גוגל וסטנפורד פועלות להאיץ את ניתוח וריצוף הגנום

יחידת הענן של גוגל (Google Cloud Platform) וסטנדפורד (Stanford Medicine), אחד מהמוסדות האקדמאיים-רפואיים הידועים בארצות הברית, ישתפו פעולה על מנת להאיץ את ניתוח הגנום האנושי ואת הריצוף שלו.

במסגרת הפרויקט, כלים טכנולוגיים יסייעו למדענים ולעובדי רפואה אחרים לאחסן ולנתח כמות עצומה של מידע גנומי, כחלק מהרצון להזריק חדשנות לעולמות המחקר והטיפול הרפואי. כלי מחשוב ענן, מדע נתונים ומחשוב מכונה יאפשרו לטפל במידע גנומי בהיקפים עצומים, ולסייע בניתוח אוטומטי של צילומי רנטגן ומידע פתולוגי.

כלי מחשוב הענן של ענקית החיפוש עומדים בתקן HIPAA, לטיפול בנתונים רפואיים. בגוגל צופים כי כלי הענן שלה, יחד עם טכנולוגיות למידת מכונה (Machine Learning) ומדע נתונים – בשילוב המומחיות של אנשי סטנפורד בתחומי הגנום והרפואה – יובילו להתקדמות חשובה בתחום המכונה "רפואה מדויקת" (Precision Health) – גישה ברפואה הפועלת על בסיס חיזוי ומניעה.

לנתח אלפי גנומים של חולים

"מדובר בהזדמנות לשלב את כלי מדע הנתונים עם עולם הטיפול בחולים, באמצעות שילוב המידע הגנומי והמידע המסורתי הנאסף ברישומי החולים", נמסר. "שיתוף הפעולה בין הצדדים יעמוד בבסיס ה-Clinical Genomics Service, שירות חדש שמפעילה Stanford Health Care, שמטרתו לנתח אלפי גנומים של חולים".

פלטפורמת הענן של גוגל תאפשר למדענים ואנשי הרפואה של סטנפורד לנתח באופן מאובטח את מערכי המידע העצומים הללו באופן מיידי, ולסייע להגדלת השימוש במידע גנומי ליישומים רפואיים, כמו גם לטפל בכמות המידע האמור.

ככל שתהליכי ריצוף הגנום (Genome Sequencing) הופכים לזמינים יותר מבחינה כלכלית, יותר ויותר חולים יוכלו ליהנות מתוצרי תהליכים אלו. טכנולוגיות ענן מודרניות, מסרה גוגל, בשילוב עם כלי מדע נתונים, יכולים לשפר משמעותית את שיטות ניתוח המידע הגנומי.

לאמן מחשבים לקרוא צילומי רנטגן

הפעילות של גוגל עם סטנפורד אמורה, על פי השתיים, לבנות דור חדש של פלטפורמות וכלים, שיאפשרו לבצע ניתוח גנום בהיקפים עצומים, ולספק מידע הניתן ליישום אודות סוגים שונים של גנום מאנשים שונים – בזמן קצר משמעותית מזה המאפיין תהליכים אלו כיום.

חוקרי סטנפורד כבר דנים בכמה רעיונות לשימוש בכלים אלו, מעבר לניתוח המידע הגנומי, בהם יישום טכניקות לימוד-מכונה, על מנת לאמן מחשבים לקרוא צילומי רנטגן ומידע פתולוגי, ולזהות גידולים ובעיות רפואיות אחרות.

בנוסף, לחוקרים יש מידע נגיש, רב שנים –  שהוא אנונימי, כלומר אינו מכיל זיהוי של החולים שמהם תועד – שעמו ניתן ללמד אלגוריתמים כיצד להבדיל בין התראות שווא להתראות אמת. הדבר טוב, למשל, במקרים בהם מופעלת אזעקה אוטומטית בבית החולים – כאשר בפועל אין סכנה לחולה.