Kreftbehandlinger er avhengige av svimlende mengder data: Slik blir det sortert i skyen

Kreftpasienter og deres leger har mer informasjon om sykdommen og dens behandling enn noen gang før, og den tilgjengelige informasjonen fortsetter å vokse i en svimlende hastighet. All den informasjonen er imidlertid ikke nyttig hvis folk ikke kan forstå det hele. 

Tenk på en lungekreftpasient, for eksempel, som kan få en tidlig diagnose gjennom et screeningprogram som produserer et computertomografi (CT) bilde. Etter hvert som deres diagnose og behandlingsplan skrider frem, vil vaktmesterne deres bringe inn datakilder som MR og molekylær avbildning, patologidata – som i økende grad digitaliseres – og genomisk informasjon. 

"Alt dette, ærlig talt, er en veldig vanskelig utfordring for omsorgsteamene selv når de tenker på hvordan de best kan ta vare på og behandle disse pasientene," sa Louis Culot, GM for genomikk og onkologiinformatikk ved Philips, under en Amazon Web Services virtuelt arrangement for helseindustrien. 

"I onkologi nå, eller i hvilken som helst medisinsk disiplin, betyr dette fordi behandlingen betyr noe, intervensjonen betyr noe," sa Culot. "Vi vil ikke bare ha data for dataens skyld. Hvilke tiltak kan medlemmer av omsorgsteamet ta basert på informasjon?»

For å få et bedre grep om alle disse dataene har innovatører vendt seg til verktøy som cloud computing og maskinlæring – med potensielt livreddende resultater. På denne ukens AWS-arrangement gikk Culot gjennom Philips' partnerskap med MD Anderson Cancer Center ved University of Texas, som tar sikte på å hjelpe leger med å samle alle dataene deres for å lage personlige pleieplaner for pasienter. 

Satnam Alag, SVP for programvareingeniør hos Grail, forklarte hvordan selskapet hans bruker skyen og maskinlæring for å utvikle et system som kan screene pasienter for dusinvis av forskjellige typer kreft samtidig, i stedet for én om gangen. 

Det er vanskelig å overvurdere effekten av forbedrede kreftscreeninger og behandlinger. I 2020 var det mer enn 19 millioner tilfeller av kreft globalt, bemerket Alag, og nesten 10 millioner dødsfall. Det er anslått at én av tre menn og én av fire kvinner sannsynligvis får kreft i løpet av livet.

«Vil jeg eller et familiemedlem bli diagnostisert med kreft? Hvor er det i kroppen min? Kan det kureres? Eller kommer det til å drepe meg? Dette er vanlige spørsmål som mange av oss deler, sa Alag. 

Heldigvis, ettersom vi samler inn flere datapunkter for å studere kreft, utvikler forskere også nye behandlingsalternativer med et raskt klipp. Fremskritt innen molekylær profilering har hjulpet forskere med å identifisere ulike kategorier og underkategorier av kreft, sammen med ulike potensielle terapier. I 2009 hadde det amerikanske FDA godkjent åtte kreftmedisiner, bemerket Culot. I 2020 vokste tallet til 57. I tillegg er det nå rundt 1,500 kliniske studier åpne for kreftpasienter. 

"Generelt er det nå bokstavelig talt hundrevis av mulige terapier eller terapikombinasjoner, som kan brukes til å behandle kreft," sa Culot. "Så vi har denne doble utfordringen, ikke sant? Hvordan samler vi alle disse dataene for å få et bedre bilde av pasienten? Og så med det synet, hva betyr det for beste behandling?»

For å takle dette problemet utviklet legene ved MD Anderson Precision Oncology Decision Support (PODS)-systemet – et evidensbasert verktøy som hjelper leger med å vurdere relevant informasjon som det siste innen medikamentutvikling og kliniske studier, samt pasientrespons på behandlinger . Dette hjelper dem med å utvikle personlige behandlingsplaner.

I 2020 samarbeidet MD Anderson med Philips og AWS for å gjøre systemet tilgjengelig for leger og utøvere over hele verden. 

Systemet kunne bare eksistere i skyen, bemerket Culot, av en rekke årsaker. Det er en enorm mengde data å lagre og enorme mengder databehandling som må skje. Samtidig må systemet være et sikkert og kompatibelt system med flere leietakere for utøvere over hele verden. 

Kanskje det mest kritiske er at skyen muliggjør virkelig tilpassede behandlingsplaner, bemerket Culot, ved å la leger samarbeide og kombinere dataene sine. 

"Folk snakker om kreft som et stort dataproblem, men det er også det jeg kaller et lite problem," sa Culot. Han ga eksemplet med en lungekreftpasient som får vite at han har lungekreft i trinn 4 med spesifikke mutasjoner. 

"Du ender opp med subsetting og subsetting av disse populasjonene, slik at selv de største helseinstitusjonene noen ganger bare har noen få pasienter som oppfyller kriteriene vi prøver å lære av," sa han. "Å kunne kombinere data - avidentifisert, på en kompatibel måte - slik at vi kan lære av det, er aktivert gjennom disse skybaserte økosystemene."

På samme måte sa Satnam Alag fra Grail at nettskyen var avgjørende for utviklingen av Galleri, selskapets test for tidlig oppdagelse av flere kreftformer. Testen er designet for å oppdage mer enn 50 typer kreft som et supplement til screeningtester for enkeltkreft.

"Å utnytte kraften til genomikk og maskinlæring krever mye beregning," sa Alag. "Svært store mengder data må samles inn og skaleres." 

Fra en enkelt blodprøve bruker Galleri-testen DNA-sekvensering og maskinlæringsalgoritmer for å analysere biter av DNA i en pasients blodstrøm. Testen ser spesifikt etter de cellefrie nukleinsyrene (cfDNA) som svulster avgir i blodet, som kan fortelle deg hva slags kreft som er i kroppen og hvor den kommer fra. 

"I stedet for bare å screene for individuelle kreftformer, må vi screene individer for kreft," sa Alag. "Og dette er nå mulig takket være to store teknologirevolusjoner som har skjedd de siste 20 årene. For det første, kraften til genomikk - det er nå mulig å sekvensere hele DNA... og generere terabyte med data kostnadseffektivt i løpet av få dager. For det andre er den enorme mengden innovasjon innen maskinlæring. Vi har nå kunnskapen til å kunne bygge kompliserte, dype læringsmodeller med titalls millioner av parametere.»