Het gebruik van cloudtechnologie in de kankerbestrijding

Kanker is een ziekte die wordt veroorzaakt door de ongecontroleerde deling van abnormale cellen, vaak als gevolg van genetische veranderingen. De complexiteit van de behandelingen komt voort uit het feit dat genen veranderen naarmate ze muteren en blijven veranderen, zelfs terwijl tumoren groeien. Elk type kanker kan een specifieke mutatie als 'voetafdruk' hebben, maar de genen in een tumor en zijn cellen zijn altijd verschillend. Het in kaart brengen van deze genetische diversiteit vereist het ontsluiten en analyseren van een enorme hoeveelheid data. Bovendien moeten al deze gegevens worden verzameld zonder de privacy van patiënten in gevaar te brengen. Deze gegevens worden vervolgens getransformeerd door middel van visualisatie en analyse om zowel de behandeling van patiënten als de ontwikkeling van nieuwe medicijnen te begeleiden.

Het gebruik van AI in genoomsequencing Kunstmatige intelligentie en machine learning stellen zorgverleners in staat om diepere inzichten te verkrijgen uit genetische, klinische en visuele gegevens en het tempo van data-analyse te versnellen. Cloudtechnologie maakt dit mogelijk door veilige toegang te creëren tot relevante gegevens, waardoor wetenschappers over de hele wereld kunnen samenwerken en bevindingen in realtime kunnen delen, zegt Barbara Baeyens, hoofd van Public Sector bij Amazon Web Services (AWS) in België en Luxemburg. 'Cloudtechnologie kan belangrijke doorbraken opleveren in de behandeling en bestrijding van kanker. Zo kunnen generatieve AI en machine learning wetenschappelijk onderzoek efficiënter maken en zorgen voor snellere en nauwkeurigere diagnoses. Het kan ook de ontwikkeling van nieuwe medicijnen versnellen, terwijl de toegang tot gezondheidszorg wordt vergroot dankzij zorg op afstand en meer inclusieve klinische proeven.'

Open Data

The Cancer Genome Atlas verzamelde gegevens van bijna 20.000 tumoren en vergelijkbare normale weefselmonsters van 11.328 patiënten met 33 soorten kanker. De visualisaties die op basis van deze gegevens zijn gemaakt, laten zien hoe verschillende soorten kanker zich ontwikkelen en verspreiden, inclusief patronen in de cellen waar ze ontstaan. Ze bieden ook inzichten in de rol die verschillende virusvarianten spelen bij het veroorzaken van mutaties en signaalroutes in het lichaam die kunnen worden gebruikt tijdens behandelingen. De Atlas maakt deel uit van AWS Registry of Open Data. Het opschalen van deze data-gedreven aanpak hangt mede af van het vermogen om de DNA van patiënten op een kosteneffectieve manier te sequencen. Een van de organisaties die hierin voorop loopt, is Ultima Genomics. Dit Amerikaanse bedrijf heeft een kosteneffectieve next-generation sequencer op AWS ontwikkeld die een volledig menselijk genoom kan sequencen.

Versnelde diagnoses De methode die door Ultima Genomics is ontwikkeld, kan de vroege kankerdetectie door middel van genetische analyse aanzienlijk versnellen. Het Münchense Leukemia Lab - dat Amazon Elastic Compute Cloud (Amazon EC2) gebruikt om de verwerking van genomics-gegevens te versnellen - heeft de benodigde rekentijd nu van 20 naar drie uur teruggebracht, waardoor zowel de snelheid als de nauwkeurigheid van diagnoses aanzienlijk zijn verbeterd. De meeste patiënten worden echter niet gediagnosticeerd op basis van diepgaande genetische analyse. Ze gaan meestal naar hun huisarts voor een reguliere controle of een ogenschijnlijk onschuldige kwaal. Vroege identificatie van subtiele visuele indicatoren van kanker is een van de manieren waarop AI de overlevingskansen van patiënten aanzienlijk kan vergroten. 'Diagnoses worden meestal gesteld door pathologen die weefsel op glazen plaatjes onder een microscoop bestuderen', zegt Dr. Rowland Illing, Chief Medical Officer en Director Global Healthcare and Nonprofits bij AWS. 'Door dergelijke dia's te digitaliseren, ontstaat de mogelijkheid om AI-gebaseerde beeldanalyse toe te passen om een diagnose en een behandelplan voor patiënten vast te stellen.'

AI

Een meer inclusieve aanpak kan ook helpen bij het opsporen en bestrijden van kanker. Bij de behandeling van borstkanker kan de diagnose in sommige populaties uitdagingen opleveren. Bij Aziatische vrouwen bijvoorbeeld maakt de relatief hogere dichtheid van borstweefsel de vroege detectie van kanker moeilijker. Om dit op te lossen, heeft FathomX - een AI-bedrijf dat voortkomt uit de National University of Singapore - AI gebruikt om een algoritme te ontwikkelen om afwijkingen in dicht borstweefsel nauwkeuriger te identificeren; het is erin geslaagd om het aantal vals-positieven met meer dan 75 procent te verminderen.

LLM's

Kanker bestrijden in afgelegen gebieden In afgelegen gebieden is de beperkte beschikbaarheid van echografisten een belangrijke barrière voor tijdige en accurate diagnoses. Het bedrijf Shangyiyun heeft hiervoor een AI-assistent voor borstkankerscreening ontwikkeld - Dr J. Dr J kan automatisch laesies detecteren en labelen en echografische video's en beelden uploaden naar de cloud voor aanvullende analyse. Dit helpt de reikwijdte van borstkankerscreening uit te breiden. Dankzij de rekenkracht van AWS kan Dr J stabiele, efficiënte en nauwkeurige screeningsdiensten leveren aan zorginstellingen, terwijl strikte gegevensbeveiliging wordt gegarandeerd. Een ander voorbeeld van kankerzorg in afgelegen gebieden is Hurone AI, dat gebruikmaakt van predictieve AI en Large Language Models (LLM's) gebouwd op AWS om de kankerzorg in Sub-Saharaans Afrika te verbeteren. Het bedrijf heeft een systeem ontwikkeld waarmee oncologen op grote schaal patiënten kunnen monitoren en ondersteunen, zelfs bij gebrek aan lokale infrastructuur. Momenteel is er in deze regio slechts één oncoloog per drieduizend kankerpatiënten en slechts één oncoloog per duizend patiënten in Latijns-Amerika. Deze patiënten lopen het risico op bijwerkingen van medicijnen als ze niet sneller toegang krijgen tot de zorg en ondersteuning die ze nodig hebben.

De complexiteit van de kankerbehandeling komt voort uit het feit dat elk ziektegeval, evenals als de genen in een tumor, uniek zijn. De cloud kan helpen bij het personaliseren van behandelingen. Dit maakt niet alleen een effectievere behandeling mogelijk, maar biedt ook psychologische voordelen. Omdat elke patiënt zich gezien en gehoord voelt tijdens zijn behandeling, kan de behandeling bijdragen aan een groter welzijn en een betere ervaring voor de patiënt.