Рак терапиясы баш айлантуучу маалыматтардын көлөмүнө жараша болот: Булуттарда ал кандайча иреттелүүдө

Рак менен ооруган бейтаптар жана алардын дарыгерлери оору жана аны дарылоо жөнүндө болуп көрбөгөндөй көбүрөөк маалыматка ээ жана жеткиликтүү маалымат баш айланткан ылдамдыкта өсүүдө. Бирок бул маалыматтын баары, эгерде адамдар мунун баарын түшүнө албаса, пайдалуу эмес. 

Мисалы, компьютердик томография (КТ) сүрөтүн чыгарган скрининг программасы аркылуу эрте диагнозду ала турган өпкө рагы менен ооруган бейтап жөнүндө ойлонуп көрүңүз. Алардын диагностикасы жана дарылоо планы өнүккөн сайын, алардын кароолчулары MR жана молекулярдык сүрөттөө, барган сайын санариптештирилген патология маалыматтары жана геномика маалыматы сыяктуу маалымат булактарын алып келишет. 

"Мунун баары, чынын айтсам, кам көрүү топторунун өздөрү үчүн өтө кыйын маселе, анткени алар бул бейтаптарга кантип эң жакшы кам көрүү жана дарылоо жөнүндө ойлонуп жатышат", - деди Луис Кулот, Philips компаниясынын геномика жана онкология информатикасынын генералы, Amazon учурунда. Саламаттык сактоо тармагы үчүн Web Services виртуалдык окуясы. 

"Азыр онкологияда же кандайдыр бир медициналык дисциплинада бул маанилүү, анткени дарылоо маанилүү, кийлигишүү маанилүү" деди Кулот. «Биз маалыматтарды жөн гана маалыматтар үчүн каалабайбыз. Камкордукка алуу тобунун мүчөлөрү маалыматтын негизинде кандай иш-аракеттерди жасай алышат?

Бул маалыматтардын бардыгын жакшыраак өздөштүрүү үчүн инноваторлор булуттагы эсептөө жана машинаны үйрөнүү сыяктуу куралдарга кайрылышты - потенциалдуу өмүрдү сактап кала турган натыйжалар. Ушул жумадагы AWS иш-чарасында Кулот Филипстин Техас университетиндеги MD Андерсон онкологиялык борбору менен өнөктөштүгү боюнча жүрдү, анын максаты дарыгерлерге бейтаптарга жекелештирилген кам көрүү пландарын түзүү үчүн алардын бардык маалыматтарын чогултууга жардам берүү. 

Сатнам Алаг, Grail компаниясынын программалык камсыздоо инженериясынын SVP, анын компаниясы бейтаптарды бир эле учурда эмес, бир эле учурда рактын ондогон түрлөрүн текшере турган системаны иштеп чыгуу үчүн булутту жана машинаны үйрөнүүнү кантип колдонуп жатканын түшүндүрдү. 

Рак скринингинин жана дарылоонун жакшыртылган таасирин баалоо кыйын. Алаг белгилегендей, 2020-жылы дүйнө жүзү боюнча 19 миллиондон ашык рак оорусу катталган жана 10 миллионго жакын адам каза болгон. Ар бир үчүнчү эркек жана ар бир төртүнчү аял өмүр бою рак оорусуна чалдыгышы мүмкүн деп болжолдонууда.

«Мага же үй-бүлө мүчөсүнө рак диагнозу коюлабы? Ал менин денемдин кайсы жеринде? Аны айыктырса болобу? Же мени өлтүрүп коёбу? Булар көбүбүзгө бирдей болгон жалпы суроолор», - деди Алаг. 

Бактыга жараша, биз ракты изилдөө үчүн көбүрөөк маалымат упайларын чогулткан сайын, илимпоздор да тез клипте дарылоонун жаңы жолдорун иштеп чыгууда. Молекулярдык профилдештирүүдөгү жетишкендиктер окумуштууларга рактын ар кандай категорияларын жана субкатегорияларын, ошондой эле ар кандай потенциалдуу терапияларды аныктоого жардам берди. 2009-жылы АКШнын FDA ракка каршы сегиз дары-дармекти бекиткен, деп белгиледи Кулот. 2020-жылга карата бул сан 57ге жетти. Анын үстүнө азыр рак менен ооруган бейтаптар үчүн 1,500дөй клиникалык сыноолор бар. 

