ການປິ່ນປົວມະເຮັງແມ່ນຂຶ້ນກັບປະລິມານຂໍ້ມູນ dizzying: ນີ້ແມ່ນວິທີການຈັດຮຽງຢູ່ໃນຟັງ

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. ຄາດ​ຄະ​ເນ​ວ່າ​ຜູ້​ຊາຍ XNUMX ຄົນ​ໃນ XNUMX ຄົນ​ແລະ​ຜູ້​ຍິງ XNUMX ຄົນ​ໃນ XNUMX ຄົນ​ມີ​ທ່າ​ອ່ຽງ​ເປັນ​ມະ​ເຮັງ​ໃນ​ຕະຫຼອດ​ຊີວິດ.

“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," “ແລະ​ນີ້​ເປັນ​ໄປ​ໄດ້​ໃນ​ປັດ​ຈຸ​ບັນ​ຍ້ອນ​ສອງ​ການ​ປະ​ຕິ​ວັດ​ເຕັກ​ໂນ​ໂລ​ຊີ​ຂະ​ຫນາດ​ໃຫຍ່​ທີ່​ໄດ້​ເກີດ​ຂຶ້ນ​ໃນ​ໄລ​ຍະ 20 ປີ​ທີ່​ຜ່ານ​ມາ. ຫນ້າທໍາອິດ, ພະລັງງານຂອງ genomics - ປະຈຸບັນສາມາດຈັດລໍາດັບ DNA ທີ່ສົມບູນ ... ສ້າງ terabytes ຂອງຂໍ້ມູນຄ່າໃຊ້ຈ່າຍປະສິດທິຜົນພາຍໃນສອງສາມມື້. ອັນທີສອງ, ແມ່ນການປະດິດສ້າງຈໍານວນຫຼວງຫຼາຍໃນການຮຽນຮູ້ເຄື່ອງຈັກ. ດຽວນີ້ພວກເຮົາມີຄວາມຮູ້ຄວາມສາມາດໃນການສ້າງແບບຈໍາລອງການຮຽນຮູ້ທີ່ສັບສົນ, ເລິກເຊິ່ງດ້ວຍຕົວກໍານົດການຫຼາຍສິບລ້ານ.