ຄົນເຈັບທີ່ເປັນມະເຮັງແລະທ່ານຫມໍຂອງພວກເຂົາມີຂໍ້ມູນເພີ່ມເຕີມກ່ຽວກັບພະຍາດແລະການປິ່ນປົວຂອງມັນຫຼາຍກວ່າທີ່ເຄີຍມີມາກ່ອນ, ແລະຂໍ້ມູນທີ່ມີຢູ່ຍັງສືບຕໍ່ເພີ່ມຂຶ້ນໃນອັດຕາ dizzying. ຢ່າງໃດກໍຕາມ, ຂໍ້ມູນທັງຫມົດນັ້ນບໍ່ເປັນປະໂຫຍດຖ້າຄົນບໍ່ສາມາດເຂົ້າໃຈມັນທັງຫມົດ.
ສໍາລັບຕົວຢ່າງ, ຄິດກ່ຽວກັບຄົນເຈັບທີ່ເປັນມະເຮັງປອດ, ຜູ້ທີ່ອາດຈະໄດ້ຮັບການວິນິດໄສເບື້ອງຕົ້ນໂດຍຜ່ານໂຄງການກວດກາທີ່ຜະລິດຮູບພາບ tomography ຄອມພິວເຕີ້ (CT). ໃນຂະນະທີ່ການວິນິດໄສແລະແຜນການປິ່ນປົວກ້າວຫນ້າ, ຜູ້ເບິ່ງແຍງຂອງພວກເຂົາຈະນໍາເອົາແຫຼ່ງຂໍ້ມູນເຊັ່ນ: MR ແລະຮູບພາບໂມເລກຸນ, ຂໍ້ມູນທາງດ້ານພະຍາດ - ເຊິ່ງຖືກປັບປຸງເປັນດິຈິຕອນ - ແລະຂໍ້ມູນ genomics.
"ທັງຫມົດນີ້, ດ້ວຍຄວາມຊື່ສັດ, ເປັນສິ່ງທ້າທາຍທີ່ຍາກຫຼາຍສໍາລັບທີມງານດູແລຕົນເອງຍ້ອນວ່າພວກເຂົາຄິດກ່ຽວກັບວິທີການດູແລແລະປິ່ນປົວຄົນເຈັບເຫຼົ່ານີ້ທີ່ດີທີ່ສຸດ," Louis Culot, GM ຂອງ genomics ແລະ oncology ຂໍ້ມູນຂ່າວສານຢູ່ Philips ກ່າວໃນລະຫວ່າງການ Amazon. ເຫດການ virtual Services ສໍາລັບອຸດສາຫະກໍາສຸຂະພາບ.
ທ່ານ Culot ກ່າວວ່າ "ໃນ oncology ດຽວນີ້, ຫຼືໃນວິໄນທາງການແພດໃດໆ, ມັນສໍາຄັນເພາະວ່າການປິ່ນປົວແມ່ນສໍາຄັນ, ການແຊກແຊງແມ່ນສໍາຄັນ," Culot ເວົ້າ. “ພວກເຮົາບໍ່ພຽງແຕ່ຕ້ອງການຂໍ້ມູນເພື່ອຜົນປະໂຫຍດຂອງຂໍ້ມູນ. ການກະ ທຳ ອັນໃດທີ່ສະມາຊິກທີມສາມາດເບິ່ງແຍງໄດ້ໂດຍອີງໃສ່ຂໍ້ມູນ?”
ເພື່ອຍຶດເອົາຂໍ້ມູນທັງໝົດນີ້ໃຫ້ດີຂຶ້ນ, ຜູ້ປະດິດສ້າງໄດ້ຫັນມາໃຊ້ເຄື່ອງມືຕ່າງໆ ເຊັ່ນ: ຄອມພິວເຕີ້ຄລາວ ແລະການຮຽນຮູ້ຂອງເຄື່ອງຈັກ — ດ້ວຍຜົນໄດ້ຮັບທີ່ອາດຊ່ວຍຊີວິດໄດ້. ໃນເຫດການ AWS ໃນອາທິດນີ້, Culot ໄດ້ຍ່າງຜ່ານການຮ່ວມມືຂອງ Philips ກັບສູນມະເຮັງ MD Anderson ທີ່ມະຫາວິທະຍາໄລ Texas, ເຊິ່ງມີຈຸດປະສົງເພື່ອຊ່ວຍໃຫ້ທ່ານຫມໍນໍາເອົາຂໍ້ມູນທັງຫມົດຂອງພວກເຂົາຮ່ວມກັນເພື່ອສ້າງແຜນການດູແລສ່ວນບຸກຄົນສໍາລັບຄົນເຈັບ.
