Űrcsillagászat és rákkutatás
(Rovat: Az emberi élet védelme, Új eszközök és anyagok - 2016.11.01 07:15.)

A NASA Sugárhajtás Laboratóriuma és az Országos Rákkutatási Intézet megújította az együttműködést a nagy adattömegek feldolgozásában. A NASA módszerei segítik a rákkutatók munkáját.

A NASA űreszközei naponta több száz petabájt adatot küldenek a Földre. Az adatokat rendezik, tárolják és szétosztják a szerte a világon a megfelelő szakterületeken dolgozó kutatóknak. A nagy adattömegek feldolgozásában egyre nagyobb szerephez jut a mesterséges intelligencia, mert a gépek olyan hasonlóságokra is rá tudnak mutatni az adatsorokban, amelyek esetleg elkerülik a kutatók figyelmét.

Az NGC 3718 és az NGC 3729. Ezeket és más galaxisokat azzal a gépi tanulási algoritmussal elemeztek, amely „betanítható” az asztrofizikai hasonlóságok felismerésére. Ugyanezt a módszert már a rákkutatásban is alkalmazzák. (Kép: Catalina Sky Survey, Univ. of Arizona és Catalina Realtime Transient Survey, Caltech)

Az elmúlt 15 évben a nagy adattömegek (ún. Big Data) kezelésének a NASA Sugárhajtás Laboratóriumában (JPL, Jet Propulsion Laboratory) kidolgozott módszerei forradalmasították az orvosbiológiai kutatásokat. Az űrkutatási adatok feldolgozására szolgáló eljárások rendkívül hasznosaknak bizonyultak a rákkutatásban, ezért az USA Országos Rákkutatási Intézete (NCI, National Cancer Institute) szeptemberben 2021-ig meghosszabbította együttműködési megállapodását a JPL-lel. Az NCI támogatásával működő Korai Rákfelismerő Hálózat (EDRN, Early Detection Research Network) egy olyan kutatási együttműködés, amelyik megosztja a rákra utaló jelekre (biomarker) vonatkozó anonim adatokat. Céljuk az, hogy minden kutatási eredményüket egyetlen, kereshető adatbázisba egyesítsék, ezzel segítve a rák korai felismerését. Együttműködésük kezdete (2000) óta a JPL és az EDRN hat új biomarkert azonosítottak, további kilenc esetében pedig megszerezték az engedélyt a klinikai használatra a rák kutatásában és diagnosztizálásában. A jóváhagyott biomarkerekkel világszerte már 1 millió páciens vizsgálatát végezték el.

Tüdőszövetből vett minta, amelyet az űrkutatási célra kifejlesztett, gépi tanulási algoritmussal elemeztek. (Kép: Early Research Detection Network / University of Colorado)

A JPL informatikai adatközpont létesítésével is segítette az EDRN munkáját. A JPL további célja, hogy az adatfeldolgozási együttműködését az NCI által támogatott további területekre is kiterjesszék. Ennek során felhasználják a JPL mindazon tapasztalatait, amellyel bármely területen a különböző szenzorok – legyenek azok a kameráktól a tömegspektrométerekig bármilyen műszerek – nyers adataitól eljutnak a tudományos szempontból értékes következtetésekig. Az egyedi fejlesztésű szoftverek azért szükségesek, hogy felismerjék a különböző típusú és eredetű adatok közt a kapcsolatokat. Hasonló problémával néznek szembe a rákkutatók is, amikor a különböző jellegű orvosbiológiai tesztek eredményeit kell összevetni. Ehhez egységesített tanuló algoritmusokra van szükség. Az Egyesült Államokban rengeteg, a biomarkerekre vonatkozó adat áll rendelkezésre, a legnagyobb és legjobb minőségű adattömeg tíz intézményben található, azonban ezeket az adatokat is egységesíteni kell például a páciensek kora, a rák típusa és más paraméterek szerint, hogy az egészet egységes adatbázisként lehessen használni. Ebben segít a JPL algoritmusa és szoftverje.