Obstáculos para la medicina personalizada - Calendae | Informática, Electrónica, CMS, Ciberseguridad

Obstáculos para la medicina personalizada

Hola otra vez. Te escribe Simón Sánchez y esta vez vamos a hablar sobre Obstáculos para la medicina personalizada

Uno de los avances más prometedores que surgen de la intersección de la HPC y las ciencias de la vida es la medicina personalizada. Un nuevo video de Intel destaca el estado actual de la medicina personalizada e identifica algunas de las barreras técnicas clave que aún limitan su adopción.

Como declaró recientemente Christopher Gough, arquitecto líder de soluciones en Intel Health & Life Sciences Group Blog post, «el objetivo de la medicina personalizada es pasar de un enfoque terapéutico basado en la población (es decir, todas las personas con el mismo tipo de cáncer reciben el mismo tratamiento) a un enfoque en el que se selecciona la vía de tratamiento con el mejor pronóstico posible en atributos específicos de un paciente, incluido su perfil genómico.

“Una vez que se ha secuenciado el genoma de un paciente, se reconstruye a partir de la información leída, se compara con un genoma de referencia y se mapean las variantes; esto determina en qué se diferencia el paciente como individuo o en qué se diferencia el genoma de su tumor de su ADN normal. Este proceso a menudo se denomina análisis posterior (porque es posterior al proceso de secuenciación). «

Aunque el costo de la secuenciación se ha reducido drásticamente durante la última década para permitir la marca de $ 1,000 tan esperada, el costo de interpretar los datos genómicos se convertirá en el factor limitante. Esto requiere un software de análisis sofisticado para identificar genotipos relevantes y algoritmos de análisis para guiar a los médicos en la selección de las terapias adecuadas en función del perfil específico del paciente. Como señala Gough, el costo de proporcionar medicamentos personalizados en un entorno clínico «para las masas» sigue siendo bastante alto.

Gough identifica las siguientes barreras técnicas:

  • Optimización / rendimiento del software: aunque la industria está realizando análisis genómicos en la arquitectura x86, gran parte del software no se ha optimizado para aprovechar las mejoras de instrucción y paralelización inherentes a esta plataforma.
  • Almacenamiento de grandes repositorios de datos: Como puede imaginar, los datos genómicos son grandes y con cada nueva generación de secuenciadores, la cantidad de datos adquiridos aumenta significativamente. Intel está trabajando con la industria para hacer cumplir el sistema de archivos Lustre (altamente redundante / altamente escalable) en este dominio.
  • Mover grandes almacenes de datos: aunque las tecnologías (relativamente) nuevas como Hadoop ayudan en la situación al «mover el cálculo a los datos», a veces no es posible evitar la necesidad de mover una gran cantidad de datos del punto A al punto B. que FTP no es la forma más óptima de mover datos cuando se trata de terabytes

Cuando se trata de salvar vidas, cada segundo cuenta. En el caso de un centro de oncología pediátrica, la adopción de la tecnología Intel redujo el tiempo de análisis genómico de siete días a cuatro horas. Esto significa que los pacientes pueden ser secuenciados varias veces durante el curso del tratamiento, lo que permite a los médicos detectar signos de resistencia a los medicamentos y ofrecer un tratamiento personalizado.

Otro equipo de investigadores que trabaja para desarrollar nuevos tratamientos farmacológicos proporcionó un clúster en la nube de 169.600 núcleos Intel Xeon, que examinó diez millones de compuestos en solo once horas y dio como resultado tres compuestos objetivo prometedores. Esto representa 39 años de ciencia y habría costado 44 millones de dólares si se hubiera comprado y operado la infraestructura tradicional.

Recuerda compartir en una historia de tu Instagram para que tus colegas opinen

??? ? ? ???

Comparte