Satnam Alag, SVP ຂອງວິສະວະກໍາຊອບແວຢູ່ Grail, ໄດ້ອະທິບາຍວ່າບໍລິສັດຂອງລາວກໍາລັງໃຊ້ cloud ແລະການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອພັດທະນາລະບົບທີ່ສາມາດກວດຄົນເຈັບສໍາລັບມະເຮັງຫຼາຍສິບຊະນິດທີ່ແຕກຕ່າງກັນໃນເວລາດຽວ, ແທນທີ່ຈະເປັນຄັ້ງດຽວ.
ມັນເປັນການຍາກທີ່ຈະເວົ້າເກີນຜົນກະທົບຂອງການກວດ ແລະການປິ່ນປົວມະເຮັງທີ່ໄດ້ຮັບການປັບປຸງ. ໃນປີ 2020, ມີຫຼາຍກວ່າ 19 ລ້ານກໍລະນີຂອງມະເຮັງໃນທົ່ວໂລກ, Alag ສັງເກດເຫັນ, ແລະເກືອບ 10 ລ້ານຄົນເສຍຊີວິດ. ຄາດຄະເນວ່າຜູ້ຊາຍ XNUMX ຄົນໃນ XNUMX ຄົນແລະຜູ້ຍິງ XNUMX ຄົນໃນ XNUMX ຄົນມີທ່າອ່ຽງເປັນມະເຮັງໃນຕະຫຼອດຊີວິດ.
“ຂ້ອຍ ຫຼືສະມາຊິກໃນຄອບຄົວຈະຖືກກວດຫາໂຣກມະເຮັງບໍ? ມັນຢູ່ໃນຮ່າງກາຍຂອງຂ້ອຍຢູ່ໃສ? ມັນສາມາດປິ່ນປົວໄດ້ບໍ? ຫຼືວ່າມັນຈະຂ້າຂ້ອຍ? ນີ້ແມ່ນຄໍາຖາມທົ່ວໄປທີ່ພວກເຮົາຫຼາຍຄົນແບ່ງປັນ,” Alag ເວົ້າ.
ໂຊກດີ, ໃນຂະນະທີ່ພວກເຮົາເກັບກໍາຂໍ້ມູນຈຸດເພີ່ມເຕີມເພື່ອສຶກສາມະເຮັງ, ນັກວິທະຍາສາດຍັງພັດທະນາທາງເລືອກການປິ່ນປົວໃຫມ່ໃນ clip ຢ່າງໄວວາ. ຄວາມກ້າວຫນ້າຂອງການສ້າງໂປຣໄຟລ໌ໂມເລກຸນໄດ້ຊ່ວຍໃຫ້ນັກວິທະຍາສາດກໍານົດປະເພດຕ່າງໆແລະປະເພດຍ່ອຍຂອງມະເຮັງ, ພ້ອມກັບການປິ່ນປົວທີ່ມີທ່າແຮງທີ່ແຕກຕ່າງກັນ. ໃນປີ 2009, FDA ສະຫະລັດໄດ້ອະນຸມັດຢາຕ້ານມະເຮັງແປດ, Culot ສັງເກດເຫັນ. ໃນປີ 2020, ຕົວເລກດັ່ງກ່າວເພີ່ມຂຶ້ນເປັນ 57 ຄົນ. ນອກຈາກນັ້ນ, ປະຈຸບັນມີການທົດລອງທາງດ້ານການຊ່ວຍປະມານ 1,500 ກໍລະນີທີ່ເປີດໃຫ້ຄົນເຈັບທີ່ເປັນມະເຮັງ.
