Kankertherapieën zijn afhankelijk van duizelingwekkende hoeveelheden gegevens: zo wordt het gesorteerd in de cloud

Kankerpatiënten en hun artsen beschikken over meer informatie over de ziekte en de behandeling ervan dan ooit tevoren, en de beschikbare informatie blijft in een duizelingwekkend tempo groeien. Al die informatie is echter niet nuttig als mensen er geen wijs uit kunnen worden. 

Denk bijvoorbeeld aan een longkankerpatiënt die mogelijk een vroege diagnose krijgt via een screeningprogramma dat een computertomografie (CT)-beeld produceert. Naarmate hun diagnose en behandelplan vordert, zullen hun verzorgers gegevensbronnen zoals MR en moleculaire beeldvorming, pathologiegegevens – die steeds meer gedigitaliseerd worden – en genomische informatie meebrengen. 

“Dit alles is, eerlijk gezegd, een zeer moeilijke uitdaging voor de zorgteams zelf, terwijl ze nadenken over hoe ze deze patiënten het beste kunnen verzorgen en behandelen”, zei Louis Culot, GM van genomics en oncologie-informatica bij Philips, tijdens een Amazon-conferentie. Web Services virtueel evenement voor de gezondheidssector. 

“In de oncologie van nu, of in welke medische discipline dan ook, is dit van belang omdat de behandeling ertoe doet, de interventie ertoe doet,” zei Culot. “We willen niet alleen data omwille van de data. Welke actie kunnen zorgteamleden ondernemen op basis van informatie?”

Om een ​​betere grip op al deze gegevens te krijgen, hebben innovators zich tot tools als cloud computing en machine learning gewend – met potentieel levensreddende resultaten. Tijdens het AWS-evenement van deze week besprak Culot de samenwerking van Philips met het MD Anderson Cancer Center van de Universiteit van Texas, dat tot doel heeft artsen te helpen al hun gegevens samen te brengen om gepersonaliseerde zorgplannen voor patiënten te creëren. 

Satnam Alag, SVP software engineering bij Grail, legde uit hoe zijn bedrijf de cloud en machine learning gebruikt om een ​​systeem te ontwikkelen dat patiënten tegelijk kan screenen op tientallen verschillende soorten kanker, in plaats van één voor één. 

Het is moeilijk om de impact van verbeterde kankerscreenings en -behandelingen te overschatten. In 2020 waren er wereldwijd meer dan 19 miljoen gevallen van kanker, merkte Alag op, en bijna 10 miljoen sterfgevallen. Geschat wordt dat één op de drie mannen en één op de vier vrouwen tijdens hun leven waarschijnlijk kanker zal krijgen.

“Krijgt ik of een familielid de diagnose kanker? Waar zit het in mijn lichaam? Kan het genezen worden? Of gaat het mij vermoorden? Dit zijn veel voorkomende vragen die velen van ons delen”, zei Alag. 

Gelukkig ontwikkelen wetenschappers, naarmate we meer datapunten verzamelen om kanker te bestuderen, ook in snel tempo nieuwe behandelingsopties. Vooruitgang op het gebied van moleculaire profilering heeft wetenschappers geholpen verschillende categorieën en subcategorieën van kanker te identificeren, samen met verschillende potentiële therapieën. In 2009 had de Amerikaanse FDA acht geneesmiddelen tegen kanker goedgekeurd, merkte Culot op. In 2020 was dat aantal gegroeid tot 57. Bovendien staan ​​er nu ongeveer 1,500 klinische onderzoeken open voor kankerpatiënten. 

“Over het algemeen zijn er nu letterlijk honderden mogelijke therapieën of therapiecombinaties die kunnen worden gebruikt om kanker te behandelen”, aldus Culot. “Dus we hebben deze dubbele uitdaging, toch? Hoe brengen we al deze gegevens samen om een ​​beter beeld van de patiënt te krijgen? En wat betekent het dan allemaal in termen van de beste behandeling?”

Om dat probleem aan te pakken, hebben de artsen van MD Anderson het Precision Oncology Decision Support (PODS)-systeem ontwikkeld – een op bewijsmateriaal gebaseerd hulpmiddel dat artsen helpt relevante informatie te beoordelen, zoals de nieuwste ontwikkelingen op het gebied van geneesmiddelen en klinische onderzoeken, evenals de reacties van patiënten op behandelingen. . Dit helpt hen bij het ontwikkelen van gepersonaliseerde behandelplannen.

In 2020 werkte MD Anderson samen met Philips en AWS om het systeem beschikbaar te maken voor artsen en beoefenaars over de hele wereld. 

Het systeem kon om een ​​aantal redenen alleen in de cloud bestaan, merkte Culot op. Er moet een enorme hoeveelheid gegevens worden opgeslagen en er moeten enorme hoeveelheden gegevens worden verwerkt. Tegelijkertijd moet het systeem een ​​veilig en conform multi-tenant systeem zijn voor praktijkmensen over de hele wereld. 

Het belangrijkste is misschien wel dat de cloud echt gepersonaliseerde behandelplannen mogelijk maakt, merkte Culot op, doordat artsen kunnen samenwerken en hun gegevens kunnen combineren. 

"Mensen praten over kanker als een big data-probleem, maar het is ook wat ik een small-end-probleem noem", zegt Culot. Hij gaf het voorbeeld van een longkankerpatiënt die ontdekt dat hij stadium 4-longkanker heeft met specifieke mutaties. 

"Je maakt deze populaties steeds kleiner, zodat zelfs de grootste gezondheidszorginstellingen soms maar een paar patiënten hebben die voldoen aan de criteria waarvan we proberen te leren", zei hij. “Het kunnen combineren van gegevens – geanonimiseerd, op een conforme manier – zodat we ervan kunnen leren, wordt mogelijk gemaakt door deze cloudgebaseerde ecosystemen.”

Op dezelfde manier zei Satnam Alag van Grail dat de cloud absoluut noodzakelijk was voor de ontwikkeling van Galleri, de vroege detectietest voor meerdere kankers van het bedrijf. De test is ontworpen om meer dan 50 soorten kanker te detecteren als aanvulling op screeningstests voor afzonderlijke kankers.

“Het benutten van de kracht van genomica en machinaal leren vergt veel rekenkracht”, zegt Alag. “Er moeten zeer grote hoeveelheden gegevens worden verzameld en geschaald.” 

Uit één enkele bloedafname maakt de Galleri-test gebruik van DNA-sequencing en machine learning-algoritmen om stukjes DNA in de bloedbaan van een patiënt te analyseren. De test zoekt specifiek naar de celvrije nucleïnezuren (cfDNA) die tumoren in het bloed afgeven, en die u kunnen vertellen wat voor soort kanker zich in het lichaam bevindt en waar deze vandaan komt. 

“In plaats van alleen maar te screenen op individuele kankers, moeten we individuen screenen op kanker,” zei Alag. “En dit is nu mogelijk dankzij twee grote technologische revoluties die de afgelopen twintig jaar hebben plaatsgevonden. Ten eerste de kracht van genomica: het is nu mogelijk om het volledige DNA te sequencen... en binnen een paar dagen kosteneffectief terabytes aan gegevens te genereren. Ten tweede is er de enorme hoeveelheid innovatie op het gebied van machinaal leren. We hebben nu de kennis om ingewikkelde, diepgaande leermodellen te bouwen met tientallen miljoenen parameters.”