Big data w badaniach nad rakiem

Big data w badaniach nad rakiem. Zastosowanie w badaniach podstawowych i stosowanych. Praca opisująca aktualny stan tych dziedzin.

Streszczenie

Historycznie badania nad nowotworami były skupione na badaniach molekularnych i klinicznych kilku podstawowych szlaków i genów. W ostatnich latach nastąpiła gwałtowna akumulacja wielkoskalowych danych omicznych dotyczących raka, którą są wynikiem przełomu w technologiach o dużej przepustowości ( high-throughput). Ten szybki wzrost danych dał początek ewoluującej koncepcji big data w badaniach nad nowotworami, których analiza wymaga dużych zasobów obliczeniowych i może potencjalnie przynieść nowe spojrzenie na podstawowe pytania. Rzeczywiście, połączenie big data, bioinformatyki i sztucznej inteligencji doprowadziło do znaczących postępów w naszym podstawowym zrozumieniu biologii raka i do postępów w przekuwaniu odkryć na rozwiązania praktyczne w medycynie. Dalszy rozwój wymagać będzie wspólnych wysiłków naukowców, klinicystów, biologów i decydentów. W linkowanej pracy naukowcy dokonują przeglądu obecnego stanu wiedzy i przyszłych wyzwań związanych z wykorzystaniem dużych zbiorów danych do postępu w badaniach i leczeniu raka.

Wnioski

Nauka o danych i sztuczna inteligencja przekształcają nasz świat dzięki zastosowaniom tak różnorodnym, jak autonomiczne samochody, rozpoznawanie twarzy i tłumaczenie języka, a także w świecie medycznym - interpretacja obrazów w radiologii i patologii. Mamy już dostępnych tyle danych o nowotworach, aby umożliwić biomedyczny przełom w badaniach poprzez integrację międzymodalną, agregację między kohortami i ponowne wykorzystanie danych. Jesteśmy także świadkami nadzwyczajnych postępów w generowaniu i analizowaniu takich danych. Jednak stan dużych zbiorów danych w tej dziedzinie jest złożony i naszym zdaniem powinniśmy przyznać, że „big data” w badaniach nowotworów nie są jeszcze tak "big". Przyszłe inwestycje ze strony globalnej społeczności badawczej, mające na celu rozszerzenie zbiorów danych dotyczących raka, będą miały kluczowe znaczenie dla umożliwienia lepszych modeli obliczeniowych do prowadzenia badań podstawowych, diagnostyki raka i opracowywania nowych terapii.

Link do pracy (ang.): https://www.nature.com/articles/s41568-022-00502-0.epdf