Vēža terapijas ir atkarīgas no reibinoša datu daudzuma: lūk, kā tas tiek sakārtots mākonī

Vēža slimniekiem un viņu ārstiem ir vairāk informācijas par slimību un tās ārstēšanu nekā jebkad agrāk, un pieejamā informācija turpina pieaugt galvu reibinošā ātrumā. Tomēr visa šī informācija nav noderīga, ja cilvēki to nevar saprast. 

Padomājiet, piemēram, par plaušu vēža pacientu, kurš varētu saņemt agrīnu diagnozi, izmantojot skrīninga programmu, kas rada datortomogrāfijas (CT) attēlu. Diagnozei un ārstēšanas plānam attīstoties, viņu aprūpētāji ienesīs datu avotus, piemēram, MR un molekulāro attēlveidošanu, patoloģijas datus, kas tiek arvien vairāk digitalizēti, un genomikas informāciju. 

"Godīgi sakot, tas viss ir ļoti grūts izaicinājums pašām aprūpes komandām, jo ​​viņi domā par to, kā vislabāk rūpēties un ārstēt šos pacientus," sacīja Luiss Kulots, Philips genomikas un onkoloģijas informātikas GM. Web Services virtuāls pasākums veselības nozarei. 

"Tagad onkoloģijā vai jebkurā medicīnas disciplīnā tam ir nozīme, jo svarīga ir ārstēšana, svarīga ir iejaukšanās," sacīja Kulots. "Mēs nevēlamies datus tikai datu dēļ. Kādas darbības aprūpes komandas locekļi varētu veikt, pamatojoties uz informāciju?

Lai labāk pārzinātu visus šos datus, novatori ir pievērsušies tādiem rīkiem kā mākoņdatošana un mašīnmācība, kas, iespējams, var glābt dzīvību. Šīs nedēļas AWS pasākumā Kulots izstaigāja Philips sadarbību ar Teksasas Universitātes MD Andersona vēža centru, kura mērķis ir palīdzēt ārstiem apkopot visus savus datus, lai izveidotu personalizētus pacientu aprūpes plānus. 

Satnam Alags, Grāla programmatūras inženierijas viceprezidents, paskaidroja, kā viņa uzņēmums izmanto mākoni un mašīnmācīšanos, lai izstrādātu sistēmu, kas var pārbaudīt pacientus desmitiem dažādu vēža veidu vienlaikus, nevis pa vienam. 

Ir grūti pārvērtēt uzlaboto vēža skrīningu un ārstēšanas ietekmi. 2020. gadā visā pasaulē bija vairāk nekā 19 miljoni vēža gadījumu un gandrīz 10 miljoni nāves gadījumu. Tiek lēsts, ka katrs trešais vīrietis un katra ceturtā sieviete dzīves laikā var saslimt ar vēzi.

"Vai man vai ģimenes loceklim tiks diagnosticēts vēzis? Kur tas ir manā ķermenī? Vai to var izārstēt? Vai arī tas mani nogalinās? Šie ir izplatīti jautājumi, ar kuriem daudzi no mums dalās, ”sacīja Alags. 

Par laimi, jo mēs apkopojam vairāk datu punktu vēža pētīšanai, zinātnieki ātri izstrādā arī jaunas ārstēšanas iespējas. Molekulārās profilēšanas sasniegumi ir palīdzējuši zinātniekiem identificēt dažādas vēža kategorijas un apakškategorijas, kā arī dažādas iespējamās terapijas. 2009. gadā ASV FDA bija apstiprinājusi astoņas pretvēža zāles, atzīmēja Kulots. Līdz 2020. gadam šis skaits pieauga līdz 57. Turklāt pašlaik vēža slimniekiem ir pieejami aptuveni 1,500 klīniskie pētījumi. 

