L’utilisation des données peut augmenter l’efficacité des thérapies contre le cancer
ZDNet commente les vastes possibilités de l’infonuagique et de l’apprentissage automatique dans l’analyse de la multitude de données générées par le traitement du cancer. À ce qu’il paraît, les médecins disposent aujourd’hui de plus de données que jamais, et les informations disponibles continuent de croître à un rythme vertigineux.
Cela s’explique par la multiplication des sources de données numériques associées aux thérapies oncologiques. Par exemple, ZDNet signale qu’il est possible de dépister le cancer d’un patient grâce à une image de tomodensitométrie. Le traitement oncologique comprendra, éventuellement, d’autres examens qui fourniront une multitude de données : l’imagerie par résonance magnétique, l’imagerie moléculaire, les données pathologiques – qui sont de plus en plus numérisées – et les informations génomiques.
Cette hyperabondance de données, explique ZDNet, représente un défi pour le personnel médical lorsqu’il s’agit de réfléchir à la meilleure façon de soigner les patients. Ainsi, dans le but de maîtriser ces données, les novateurs se sont tournés vers les technologies transformationnelles qui, dit-on, proposent des solutions technologiques prometteuses.
Par exemple, la société de biotechnologie américaine GRAIL utilise l’infonuagique et l’apprentissage automatique pour développer un système capable de dépister des dizaines de types de cancers différents à la fois. Les conséquences positives de ces solutions sont majeures étant donné la récurrence de cette maladie. En 2020, il y a eu plus de 19 millions de cas de cancer dans le monde et près de 10 millions de décès.
En outre, la disponibilité accrue de données ouvre la porte à de nouvelles options de traitement. ZDNet signale que les percées en matière de profilage moléculaire permettent aux scientifiques de mieux identifier les différentes catégories et sous-catégories de cancer. Il devient ainsi possible de concevoir de nouvelles thérapies potentielles. Les analystes notent que la FD américaine avait approuvé huit médicaments anticancéreux en 2009 et que ce nombre est passé à 57 en 2020. De plus, il y aurait aujourd’hui environ 1 500 essais cliniques disponibles pour les patients atteints de cancer.
Étant donné la multiplication des thérapies, le défi semble désormais d’intégrer toutes les données pour obtenir un meilleur aperçu du patient et proposer par la suite le meilleur traitement. C’est précisément l’objectif du partenariat entre Philips et le MD Anderson Cancer Center de l’Université du Texas, qui ont conçu un système d’aide à la décision en oncologie de précision.
S’appuyant sur des données probantes hébergées dans le nuage, cette solution permettrait aux médecins d’évaluer des informations essentielles – telles que les dernières percées dans le développement de médicaments et d’essais cliniques ainsi que la réponse des patients aux traitements – afin de concevoir des thérapies personnalisées.
ZDNet commente les vastes possibilités de l’infonuagique et de l’apprentissage automatique dans l’analyse de la multitude de données générées par le traitement du cancer. À ce qu’il paraît, les médecins disposent aujourd’hui de plus de données que jamais, et les informations disponibles continuent de croître à un rythme vertigineux.
Cela s’explique par la multiplication des sources de données numériques associées aux thérapies oncologiques. Par exemple, ZDNet signale qu’il est possible de dépister le cancer d’un patient grâce à une image de tomodensitométrie. Le traitement oncologique comprendra, éventuellement, d’autres examens qui fourniront une multitude de données : l’imagerie par résonance magnétique, l’imagerie moléculaire, les données pathologiques – qui sont de plus en plus numérisées – et les informations génomiques.
Cette hyperabondance de données, explique ZDNet, représente un défi pour le personnel médical lorsqu’il s’agit de réfléchir à la meilleure façon de soigner les patients. Ainsi, dans le but de maîtriser ces données, les novateurs se sont tournés vers les technologies transformationnelles qui, dit-on, proposent des solutions technologiques prometteuses.
Par exemple, la société de biotechnologie américaine GRAIL utilise l’infonuagique et l’apprentissage automatique pour développer un système capable de dépister des dizaines de types de cancers différents à la fois. Les conséquences positives de ces solutions sont majeures étant donné la récurrence de cette maladie. En 2020, il y a eu plus de 19 millions de cas de cancer dans le monde et près de 10 millions de décès.
En outre, la disponibilité accrue de données ouvre la porte à de nouvelles options de traitement. ZDNet signale que les percées en matière de profilage moléculaire permettent aux scientifiques de mieux identifier les différentes catégories et sous-catégories de cancer. Il devient ainsi possible de concevoir de nouvelles thérapies potentielles. Les analystes notent que la FD américaine avait approuvé huit médicaments anticancéreux en 2009 et que ce nombre est passé à 57 en 2020. De plus, il y aurait aujourd’hui environ 1 500 essais cliniques disponibles pour les patients atteints de cancer.
Étant donné la multiplication des thérapies, le défi semble désormais d’intégrer toutes les données pour obtenir un meilleur aperçu du patient et proposer par la suite le meilleur traitement. C’est précisément l’objectif du partenariat entre Philips et le MD Anderson Cancer Center de l’Université du Texas, qui ont conçu un système d’aide à la décision en oncologie de précision.
S’appuyant sur des données probantes hébergées dans le nuage, cette solution permettrait aux médecins d’évaluer des informations essentielles – telles que les dernières percées dans le développement de médicaments et d’essais cliniques ainsi que la réponse des patients aux traitements – afin de concevoir des thérapies personnalisées.