好消息是 ：全世界的癌症研究人员每天都会产生大量有用的数据。

但是，还有一个具有挑战性的消息 ：由于数量巨大，其复杂性和缺乏集中化的特点，很多东西都没有得到分析。

结果 ：重要的见解常常仍然未知。

以这种情况为例：一名56岁的妇女因BRAF突变型黑色素瘤进入诊所。她的癌症最初对可用的治疗有反应，但几个月后又复发。为什么该疗法最初会起作用，然后失败？

强大的分析技术支持的大数据是理解为什么某些患者对治疗无反应，为什么某些患者最初有反应然后复发，以及为什么某些患者具有长期反应的关键。

为了揭开这个谜底，必须从大量患者中收集诸如家族病史，临床测试结果和基因组数据之类的特定因素，并将其集体收容，以便识别出调节反应的因素。

大数据嗡嗡声

如今，大数据已成为流行语，但它与癌症研究和患者护理有什么关系呢？

“大数据不仅仅是大数据。该术语还暗示了三种附加的质量：多种数据类型，生成数据的速度以及在MD Anderson内部看到的数据量。”副总裁兼副首席信息官Keith Perry说。

“此外，由于我们的数据库是由预防，研究和临床部门生成的，并且分别存放在预防，研究和临床部门中，而不是集中式平台，因此当前它们彼此之间没有接口。”

利用大数据具有变革性。通过集中化，标准化和新型计算分析，它提供了提出复杂问题和识别现有数据中新知识的机会。

利用强大的信息

MD安德森（MD Anderson）指的是为支持Moon Shots计划而聚集的专业知识和基础设施。大数据分析平台包含两个功能组件。首先，纵向患者数据仓库将存储临床和基因组数据。

其次，一套海量数据分析将询问数据并从中学习，从而为最终用户提供有关其复杂的临床或研究问题的可理解且可行的答案。

“该平台与现有的研究和临床数据库不同，因为其规模，集中性，分析能力，最重要的是，因为它不属于一个研究人员或部门，”该部门主席Lynda Chin医师表示基因组医学博士，应用癌症科学研究所科学主任。

“为MD Anderson的所有临床医生和研究人员提供如此丰富的可访问数据，作为一种机构资源，将提高研究效率并改善患者护理。”

输入分析及其在医疗保健中的作用

如今，功能强大的分析可以将对大量非结构化数据的自然语言处理与结构化研究和临床数据相结合。考虑医生的笔记与数字实验室测试之间的关系–借助复杂的软件来定义在回答与医疗相关情况有关的复杂问题时的概率。

“分析可以处理大规模数据集。通过应用复杂的算法来过滤和分析收集到的信息，它们可以发现有意义的数据模式。”基因组医学系教授，大数据分析平台联合负责人安德鲁·富特雷尔（Andrew Futreal）博士说。

“这种方法可以探讨现实世界中的问题，例如上面的假设情况，因为分析着眼于不在'灯柱下'的相互作用和关系。该基础结构考虑了有关患者及其类似患者的所有可用信息。”

今天提供下一代护理

一个跨学科的试点项目正在进行中，将为MD Anderson白血病中心的下1,000名患者提供下一代癌症护理。该项目将科学和临床知识与大数据基础架构整合在一起。

收集患者的信息，包括他们的基因组成，临床历史，测试结果，治疗过程和治疗反应的概况。这些数据将由海量数据分析来解释，该数据分析可提供实时决策支持以快速改善临床结果。

这个Moon Shots计划平台是研究部门，临床部门和信息技术之间的真正合作。

优质护理的民主化

建立此基础架构的目标是同时利用技术和人员能力，这将带来重要的见解并显着改善患者的治疗效果。

“建立这些集成的平台使MD Anderson能够利用这里的科学家和临床医生的知识和见解为决策提供支持，不仅为该机构的医生，而且还可能为整个星球的提供者，” MD医学首席信息官John Frenzel说。大数据分析平台的官员和联合领导人。

“这些平台还可以使全球医生无论患者身在何处，都可以按照MD Anderson的护理标准进行实践，从而改善疗效并减少痛苦。”

最重要的是，对于开场情况下的女性患者和所有接受过下一代药物治疗的患者，将有可优化患者预后的见解，以及新疗法和诊断方法的加速翻译。