"Kopumā tagad ir burtiski simtiem iespējamo terapiju vai terapijas kombināciju, ko var izmantot vēža ārstēšanai," sacīja Kulots. "Tātad mums ir šis dubultais izaicinājums, vai ne? Kā mēs apkopojam visus šos datus, lai iegūtu labāku priekšstatu par pacientu? Un ko tas viss nozīmē labākās ārstēšanas ziņā?

Lai risinātu šo problēmu, MD Anderson ārsti izstrādāja Precision Oncology Decision Support (PODS) sistēmu — uz pierādījumiem balstītu rīku, kas palīdz ārstiem novērtēt būtisku informāciju, piemēram, jaunāko informāciju par zāļu izstrādi un klīniskajiem pētījumiem, kā arī pacientu reakciju uz ārstēšanu. . Tas viņiem palīdz izstrādāt personalizētus ārstēšanas plānus.

2020. gadā MD Andersons sadarbojās ar Philips un AWS, lai padarītu sistēmu pieejamu ārstiem un praktiķiem visā pasaulē. 

Sistēma varēja pastāvēt tikai mākonī, atzīmēja Kulots vairāku iemeslu dēļ. Ir jāuzglabā milzīgs datu apjoms un jāveic milzīgs datu apstrādes apjoms. Tajā pašā laikā sistēmai ir jābūt drošai un saderīgai vairāku nomnieku sistēmai praktiķiem visā pasaulē. 

Iespējams, viskritiskāk ir tas, ka mākonis nodrošina patiesi personalizētus ārstēšanas plānus, atzīmēja Kulots, ļaujot ārstiem sadarboties un apvienot savus datus. 

"Cilvēki runā par vēzi kā lielu datu problēmu, taču es to saucu arī par mazo problēmu," sacīja Kulots. Viņš minēja piemēru par plaušu vēža pacientu, kurš uzzina, ka viņam ir 4. stadijas plaušu vēzis ar specifiskām mutācijām. 

"Jūs noslēdzat šo populāciju apakškopu un apakškopu sadalīšanu, tāpēc pat lielākajās veselības aprūpes iestādēs dažreiz ir tikai daži pacienti, kas atbilst kritērijiem, no kuriem mēs cenšamies mācīties," viņš teica. "Lai varētu apvienot datus — deidentificētus, atbilstošā veidā —, lai mēs varētu no tiem mācīties, tas ir iespējots, izmantojot šīs mākoņdatošanas ekosistēmas."

Tāpat Satnam Alag of Grail teica, ka mākonis ir obligāts, lai izstrādātu Galleri, uzņēmuma daudzu vēža agrīnās noteikšanas testu. Tests ir paredzēts vairāk nekā 50 vēža veidu noteikšanai kā papildinājums viena vēža skrīninga testiem.

"Lai izmantotu genomikas un mašīnmācības spēkus, ir nepieciešams daudz aprēķinu," sacīja Alags. "Ir jāapkopo un jāmēro ļoti liels datu apjoms." 

No vienas asins ņemšanas Galleri testā tiek izmantoti DNS sekvencēšanas un mašīnmācīšanās algoritmi, lai analizētu DNS gabalus pacienta asinsritē. Testā īpaši tiek meklētas bezšūnu nukleīnskābes (cfDNS), ko audzēji izdala asinīs, kas var noteikt, kāda veida vēzis ir organismā un no kurienes tas nāk. 

"Tā vietā, lai veiktu tikai atsevišķu vēža skrīningu, mums ir jāpārbauda indivīdi attiecībā uz vēzi," sacīja Alags. "Un tas tagad ir iespējams, pateicoties divām lielām tehnoloģiju revolūcijām, kas notikušas pēdējo 20 gadu laikā. Pirmkārt, genomikas spēks — tagad ir iespējams sekvencēt visu DNS... ģenerējot terabaitus datu rentablu dažu dienu laikā. Otrkārt, milzīgs inovāciju apjoms mašīnmācībā. Tagad mums ir zināšanas, lai varētu izveidot sarežģītus, dziļus mācību modeļus ar desmitiem miljonu parametru.