ທ່ານ Culot ກ່າວວ່າ "ໂດຍທົ່ວໄປແລ້ວ, ປະຈຸບັນມີຫຼາຍຮ້ອຍວິທີການປິ່ນປົວທີ່ເປັນໄປໄດ້ຫຼືປະສົມປະສານການປິ່ນປົວ, ເຊິ່ງສາມາດຖືກນໍາໃຊ້ເພື່ອປິ່ນປົວພະຍາດມະເຮັງ,". "ດັ່ງນັ້ນພວກເຮົາມີສິ່ງທ້າທາຍສອງເທົ່ານີ້, ແມ່ນບໍ? ພວກເຮົາຈະດຶງຂໍ້ມູນທັງໝົດນີ້ມາຮ່ວມກັນແນວໃດເພື່ອໃຫ້ໄດ້ພາບທີ່ດີຂຶ້ນຂອງຄົນເຈັບ? ແລະຫຼັງຈາກນັ້ນດ້ວຍທັດສະນະດັ່ງກ່າວ, ມັນຫມາຍຄວາມວ່າແນວໃດໃນການປິ່ນປົວທີ່ດີທີ່ສຸດ?”
ເພື່ອແກ້ໄຂບັນຫາດັ່ງກ່າວ, ທ່ານ ໝໍ MD Anderson ໄດ້ພັດທະນາລະບົບ Precision Oncology Decision Support (PODS) - ເຄື່ອງມືທີ່ອີງໃສ່ຫຼັກຖານທີ່ຊ່ວຍໃຫ້ທ່ານຫມໍປະເມີນຂໍ້ມູນທີ່ກ່ຽວຂ້ອງເຊັ່ນ: ການພັດທະນາຢາຫຼ້າສຸດແລະການທົດລອງທາງດ້ານການຊ່ວຍ, ເຊັ່ນດຽວກັນກັບການຕອບສະຫນອງຂອງຄົນເຈັບຕໍ່ການປິ່ນປົວ. . ນີ້ຊ່ວຍໃຫ້ພວກເຂົາພັດທະນາແຜນການປິ່ນປົວສ່ວນບຸກຄົນ.
ໃນປີ 2020, MD Anderson ໄດ້ຮ່ວມມືກັບ Philips ແລະ AWS ເພື່ອເຮັດໃຫ້ລະບົບດັ່ງກ່າວມີໃຫ້ແພດ ແລະນັກປະຕິບັດທົ່ວໂລກ.
Culot ສັງເກດເຫັນວ່າລະບົບດັ່ງກ່າວສາມາດມີຢູ່ໃນເມຄເທົ່ານັ້ນ, ສໍາລັບເຫດຜົນຈໍານວນຫນຶ່ງ. ມີຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍທີ່ຈະເກັບຮັກສາແລະການປະມວນຜົນຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍທີ່ຈໍາເປັນຕ້ອງເກີດຂຶ້ນ. ໃນເວລາດຽວກັນ, ລະບົບຈໍາເປັນຕ້ອງເປັນລະບົບຫຼາຍຜູ້ເຊົ່າທີ່ປອດໄພແລະສອດຄ່ອງກັບຜູ້ປະຕິບັດທົ່ວໂລກ.
ບາງທີທີ່ສໍາຄັນທີ່ສຸດ, ຟັງເຮັດໃຫ້ແຜນການການປິ່ນປົວສ່ວນບຸກຄົນຢ່າງແທ້ຈິງ, Culot ສັງເກດເຫັນ, ໂດຍອະນຸຍາດໃຫ້ທ່ານຫມໍຮ່ວມມືແລະສົມທົບຂໍ້ມູນຂອງພວກເຂົາ.
ທ່ານ Culot ກ່າວວ່າ "ປະຊາຊົນເວົ້າກ່ຽວກັບໂຣກມະເຮັງເປັນບັນຫາຂໍ້ມູນໃຫຍ່, ແຕ່ມັນຍັງເປັນສິ່ງທີ່ຂ້ອຍເອີ້ນວ່າບັນຫານ້ອຍໆ," Culot ເວົ້າ. ລາວໄດ້ຍົກຕົວຢ່າງຂອງຄົນເຈັບທີ່ເປັນມະເຮັງປອດທີ່ຮູ້ວ່າລາວເປັນມະເຮັງປອດໄລຍະທີ 4 ໂດຍມີການປ່ຽນຕົວສະເພາະ.
