Data science

เราแพ้การต่อสู้มะเร็งหรือไม่? เลขที่! – พูด Big Data และ Machine Learning

คุณสามารถต่อสู้กับโรคมะเร็งด้วยความช่วยเหลือจาก Big Data และ Machine Learning ได้หรือไม่ เทคโนโลยีเหล่านี้สามารถช่วยในกระบวนการวินิจฉัย ค้นคว้ายา และรักษามะเร็งได้อย่างไร? มะเร็งเป็นโรคที่มีการกระจายหางยาว นี่หมายความว่ามีคำอธิบายที่แตกต่างกันสำหรับเงื่อนไขนี้ที่จะเกิดขึ้นโดยไม่มีวิธีแก้ปัญหาเดียวในการกำจัดมัน มีโรคภัยไข้เจ็บที่มีอิทธิพลต่อผู้คนจำนวนมาก อย่างไรก็ตาม มีเหตุผลเพียงอย่างเดียวสำหรับเหตุการณ์ที่จะเกิดขึ้น ตัวอย่างเช่น ให้เรานึกถึงอหิวาตกโรค อาหารหรือน้ำที่ปนเปื้อนโดย Vibrio Cholerae จึงเป็นสาเหตุที่ทำให้เกิดอหิวาตกโรค อหิวาตกโรคสามารถเกิดขึ้นได้เพียงเพราะ Vibrio Cholerae และไม่มีเหตุผลอื่นใด เมื่อเราค้นพบสาเหตุหลักของการเจ็บป่วย การเอาชนะมันค่อนข้างง่าย ในคลังกระสุนของเราเพื่อทำสงครามกับมะเร็งและเอาชนะมัน Big Data และ Machine Learning เป็นอาวุธที่มีอำนาจทำลายล้างสูง การระเบิดข้อมูลและการจัดลำดับยีน พื้นที่หนึ่งที่สร้างข้อมูลจำนวนมหาศาลคือการเรียงลำดับยีน ข้อมูลเท่าไหร่? คุณอาจถาม การจัดลำดับยีนสร้างข้อมูลของมนุษย์ที่เทียบเท่ากับ ¼ ของการผลิตข้อมูลประจำปีของ Youtube ในแง่ของขนาด ข้อมูลนี้รวมกับข้อมูลเพิ่มเติมจากการจัดลำดับจีโนมหากเขียนลงบนดีวีดีขนาด 4GB คุณจะต้องดูสแต็กที่สูงครึ่งไมล์ กลยุทธ์สำหรับการจัดลำดับยีนได้รับการปรับปรุงตลอดหลายปีที่ผ่านมา และค่าใช้จ่ายสำหรับสิ่งที่เทียบเท่าก็ลดลงอย่างทวีคูณ ในปี 2008 ค่าใช้จ่ายในการจัดลำดับยีนคือ 10 ล้านดอลลาร์ วันนี้มันทำงานออกมาเป็นเพียงดอลลาร์ 1000 คาดว่าจะลดลงอีกในอนาคต โดย 2025 ประมาณว่า 1 พันล้านคนจะทำการจัดลำดับยีน มีการประเมินว่าบุคคลหนึ่งพันล้านคนจะมีคุณสมบัติตามลำดับโดย 2025 โดย 2030 ข้อมูลจีโนมจะอยู่ที่ประมาณ 2 – 40 เอ็กซาไบต์ในหนึ่งปี การต่อสู้กับโรคมะเร็งด้วยข้อมูลขนาดใหญ่และการเรียนรู้ของเครื่อง การต่อสู้กับโรคมะเร็งสามารถทำได้หลายวิธี หากข้อมูลจำนวนมากถูกสร้างขึ้นมารวมกับอัลกอริธึมการเรียนรู้ของเครื่อง ความช่วยเหลือในการวินิจฉัย การรักษา และการพยากรณ์โรคสามารถรับได้ด้วยการเรียนรู้ของเครื่อง การบำบัดแบบปรับแต่งได้จะเป็นไปได้ และการกระจายหางยาวก็สามารถจัดการได้เช่นกัน ข้อมูลที่ติดฉลากสามารถใช้ในการวินิจฉัยโรคมะเร็งได้ สิ่งนี้เกิดขึ้นได้เพราะมีเวชระเบียนอิเล็กทรอนิกส์มากมายและบันทึกข้อมูลจากโรงพยาบาลทุกแห่ง