埃森哲的应用智能部门引入了一种数据挖掘,汇总和评估方法,旨在帮助医生和研究人员更准确地针对小儿急性髓细胞性白血病(AML)患者确定治疗方案,并改善治疗效果。

埃森哲数据科学家与Target Pediatric AML研究项目和Fred Hutchinson癌症研究中心合作,开发了数据和分析工具,将来自2,000多名AML儿童的基因和临床试验数据整合为用户友好的格式。然后,临床医生可以使用这些信息来解决具有挑战性的护理问题。

这些措施包括确定常规治疗失败的高风险患者,以便可以改变治疗方案以避免挫折;预测诊断阶段治疗成功的可能性和副作用的出现;为具有相似疾病特征的个人和患者群体开发定制的治疗方法;并让研究人员更容易获得大量数据,以寻找对任何给定患者哪种治疗最有效的见解。

鉴于治疗AML带来的挑战,这一进展对小儿肿瘤学家而言是令人鼓舞的消息。

埃森哲应用智能公司常务董事乔·德帕(Joe Depa)说:“这种治疗非常紧张,通常采用一种千篇一律的方法可能导致不良反应和不良后果。” “希望能够同步并了解每个患者的临床数据的数量以及变异性的能力,将为研究人员提供新的线索,以寻求更好,更个性化的癌症治疗方法。” 

为了开发该方法,埃森哲团队获取了大量信息,并将数据科学和工程机制以及机器学习库应用于其中。为此,它创建了一个代码库,该代码库将使临床医生可以建模,学习和预测某些疗法在患者中的有效性。

“通过构建我们所谓的数据管道,该工具将提取原始的临床和基因组数据,然后进行清理,转换并生成一个针对进一步分析而优化的数据集,” Depa解释说。 “这减少了数据准备的时间,这是该领域的一个始终存在的问题。”

与这种数据和分析方法配合使用,Target儿科项目研究人员汇编并标准化了一系列基本数据点。它们包括RNA(治疗有效性的最关键指标之一,非常难以分析),患者人口统计学,预后和临床治疗手段。

归纳起来,这些数据将有助于研究人员以适当的规模比较患者的概况和结果,并希望为医生提供更精确的治疗方法方面的观点,更好地适合于单个患者的病史和遗传特征。例如,医生可以提前确定高危患者对标准疗法的反应,并可能选择骨髓移植或更针对性的疗法。