"Жалпысынан, азыр түзмө-түз жүздөгөн мүмкүн болгон терапия же терапия айкалыштары бар, алар ракты дарылоо үчүн колдонулушу мүмкүн" деди Кулот. "Демек, бизде бул эки көйгөй бар, туурабы? Бейтаптын жакшыраак сүрөтүн алуу үчүн бул маалыматтардын баарын кантип бириктиребиз? Анан ушундай көз караш менен, мунун баары эң жакшы дарылоо жагынан эмнени билдирет?

Бул көйгөйдү чечүү үчүн MD Андерсондун дарыгерлери так онкология боюнча чечимдерди колдоо (PODS) тутумун иштеп чыгышты — бул далилдерге негизделген инструмент, ал дарыгерлерге акыркы дары-дармектерди иштеп чыгуу жана клиникалык сыноолор, ошондой эле пациенттердин дарылоого жооптору сыяктуу тиешелүү маалыматты баалоого жардам берет. . Бул аларга жекече дарылоо пландарын иштеп чыгууга жардам берет.

2020-жылы MD Андерсон Philips жана AWS менен өнөктөш болуп, системаны дүйнө жүзү боюнча дарыгерлерге жана практиктерге жеткиликтүү кылуу үчүн түзүлгөн. 

Система булуттун ичинде гана болушу мүмкүн, деп белгиледи Кулот, бир катар себептерден улам. Сактоо үчүн эбегейсиз чоң көлөмдөгү маалыматтар жана ишке ашырылышы керек болгон чоң көлөмдөгү маалыматтарды иштетүү бар. Ошол эле учурда, система бүткүл дүйнө боюнча практиктер үчүн коопсуз жана шайкеш көп ижарачы системасы болушу керек. 

Балким, эң маанилүүсү, булут чындап жекелештирилген дарылоо пландарын түзүүгө мүмкүндүк берет, деп белгиледи Кулот, дарыгерлерге кызматташууга жана алардын маалыматтарын бириктирүүгө мүмкүндүк берет. 

"Адамдар рак жөнүндө чоң маалымат көйгөйү катары айтышат, бирок мен аны кичинекей көйгөй деп атайм" деди Кулот. Ал өпкө рагы менен ооруган бейтапты мисал келтирди, ал өпкөнүн 4-стадиясында спецификалык мутациялары бар өпкө рагы бар экенин билген. 

"Сиз бул популяцияларды бөлүштүрүү жана бөлүштүрүү менен аяктайсыз, андыктан эң ири саламаттыкты сактоо мекемелеринде кээде биз үйрөнүүгө аракет кылып жаткан критерийлерге жооп берген бир нече гана пациенттер болот" деди ал. "Дайындарды айкалыштыра алуу - де-идентификациялык, ылайыктуу жол менен - ​​биз андан үйрөнө алабыз, бул булутка негизделген экосистемалар аркылуу иштетилген."

Ошо сыяктуу эле, Grail компаниясынан Сатнам Алаг булут компаниянын көп ракты эрте аныктоочу Galleri тестин өнүктүрүү үчүн зарыл экенин айтты. Сыноо рактын 50дөн ашык түрүн аныктоо үчүн иштелип чыккан, бир рак скринингдик тесттерге кошумча катары.

"Геномиканын жана машинаны үйрөнүүнүн күчүн колдонуу көп эсептөөнү талап кылат" деди Алаг. "Өтө чоң көлөмдөгү маалыматтарды чогултуу жана масштабдоо керек." 

Бир кан алуудан Галлери тести пациенттин канындагы ДНК бөлүктөрүн анализдөө үчүн ДНК секвенирлөө жана машина үйрөнүү алгоритмдерин колдонот. Сыноо шишиктер канга төккөн клеткасыз нуклеиндик кислоталарды (cfDNA) издейт, алар денеде кандай рак оорусу бар экенин жана анын кайдан келип жатканын айтып берет. 

"Айрым рак ооруларына скринингдин ордуна, биз адамдарды рак оорусуна текшеришибиз керек" деди Алаг. «Ал эми бул акыркы 20 жылдын ичинде болгон эки чоң технологиялык революциянын аркасында мүмкүн болду. Биринчиден, геномиканын күчү — азыр толук ДНКны ырааттуулук менен түзүүгө болот... терабайт маалыматтарды бир нече күндүн ичинде эффективдүү генерациялоо. Экинчиден, машинаны үйрөнүүдө инновациялардын чоң көлөмү. Азыр бизде он миллиондогон параметрлери бар татаал, терең үйрөнүү моделдерин түзө ала турган ноу-хау бар».