Nasze codzienne życie w niektórych obszarach zdaje się nieustannie przyspieszać. Nie tylko przywykliśmy do ciągłych aktualizacji oprogramowania, ale wręcz oczekujemy regularnych ulepszeń w naszych telefonach i innych narzędziach cyfrowych, z których korzystamy w pracy i w domu.

Mimo to wydaje się, że postępy w leczeniu raka i niektórych chorób opierają się wszelkim trendom przyspieszania i usprawniania. Leczenie raka to oczywiście nie to samo, co oglądanie seriali w Internecie – co do tego nie ma najmniejszych wątpliwości. Jednak technologia, która zapewnia wsparcie w obu tych przypadkach, czyli przetwarzanie w chmurze, daje nadzieję na to, że będziemy w stanie zwiększyć tempo badań i wcześniej dostarczać trafniejsze diagnozy, stosować bardziej efektywne terapie, a nawet opracowywać leki na raka.

Odkrywanie nowych sposobów diagnozowania i leczenia raka jest, tak naprawdę, zagadnieniem obliczeniowym. Dlaczego tak jest, opowiada dr Shez Partovi, Dyrektor Światowego Rozwoju Biznesu w zakresie Opieki Zdrowotnej, Nauk Przyrodniczych i Genomiki, Amazon Web Services.

Klucze i zamki

Załóżmy, że klucz to lek, a zamek do którego ten klucz pasuje to rak. Badacze próbują znaleźć klucz pasujący do konkretnego zamka – cząsteczkę leku, która oddziałuje na określony receptor raka. Wyobraźmy sobie, że mamy miliardy kluczy i miliardy zamków. Gdybyśmy próbowali ręcznie dopasowywać klucze do konkretnego zamka w nadziei na otwarcie go, mogłoby to zająć całą wieczność.

Wyobraźmy sobie teraz, że mamy do dyspozycji potężny komputer działający z niewiarygodną szybkością, który niemal jednocześnie jest w stanie przetestować każdy klucz z każdym zamkiem. Co można wówczas zmienić? Jak szybko zostałby wynaleziony odpowiedni lek, aby podjąć skuteczne leczenie?

Doskonałym przykładem ogromnego skoku w tempie opracowywania nowych leków jest rozwiązanie zastosowane przez jednego z klientów korzystających z Amazon Web Services (AWS), Numerate. Numerate szukało leków do leczenia określonej choroby serca. Mieli do wyboru ponad 128 milionów cząsteczek leków. Jak można sobie wyobrazić, zawężenie wyboru z milionów możliwości do jedynie kilku, które zostaną przetestowane w badaniach klinicznych, zajęłoby wybitnym naukowcom bardzo dużo czasu – od pięciu do siedmiu lat. To doskonała ilustracja problemu „klucz–zamek”. Numerate nie poszło tą drogą i do przeprowadzenia obliczeń wykorzystało AWS.

Posługując się tysiącami modeli uczenia maszynowego i przeprowadzając ogromną liczbę obliczeń w chmurze, Numerate zdołało zbadać 128 milionów cząsteczek, identyfikując kilka, które mogłyby pomóc w leczeniu badanej choroby serca. Modele przewidywały, w jaki sposób cząsteczki potencjalnych leków byłyby wchłaniane przez organizm, rozprowadzane, metabolizowane, usuwane i czy pasowałyby do właściwego „zamka” choroby. W 12 miesięcy Numerate wykonało obliczenia, które pojedynczemu procesorowi o wysokiej wydajności zajęłoby 1000 lat nieprzerwanej pracy. Wykryto 69 potencjalnie skutecznych leków, które przeszły do etapu badań klinicznych. Inni klienci AWS, na przykład Abcellera, również opracowali niedawno zaawansowane rozwiązania oparte na chmurze, które skracają proces opracowywania leku do sześciu tygodni.

Czas potrzebny na to skrócił się z pięciu–siedmiu lat do poniżej dwóch miesięcy – a można być pewnym, że skróci się jeszcze bardziej. Masowe obliczenia i techniki uczenia maszynowego można również wykorzystać w pracach nad nowymi metodami leczenia raka czy jakiejkolwiek innej choroby.

Lekarstwo spersonalizowane

Skrócenie czasu odkrywania potencjalnie skutecznych leków oznacza, że więcej leków trafi do badań klinicznych. Więcej prowadzonych badań klinicznych to więcej nadziei i możliwości dla pacjentów, którzy szukają skuteczniej terapii dla swojego konkretnego rodzaju raka. Zbliżamy się zatem do czegoś, do czego świat medyczny dążył od dziesięcioleci – do medycyny precyzyjnej. Celem medycyny precyzyjnej nie jest po prostu leczenie konkretnego typu raka, ale zastosowanie terapii dostosowanej do nowotworu danego pacjenta.