การใช้การประมวลผลภาษาธรรมชาติทำขึ้นเพื่อให้เข้าใจถึงใบสั่งยาของแพทย์ การสแกน CT และ MRI จะถูกวิเคราะห์โดยใช้ Deep Learning Neural Networks อัลกอริธึมการเรียนรู้ของเครื่องต่างๆ ลอดผ่านฐานข้อมูล EMR และค้นหารูปแบบที่ซ่อนอยู่ ซึ่งจะช่วยในการวินิจฉัย ตัวอย่างที่สนับสนุนสิ่งนี้คือ นักศึกษาวิทยาลัยจากสหรัฐอเมริกาสามารถออกแบบโครงข่ายประสาทเทียมโดยเฉพาะจากบ้านของเธอ และแม้กระทั่งพัฒนาแบบจำลองที่สามารถวินิจฉัยมะเร็งเต้านมได้อย่างแม่นยำอย่างเหลือเชื่อ การวินิจฉัยด้วย Big Data และ Machine Learning ตัวอย่างที่ดีว่าการวินิจฉัยโรคมะเร็งจะดีขึ้นได้อย่างไรในกรณีของ 16 เด็กอายุ 1 ปี บริททานี่ เวนเกอร์. เธอตัดสินใจปรับปรุงการวินิจฉัยเมื่อลูกพี่ลูกน้องของเธอได้รับการวินิจฉัยว่าเป็นมะเร็งเต้านม ในการตรวจหามะเร็ง วิธีการที่ไม่รุกรานคือ FNA (Fine Needle Aspiration) ซึ่งแพทย์คิดว่าไม่น่าเชื่อถือ Brittany ต้องการทำให้วิธีนี้ดีขึ้นและตัดสินใจนำความสามารถในการเขียนโค้ดของเธอไปใช้เพื่อให้บรรลุสิ่งนี้ ผู้หญิงสามารถใช้วิธีการที่ปรับปรุงและไม่รุกรานน้อยกว่าหากถือว่าเชื่อถือได้ การใช้ข้อมูลสาธารณสมบัติซึ่งรวมถึง FNA จากมหาวิทยาลัยวิสคอนซินเป็นขั้นตอนแรก โครงข่ายประสาทเทียมถูกเข้ารหัสโดยเธอ ต่อจากนี้ เธอใช้เทคโนโลยีคลาวด์สำหรับการประมวลผลข้อมูลและฝึกฝนเครือข่ายประสาทเทียมเพิ่มเติมเพื่อตรวจหาความคล้ายคลึงกัน เป็นกระบวนการทดลองและข้อผิดพลาดครั้งใหญ่ และในที่สุดเธอก็สามารถตรวจพบมะเร็งเต้านมด้วยข้อมูลการทดสอบ FNA และมีความไวต่อมะเร็ง 49 1% วิธีนี้ไม่ได้จำกัดเฉพาะมะเร็งเต้านมเพียงอย่างเดียวและใช้เพื่อตรวจหามะเร็งชนิดอื่นๆ ด้วย ปริมาณและคุณภาพของข้อมูลเป็นตัวกำหนดความถูกต้องของการวินิจฉัย เมื่อมีข้อมูลมากขึ้น การสืบค้นฐานข้อมูลจะมีมากขึ้นโดยอัลกอริทึม ซึ่งจะส่งผลให้เกิดการค้นหาความคล้ายคลึงและแบบจำลองที่มีค่ามากขึ้นเป็นผลลัพธ์ การรักษามะเร็งด้วย Big Data และ Machine Learning ก้าวต่อไปจากการวินิจฉัย Big Data และ Machine Learning มีบทบาทสำคัญในการรักษามะเร็งด้วยเช่นกัน มาดูอีกกรณีหนึ่งที่ Kathy 49 อายุ 1 ปีได้รับการวินิจฉัยว่าเป็นมะเร็งเต้านมระยะที่ 3 John สามีของ Kathy เป็น CIO ของโรงพยาบาลในบอสตัน John วางแผนการรักษาของ Kathy ด้วยความช่วยเหลือของเครื่องมือ Big Data ที่เขาออกแบบ เครื่องมือค้นหาที่มีประสิทธิภาพถูกสร้างขึ้นใน 2008 ที่เรียกว่า SHRINE (เครือข่ายข้อมูลการวิจัยด้านสุขภาพที่ใช้ร่วมกัน) สิ่งนี้ถูกสร้างขึ้นด้วยความช่วยเหลือของโรงพยาบาลในเครือของฮาร์วาร์ดซึ่งแบ่งปันฐานข้อมูลของพวกเขา