ທ່ານກ່າວວ່າ "ທ່ານເລັ່ງການຍ່ອຍແລະຈັດແບ່ງປະຊາກອນເຫຼົ່ານີ້ສະນັ້ນແມ່ນແຕ່ສະຖາບັນການດູແລສຸຂະພາບທີ່ໃຫຍ່ທີ່ສຸດບາງຄັ້ງກໍ່ມີຄົນເຈັບຈໍານວນຫນ້ອຍທີ່ກົງກັບເງື່ອນໄຂທີ່ພວກເຮົາພະຍາຍາມຮຽນຮູ້ຈາກ," ລາວເວົ້າ. "ເພື່ອໃຫ້ສາມາດລວມຂໍ້ມູນ - ບໍ່ໄດ້ຖືກລະບຸ, ໃນທາງທີ່ສອດຄ່ອງ - ດັ່ງນັ້ນພວກເຮົາສາມາດຮຽນຮູ້ຈາກມັນ, ຖືກເປີດໃຊ້ຜ່ານລະບົບນິເວດທີ່ອີງໃສ່ເມຄເຫຼົ່ານີ້."
ເຊັ່ນດຽວກັນ, Satnam Alag ຂອງ Grail ກ່າວວ່າເມຄແມ່ນມີຄວາມຈໍາເປັນສໍາລັບການພັດທະນາຂອງ Galleri, ການທົດສອບການກວດພົບມະເຮັງຫຼາຍຂອງບໍລິສັດ. ການທົດສອບແມ່ນອອກແບບມາເພື່ອກວດຫາມະເຮັງຫຼາຍກວ່າ 50 ຊະນິດ ເປັນການເສີມໃນການກວດກວດມະເຮັງຄັ້ງດຽວ.
"ການໃຊ້ພະລັງງານຂອງ genomics ແລະການຮຽນຮູ້ເຄື່ອງຈັກຕ້ອງການການຄິດໄລ່ຫຼາຍ," Alag ເວົ້າ. "ຂໍ້ມູນຈໍານວນຫຼວງຫຼາຍຕ້ອງໄດ້ຮັບການເກັບກໍາແລະຂະຫນາດ."
ຈາກການແຕ້ມເລືອດຄັ້ງດຽວ, ການທົດສອບ Galleri ໃຊ້ການຈັດລໍາດັບ DNA ແລະລະບົບການຮຽນຮູ້ເຄື່ອງຈັກເພື່ອວິເຄາະຊິ້ນສ່ວນຂອງ DNA ໃນເສັ້ນເລືອດຂອງຄົນເຈັບ. ການທົດສອບເບິ່ງໂດຍສະເພາະສໍາລັບອາຊິດ nucleic ທີ່ບໍ່ມີຈຸລັງ (cfDNA) ທີ່ tumors ໃນເລືອດ, ເຊິ່ງສາມາດບອກທ່ານວ່າປະເພດຂອງມະເຮັງຢູ່ໃນຮ່າງກາຍແລະບ່ອນທີ່ມັນມາຈາກ.
ທ່ານ Alag ກ່າວວ່າ "ແທນທີ່ຈະເປັນພຽງແຕ່ການກວດຫາມະເຮັງແຕ່ລະບຸກຄົນ, ພວກເຮົາຕ້ອງກວດຫາມະເຮັງແຕ່ລະບຸກຄົນ," “ແລະນີ້ເປັນໄປໄດ້ໃນປັດຈຸບັນຍ້ອນສອງການປະຕິວັດເຕັກໂນໂລຊີຂະຫນາດໃຫຍ່ທີ່ໄດ້ເກີດຂຶ້ນໃນໄລຍະ 20 ປີທີ່ຜ່ານມາ. ຫນ້າທໍາອິດ, ພະລັງງານຂອງ genomics - ປະຈຸບັນສາມາດຈັດລໍາດັບ DNA ທີ່ສົມບູນ ... ສ້າງ terabytes ຂອງຂໍ້ມູນຄ່າໃຊ້ຈ່າຍປະສິດທິຜົນພາຍໃນສອງສາມມື້. ອັນທີສອງ, ແມ່ນການປະດິດສ້າງຈໍານວນຫຼວງຫຼາຍໃນການຮຽນຮູ້ເຄື່ອງຈັກ. ດຽວນີ້ພວກເຮົາມີຄວາມຮູ້ຄວາມສາມາດໃນການສ້າງແບບຈໍາລອງການຮຽນຮູ້ທີ່ສັບສົນ, ເລິກເຊິ່ງດ້ວຍຕົວກໍານົດການຫຼາຍສິບລ້ານ.