As terapias contra o câncer dependem de quantidades estonteantes de dados: veja como eles estão sendo classificados na nuvem

Os pacientes com cancro e os seus médicos têm mais informações sobre a doença e o seu tratamento do que nunca, e a informação disponível continua a crescer a um ritmo vertiginoso. Todas essas informações, no entanto, não serão úteis se as pessoas não conseguirem entender tudo. 

Pense num paciente com câncer de pulmão, por exemplo, que pode receber um diagnóstico precoce por meio de um programa de rastreamento que produz uma imagem de tomografia computadorizada (TC). À medida que o seu diagnóstico e plano de tratamento avançam, os seus cuidadores trarão fontes de dados como ressonância magnética e imagens moleculares, dados de patologia – que são cada vez mais digitalizados – e informações genómicas. 

“Tudo isso, honestamente, é um desafio muito difícil para as próprias equipes de atendimento, pois estão pensando sobre a melhor forma de cuidar e tratar esses pacientes”, disse Louis Culot, gerente geral de genômica e informática oncológica da Philips, durante uma Amazon. Evento virtual de Web Services para o setor de saúde. 

“Na oncologia atual, ou em qualquer disciplina médica, isso é importante porque o tratamento é importante, a intervenção é importante”, disse Culot. “Não queremos dados apenas pelos dados. Que ações os membros da equipe de atendimento poderiam tomar com base nas informações?”

Para controlar melhor todos estes dados, os inovadores recorreram a ferramentas como a computação em nuvem e a aprendizagem automática – com resultados potencialmente salvadores de vidas. No evento AWS desta semana, Culot abordou a parceria da Philips com o MD Anderson Cancer Center da Universidade do Texas, que visa ajudar os médicos a reunir todos os seus dados para criar planos de cuidados personalizados para os pacientes. 

Satnam Alag, vice-presidente sênior de engenharia de software da Grail, explicou como sua empresa está usando a nuvem e o aprendizado de máquina para desenvolver um sistema que pode rastrear pacientes quanto a dezenas de tipos diferentes de câncer ao mesmo tempo, em vez de um de cada vez. 

É difícil exagerar o impacto da melhoria dos exames e tratamentos do câncer. Em 2020, ocorreram mais de 19 milhões de casos de cancro em todo o mundo, observou Alag, e quase 10 milhões de mortes. Estima-se que um em cada três homens e uma em cada quatro mulheres têm probabilidade de desenvolver câncer durante a vida.

“Será que eu ou um membro da família seremos diagnosticados com câncer? Onde está isso no meu corpo? Pode ser curado? Ou isso vai me matar? Estas são perguntas comuns que muitos de nós partilhamos”, disse Alag. 

Felizmente, à medida que coletamos mais dados para estudar o câncer, os cientistas também estão desenvolvendo novas opções de tratamento rapidamente. Os avanços no perfil molecular ajudaram os cientistas a identificar diferentes categorias e subcategorias de cancro, juntamente com diferentes terapias potenciais. Em 2009, a FDA dos EUA aprovou oito medicamentos anticâncer, observou Culot. Em 2020, esse número cresceu para 57. Além disso, existem agora cerca de 1,500 ensaios clínicos abertos a pacientes com cancro. 

“Em geral, existem agora literalmente centenas de terapias ou combinações de terapias possíveis que podem ser usadas para tratar o câncer”, disse Culot. “Então a gente tem esse duplo desafio, né? Como reunimos todos esses dados para obter uma imagem melhor do paciente? E então, com essa visão, o que tudo isso significa em termos do melhor tratamento?”

Para resolver esse problema, os médicos do MD Anderson desenvolveram o sistema Precision Oncology Decision Support (PODS) – uma ferramenta baseada em evidências que ajuda os médicos a avaliar informações relevantes, como as últimas novidades em desenvolvimento de medicamentos e ensaios clínicos, bem como as respostas dos pacientes aos tratamentos. . Isso os ajuda a desenvolver planos de tratamento personalizados.

Em 2020, MD Anderson fez parceria com a Philips e a AWS para disponibilizar o sistema para médicos e profissionais de todo o mundo. 

O sistema só poderia existir na nuvem, observou Culot, por uma série de razões. Há uma enorme quantidade de dados para armazenar e uma enorme quantidade de processamento de dados que precisa acontecer. Ao mesmo tempo, o sistema precisa ser um sistema multilocatário seguro e compatível para profissionais de todo o mundo. 

Talvez o mais crítico seja o facto de a nuvem permitir planos de tratamento verdadeiramente personalizados, observou Culot, ao permitir que os médicos colaborem e combinem os seus dados. 

“As pessoas falam sobre o câncer como um problema de big data, mas também é o que chamo de problema de pequena escala”, disse Culot. Ele deu o exemplo de um paciente com câncer de pulmão que descobre que tem câncer de pulmão em estágio 4 com mutações específicas. 

“Você acaba dividindo cada vez mais essas populações, de modo que mesmo as maiores instituições de saúde às vezes têm apenas alguns pacientes que atendem aos critérios com os quais estamos tentando aprender”, disse ele. “Ser capaz de combinar dados – desidentificados, de forma compatível – para que possamos aprender com eles, é possível através desses ecossistemas baseados em nuvem.”

Da mesma forma, Satnam Alag, do Graal, disse que a nuvem era fundamental para o desenvolvimento do Galleri, o teste de detecção precoce de vários tipos de câncer da empresa. O teste foi projetado para detectar mais de 50 tipos de câncer como um complemento aos testes de rastreamento de um único câncer.

“Aproveitar o poder da genômica e do aprendizado de máquina requer muita computação”, disse Alag. “Quantidades muito grandes de dados precisam ser coletadas e dimensionadas.” 

A partir de uma única coleta de sangue, o teste Galleri usa sequenciamento de DNA e algoritmos de aprendizado de máquina para analisar pedaços de DNA na corrente sanguínea de um paciente. O teste procura especificamente os ácidos nucleicos livres de células (cfDNA) que os tumores liberam no sangue, o que pode dizer que tipo de câncer existe no corpo e de onde ele vem. 

“Em vez de apenas rastrear cânceres individuais, precisamos rastrear indivíduos para câncer”, disse Alag. “E isso agora é possível graças a duas grandes revoluções tecnológicas que aconteceram nos últimos 20 anos. Primeiro, o poder da genómica – agora é possível sequenciar o ADN completo… gerando terabytes de dados de forma económica em poucos dias. Em segundo lugar, está a enorme quantidade de inovação em aprendizado de máquina. Agora temos o conhecimento necessário para construir modelos complicados e de aprendizagem profunda com dezenas de milhões de parâmetros.”