เมื่อถึงเวลาที่ Kathy ได้รับการวินิจฉัย แพทย์ที่รักษาเธอสามารถค้นหาประวัติที่มีจำนวนเกือบ 6 ล้านคน คำถามเช่น “มะเร็งเต้านมระยะที่ 3 และการรักษา 16 หญิงอายุ 1 ปี” สามารถสอบถามได้ใน SHRINE ข้อมูลนี้ช่วยให้แพทย์หลีกเลี่ยงการผ่าตัดและรักษาเธอด้วยยาเคมีบำบัดในการรักษาเฉพาะสำหรับเซลล์เนื้องอก เมื่อเคมีบำบัดเสร็จสิ้น นักรังสีวิทยาไม่สามารถหาเซลล์เนื้องอกในร่างกายของ Kathy ได้อีก นี่เป็นตัวอย่างวิธีที่เครื่องมือ Big Data อนุญาตให้มีการวางแผนการรักษาที่ปรับแต่งตามความต้องการของผู้ป่วยได้ ขนาดเดียวที่พอดีกับทุกกระบวนการรักษาไม่ได้ผลสำหรับโรคมะเร็งเนื่องจากมีการกระจายหางยาว สำหรับแผนการรักษาที่ปรับแต่งให้ได้ผล สิ่งสำคัญต่อไปนี้คือผลการทดสอบวินิจฉัย ลำดับยีน ข้อมูลการกลายพันธุ์ของยีน Big Data และเครื่องมือการเรียนรู้ของเครื่อง การค้นพบยาด้วย Big Data และ Machine Learning การย้ายไปไกลกว่านั้นจากการวินิจฉัยและการรักษา Big Data และ Machine Learning สามารถช่วยปฏิวัติการค้นพบยาได้ นักวิจัยใช้ข้อมูลเปิดและทรัพยากรในการคำนวณเพื่อค้นหาการใช้ยาใหม่ๆ ที่มีอยู่แล้วและได้รับการอนุมัติจากหน่วยงานต่างๆ เช่น FDA อีกตัวอย่างหนึ่งคือเมื่อกลุ่มนักศึกษาที่มหาวิทยาลัยแคลิฟอร์เนีย SFO ใช้เทคโนโลยี Big Data และอัลกอริธึม Machine Learning เพื่อค้นหาว่ายาที่ใช้รักษาพยาธิเข็มหมุดสามารถหดตัวของมะเร็งซึ่งเป็นมะเร็งตับชนิดหนึ่งในหนูทดลองได้ มะเร็งชนิดนี้เป็นสาเหตุสำคัญอันดับสองของการเสียชีวิตด้วยโรคมะเร็งในโลก นอกจากการค้นพบการใช้ยาใหม่ๆ ที่มีอยู่แล้ว ยังสามารถค้นพบยาใหม่ๆ ได้อีกด้วย การใช้ข้อมูลที่เกี่ยวข้องกับยาชนิดต่างๆ คุณสมบัติ องค์ประกอบทางเคมี อาการของโรค ผลข้างเคียง ฯลฯ สามารถคิดค้นยาใหม่ ๆ เพื่อรักษามะเร็งประเภทต่างๆ ได้ ซึ่งจะทำให้กระบวนการคิดค้นยาใหม่ๆ ง่ายขึ้น และจะช่วยประหยัดเงินได้หลายล้านดอลลาร์ในกระบวนการนี้ โดยสรุป มะเร็งค่อนข้างอันตรายและมีหลายรูปแบบ ในรูปแบบของบิ๊กดาต้าและแมชชีนเลิร์นนิง ตอนนี้เรามีคลังแสงที่แข็งแกร่งกว่าเพื่อต่อสู้กับโรคมะเร็ง ตั้งแต่การวินิจฉัย แผนการรักษา การให้ยาซ้ำ/การค้นพบ เรามีความสามารถในการเอาชนะมะเร็งในทุกขั้นตอน ชอบบทความนี้? สมัครรับจดหมายข่าวรายสัปดาห์ของเราเพื่อไม่ให้พลาด!

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

    Your email address will not be published. Required fields are marked *

    Back to top button