A pink background with breast cancer awareness ribbon graphics, and "AWS Tech Day of Pink" in text.

Doskonałym przykładem wykorzystania mocy obliczeniowej AWS w medycynie precyzyjnej jest firma biotechnologiczna Moderna, która od samego początku wykorzystuje technologię chmury. O Modernie było głośno w związku z jej pracą nad szczepionką na COVID-19. Te same techniki, których używa Moderna do badania koronawirusa, znajdują zastosowanie również w przypadku innych chorób, między innymi do badań nad spersonalizowanymi szczepionkami przeciwnowotworowymi (często nazywanymi immunoterapiami) i w leczeniu rzadkich chorób. Laboratorium Moderny opracowuje mnóstwo terapii, ale najbardziej oszałamiające jest to, że przy wykorzystaniu technik uczenia maszynowego i technologii obliczeniowych ich laboratorium nie produkuje jednego leku dla miliarda chorych, ale jeden lek dla jednego pacjenta, opracowany w oparciu o jego niepowtarzalny kod genetyczny. To tak, jakby wyprodukować miliard różnych leków.

Wykorzystanie technologii obliczeniowych nie tylko przyspiesza proces opracowywania leków, ale zmienia też koszt wprowadzania ich na rynek. Prowadząc prace nad lekami w sposób tradycyjny – czyli ręczny i kosztowny – firmy farmaceutyczne potrzebowały serii świetnie sprzedających się produktów, aby móc sfinansować proces odkrywania kolejnych skutecznych terapii. Aspekty ekonomiczne tego procesu zmieniły się, gdy zaangażowano weń nie tylko utalentowanych naukowców, ale też moce obliczeniowe, inteligentne algorytmy i bardzo inteligentne modele, które symulują biologię i chemię ludzkiego ciała. Dzięki nim możliwe stało się znalezienie metod leczenia i leków na choroby, które dotykają stosunkowo niewielką liczbę osób. To szansa na opracowanie prawdziwie spersonalizowanego leku.

Dodatkowe korzyści

Oczywiście wyleczenie raka jest najbardziej pożądanym wynikiem zastosowanej terapii. Jednak już samo podjęcie spersonalizowanego leczenia przyniosłyby ogromne korzyści pacjentom na całym świecie. Doskonałym przykładem jest BreastCancer.org – organizacja, która wykorzystuje moc obliczeniową AWS do personalizowania procesu leczenia.

Breastcancer.org umożliwia pacjentkom z rakiem piersi zapisanie raportu patologicznego na odpowiednio zabezpieczonym koncie osobistym. Wykorzystując techniki uczenia maszynowego AWS, BreastCancer.org analizuje report i odpowiednio przetwarza jego cyfrowe elementy, aby przedstawić pacjentce treść w formie spersonalizowanej. Na takiej samej zasadzie, jak firmy biotechnologiczne wykorzystują moc obliczeniową do opracowywania nowych leków do leczenia raka, BreastCancer.org wykorzystuje moc obliczeniową i techniki przetwarzania języka naturalnego do analizy raportu patologicznego i przedstawienia pacjentowi wysoce spersonalizowanych informacji.

Idąc dalej w tym kierunku, niewiele dzieli nas od wykorzystania informacji medycznych pacjenta do personalizacji wszystkich aspektów leczenia i ochrony zdrowia. Navigating Cancer to startup stworzony w oparciu o AWS, który ściśle współpracuje z pacjentami chorymi na raka i ich lekarzami, pomagając pacjentom samodzielnie kierować własną terapią. Navigating Cancer gromadzi tysiące danych o stanie pacjenta, a dzięki zaawansowanym analizom wymagającym intensywnych obliczeń w czasie rzeczywistym pomaga lekarzom wytyczyć najlepszą ścieżkę leczenia. Nie tylko zwiększa to możliwości pacjentów, ale także pobudza ich do działania, zachęcając do podejmowania aktywnych prób wyleczenia się przy wsparciu przyjaciół i rodziny.

Dokładnie o to chodzi w Tech Day of Pink, miesiącu świadomości raka piersi, czy w każdym kolejnym dniu – aby spędzać czas możliwie jak najlepiej z osobami, które kochamy.

W ramach miesiąca świadomości raka piersi AWS bierze udział w Tech Day of Pink, corocznej kampanii Estée Lauder Companies (ELC) mającej na celu zwiększenie świadomości oraz zebranie pieniędzy dla fundacji Breast Cancer Research Foundation. Ty również możesz pomóc. Uzyskaj więcej informacji lub zaangażuj się w prowadzone działania.