过去,医生是依靠基本的仪器、直觉和假设来做出诊断。现在如何呢?强大的计算机、内存系统和处理速度正在改变一切。利用 X 光照射、核磁共振成像、CT 扫描、PET 扫描以及据此得出的各项诊断,然后进行硬数据分析,能够为人们的健康保驾护航。这些检查分析离不开有效的收集和存储。而美光居于这种模式转变的最前沿。
但在医疗保健领域,没有任何数据模式比人类基因组——DNA 更复杂。
Shirley Pepke 是洛杉矶的一名基因组学研究人员。2013 年,她被诊断患有 IIIC 期卵巢癌。从那时起,她一直致力于根据患者的 DNA 序列量身定制卵巢癌治疗方案。但这并非易事。“你不能只是孤立地考虑一种基因,发现它突变后给人服用针对该种基因的靶向药物,然后就指望治愈。”Pepke 说。
癌症本质上是一种指导手册被破坏引起的疾病。在人体 60 亿 DNA 碱基对中,某个地方出了一点差错,导致细胞不受控制地分裂。问题是每个癌症亚型(肝癌、淋巴瘤、黑色素瘤等)中的基因问题都会变化,其程度令人难以置信。这就像试图分析车祸 - 不在于是否因为发短信,而在于人们开车时发短信或思考的内容。这些数据将汇总在一起。
幸运的是,我们拥有足够智能的计算机来理解所有这些信息。机器学习、人工智能——这些术语或许有点难懂,但最重要的是,医学研究人员拥有整理癌症背后数据的算法。Pepke 能够对自己的卵巢癌测序。当她能够理解损坏的细胞机器的本质时,便可以开始利用自己的专业知识来制定疗法。
如果我们为每个人都这样做,那情况会是怎样?计算能力摆在这里。Pepke 表示,我们需要的不过就是人们开始参与。癌症基因组图谱是一项疾病指数方面的工作。随着患者提交自身疾病的序列和描述,研究人员和医生就可以利用他们的专业知识和这些高效算法,来确定专门针对此人的药物。但这并非易事。它要求每个人都出一份力。
“患者需要采取一种方法来收集肿瘤数据。”Pepke 表示,“但很难获得为特定肿瘤生成的这等级别的数据。”对于一般患者来说,‘目前尚无这方面的机制’。”
Pepke 自身也需要帮助。她联系了南加州大学助教 Greg Ver Steeg,他开发了一种叫做相关解释 (CorEx) 的算法,利用这种算法能发现医学数据中的模式。他们使用 CorEx 分析了卵巢癌患者的基因表达数据。结果发现,对患者免疫系统进行某些刺激可以提高患者的长期生存率。根据 CorEx 结果和自身的肿瘤数据,Pepke 开始服用一种尚未批准用于治疗卵巢癌的免疫治疗药物。
Pepke 的目标,是让所有患有卵巢癌的女性(而不仅仅是那些拥有科学专业知识和研究背景的女性)分享她们的数据 - 当然是以安全的方式分享。药品公司可以将过去、现在和未来的临床试验整合到数据仓库中,从而为治疗提供更深入的见解。
美光高级计算解决方案副总裁 Steve Pawlowski 指出,人类根本无法自行进行此类分析,必须使用计算机。“医疗领域产生了大量需要关联起来的数据,这样研究人员或医生才能利用这些信息来了解所发生的情况。”他说道,“在癌症这样的疾病中,可能会发生成千上万个突变。所有这些扭转的突变都必须进行搜索。”
美光硬件可以助力。我们的系统提供高带宽内存解决方案,可将大量关键医疗数据快速存储和移动到处理单元,简化数据存储和数据分析过程。这推动了创新。Pepke 表示,她的台式机甚至都跟不上这样的速度。“绝对需要大量 DRAM。”她说,“就连运行这些算法,都着实需要比想象的要大得多的内存。”
将数据保存在处理器附近对于简化数据分析也很重要。这使得高带宽内存非常有用。“数据或数据副本分散在不同位置,在与研究人员和医生打交道时,将这些数据存储在工作地点附近,以避免在分析上花费额外的精力和时间,做到这一点很重要。” Pawlowski 说,“如果我得去外面获取数据,然后来来回回移动数据,就无法实时获得我需要的结果。我们的整体目标并非移动数据。”
当然,医生不会去任何地方。但重要的是检查生物计算机和数字计算机的交互位置。人的大脑不会区分记忆系统和分析系统。它们都是在我们的神经结构中编码。但计算机会将两者分开,更像是为水上滑梯供水的水塔。在未来,计算机会更像他们的创建者一样开始工作,将这两个流程整合在一个高带宽系统中。
“我们正在努力学习关键知识,加上对生物系统工作原理的理解,就能创造更复杂的结构,从而执行更大的计算量。”Pawlowski 说,“这正是我们全力以赴的目标 - 完全无法分辨的内存存储和计算。” 美光的内存技术带来了大量前所未有的健康数据。这也带来了更好的疗法,特别是像 CorEx 这样的算法和像 Pepke 这样的创新者。现在,我们可以推动能让每个人的生活都更健康的技术。
在开始服用量身定制的实验性免疫治疗药物两个月后,Shirley 的医生找不到肿瘤的迹象了。核磁共振成像证实了这一点。Shirley 能够继续开展挽救她生命的工作,并希望能治愈所有女性。随着人工智能和数据分析的进步以及汇集癌症数据工作的改善,她的希望终将会实现。