Eine Utopische Weise zu Hyper-Personalisierung der Krebsbehandlung

Screen shot from Pat Salber's interview of Ran Goshen MD

Ich lernte über Eliaso am immer wieder erstaunlich, 2015 Exponential-Medizin-Konferenz. Ein patient, namens Mark, kam auf die Bühne und Sprach darüber, dass ein seltener, aggressiver Krebs Plattenepithelkarzinom des thymus. Es seien Fortgeschritten, trotz allem, was seine ärzte, von einigen der führenden Zentren in den USA, geglaubt, um die beste Behandlung für seine tumor. Seine Prognose war düster.

Aber, dachte ich mir als ich sah das gesund wirkende Mann auf die Bühne, er sieht wirklich nicht wie ein Mann im sterben von seiner Krankheit. Und, natürlich, das war er nicht. Mark ging auf, um dem Publikum zu erzählen, es war, weil er gelernt hatte, Lief Goshen, MD, Ph. D., ein Israelischer Arzt und Unternehmer auf einer mission, um zu ändern, wie die Krebs-Pläne formuliert. Was es damit auf sich, fragte ich mich. Also fragte ich Lief einige Zeit damit verbringen, zu erklären, was er tut.

[Hier ist ein link zu dem video.]

 

Die Eliaso Ansatz

Eliaso Ansatz nicht bieten up-Wundermittel oder ein Wundermittel. Stattdessen basiert es auf einen Prozess Lief Anrufe „collaborative decision making.“ Es beinhaltet nicht nur das Zusammentragen des Wissens der Welt über die Krankheit bei der hand, aber auch lernen von den Patienten, wie er entscheidet, was ihm wichtig ist, und was erschreckt ihn.

Derzeit ist der Prozess ist Ressourcen-intensiv, mit einer ad-hoc-team von Menschen, die verbringen Tausende von Stunden, die mühsam an einem Strang ziehen Daten über jeden Aspekt des Tumors und kommt mit „out of the box“ Schlussfolgerungen auf der Grundlage dieser Informationen. Das team arbeitet in dem, was Ran sagt, ist eine utopische, ohne die falsch ausgerichtete Anreize, die inhärent sind in der heutigen Gesundheitssysteme. Sie nicht haben, um den Fokus auf Richtlinien oder Vorschriften, und können Sie ignorieren Kosten. Sie ziehen einfach zusammen, das wissen-und organisieren Sie in einer Weise, die ermöglicht, neue Schlüsse zu ziehen.

Die Eliaso team stellt dann die Daten und Schlussfolgerungen auf dem patient und dem behandelnden team, so dass Sie eine fundierte kollaborative Entscheidung, wie man vorwärts zu gehen. Lief betont, dass Eliseo ist nicht handeln, wie der patient den Arzt, sondern die Mannschaft spielt die Rolle der klinischen Anwalt.

In marks Fall, die Analyse deutet auch auf ein altes Medikament—leicht vorhanden, aber nicht früher für Mark ‚ s-Typ von tumor—könnte wirksam sein. Wenn die Informationen, die vorgestellt wurde, Markieren Sie das medizinische team, die Sie nicht akzeptieren—in der Tat, Sie sagte, es war dumm—leaving Mark zu zahlen out-of-pocket für die Prüfung, die nötig war, um Sie zu überzeugen. Da könnte er, Mark bezahlt $2,000, um zu bestimmen, dass das Medikament, in der Tat, war die beste Behandlung für ihn. Er bekam es und das Ergebnis führte dies gesund, jetzt frei von Krebs-Mann stehen auf der Bühne beim Exponentiellen Medizin erzählt seine Geschichte.

 

Kann der Prozess skaliert werden?

Ich fragte Ran, wie dieser teure, Ressourcen-Intensive utopischen Prozess zur Verfügung gestellt werden konnte, um alle, nicht nur die paar Auserwählten mit der Fähigkeit zum Zugriff auf und zahlen dafür. Er sagte, dass er hofft, dass big-data-Unternehmen (Google, Microsoft, Intel, Dell, etc.) erhalten beteiligt und helfen den Prozess zu automatisieren so dass es weniger teuer und leichter verfügbar. Aber er weist darauf hin, diese Art von Ansatz ist nicht für jedermann. Einige Leute werden es vorziehen, delegieren Ihre Behandlung Entscheidungen, anstatt zu lenken Sie.

Mein Gefühl ist, dass dies nicht nur eine potenziell lebensrettende Ansatz für einige Patienten, aber es produziert auch einen sehr wertvollen Nebeneffekt: die Generierung neuen Wissens, einschließlich der „neuen druggable targets“) für bestimmte Krebsarten, dass wird fast sicher dazu genutzt werden, ebnen die Datenautobahn zu hyper-personalisierte Krebsbehandlung—und das ist eine sehr gute Sache.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.