიკოსებისთვის მთელს მსოფლიოში. 

ალბათ ყველაზე კრიტიკულად ის არის, რომ ღრუბელი იძლევა ჭეშმარიტად პერსონალიზებულ მკურნალობის გეგმებს, აღნიშნა კულოტმა, რაც საშუალებას აძლევს ექიმებს ითანამშრომლონ და დააკავშირონ თავიანთი მონაცემები. 

„ხალხი საუბრობს კიბოს შესახებ, როგორც დიდი მონაცემების პრობლემაზე, მაგრამ ის ასევე არის ის, რასაც მე ვუწოდებ მცირე პრობლემას“, - თქვა კულოტმა. მან მოიყვანა ფილტვის კიბოს პაციენტის მაგალითი, რომელიც გაიგებს, რომ მას აქვს ფილტვის კიბოს მე-4 სტადია სპეციფიკური მუტაციებით. 

”თქვენ ამთავრებთ ამ პოპულაციების ქვეჯგუფს და ქვეჯგუფს, ასე რომ, ყველაზე დიდ ჯანდაცვის დაწესებულებებსაც კი ჰყავთ მხოლოდ რამდენიმე პაციენტი, რომლებიც აკმაყოფილებენ იმ კრიტერიუმებს, საიდანაც ჩვენ ვცდილობთ ვისწავლოთ,” - თქვა მან. „მონაცემების გაერთიანება - დეიდენტიფიცირებული, შესაბამისი გზით - ისე, რომ მისგან ვისწავლოთ, ჩართულია ღრუბელზე დაფუძნებული ეკოსისტემების მეშვეობით.

ანალოგიურად, გრაალის Satnam Alag-მა თქვა, რომ ღრუბელი აუცილებელი იყო Galleri-ის, კომპანიის მრავალ კიბოს ადრეული გამოვლენის ტესტის განვითარებისთვის. ტესტი შექმნილია კიბოს 50-ზე მეტი ტიპის გამოსავლენად, როგორც ერთჯერადი კიბოს სკრინინგის ტესტების დამატება.

”გენომიკისა და მანქანური სწავლის ძალის გამოყენებას ბევრი გამოთვლა სჭირდება”, - თქვა ალაგმა. „ძალიან დიდი რაოდენობით მონაცემების შეგროვება და მასშტაბირებაა საჭირო“. 

ერთი სისხლის აღებიდან, Galleri ტესტი იყენებს დნმ-ის თანმიმდევრობის და მანქანური სწავლის ალგორითმებს პაციენტის სისხლში დნმ-ის ნაწილების გასაანალიზებლად. ტესტი სპეციალურად ეძებს უჯრედებისგან თავისუფალ ნუკლეინის მჟავებს (cfDNA), რომლებსაც სიმსივნეები ასხამენ სისხლში, რაც შეიძლება გითხრათ, რა სახის კიბოა სხეულში და საიდან მოდის ის. 

„მხოლოდ ცალკეული კიბოს სკრინინგის ნაცვლად, ჩვენ გვჭირდება ადამიანების სკრინინგი კიბოსთვის“, - თქვა ალაგმა. ”და ეს უკვე შესაძლებელია ორი დიდი ტექნოლოგიური რევოლუციის წყალობით, რომელიც მოხდა ბოლო 20 წლის განმავლობაში. პირველი, გენომიკის ძალა - ახლა უკვე შესაძლებელია სრული დნმ-ის თანმიმდევრობა... ტერაბაიტების მონაცემთა გენერირება ეფექტური ჯდება რამდენიმე დღეში. მეორე, არის ინოვაციების უზარმაზარი რაოდენობა მანქანათმცოდნეობაში. ჩვენ ახლა გვაქვს ნოუ-ჰაუ, რომ შეგვეძლოს ავაშენოთ რთული, ღრმა სწავლის მოდელები ათობით მილიონი პარამეტრით.”