Gracias por el A2A.
La semántica es importante aquí; Asumiré que con “cáncer de curación de datos grandes” se quiere decir ” grandes datos que permiten a los investigadores, médicos, pacientes, etc. acercarse a la cura del cáncer “.
Técnicamente, para que los datos se categoricen como “Big Data”, debe comprender activos con un volumen, variedad y velocidad sustanciales. Dado que el cáncer no es una enfermedad que se mueve rápidamente, al menos no en términos de los datos críticos que puede producir para constituir un evento digno de mención, entonces el pensamiento actual sobre big data en oncología carece (al menos) de velocidad.
Por otro lado, y si miramos la imagen más amplia de “big data”, entonces podemos decir con seguridad que ya está ayudando a los investigadores a trabajar en los tratamientos: los ensayos clínicos tienen una gran cantidad de datos que se recopilan, y hay bastantes esfuerzos en curso para replicar eso más allá del entorno de ensayo clínico estricto.
Sin embargo, hay algunos problemas :
- Los datos clínicos que se están recogiendo no están ni cerca de completarse : nos faltan detalles relacionados con la patología, evolución tumoral, información a nivel celular, datos relacionados con el paciente (incluida la genómica), datos detallados de interacción con medicamentos, etc.
- Existe un enorme conjunto de datos que casi no se ha tocado: datos informados por el paciente . Estas son todas las experiencias diarias de pacientes a partir de la condición y los medicamentos, que afectan lo que sabemos sobre los tratamientos actuales. Esto a menudo se conoce como Resultados informados por el paciente (PRO) o Evidencia del mundo real (RWE).
- Todavía no sabemos lo que no sabemos : hay hipótesis de investigación por todas partes, pero en general parecen producir (en el mejor de los casos) resultados lineales. Esto es de esperar: no se puede tener un millón de experimentos en paralelo, con seres humanos involucrados. Para que esto evolucione, los “grandes datos” deben permitir a la industria investigar e investigar hipótesis a un ritmo mucho más rápido. Esto significa tiempos de respuesta más rápidos y procesos significativamente más baratos.
- La correlación no implica causalidad : incluso si encontramos una correlación perfecta entre N “eventos”, no hay garantía de que tengan una relación causal entre ellos. Esto significa que por cada “hallazgo” prometedor deberíamos realizar numerosas pruebas para garantizar la significación estadística (no es que esto empujaría la aguja de la certeza al 100%).
- Debemos enfocarnos en tratar al paciente, no al cáncer. Hay poco beneficio para exterminar el cáncer de una persona, si usted hace que esa persona sea incapaz de vivir como debería, o si le impone una carga tan pesada que hay menos valor en su vida después del tratamiento.
En resumen, por lo tanto, sí: los macrodatos pueden ayudar a los investigadores a tratar pacientes con cáncer. Puede ser nuestra mejor oportunidad.
