Search Results

You are looking at 1 - 2 of 2 items for

  • Author or Editor: István Csabai x
  • Refine by Access: All Content x
Clear All Modify Search

A genetikai adatok szerepe a járványok elleni küzdelemben

Genetic data in the fight against pandemics

Scientia et Securitas
Authors: Ágnes Becsei, Orsolya Anna Pipek, Péter Pollner, and István Csabai

Összefoglaló. A COVID–19-járvány alatt bizonyossá vált, hogy az adattudományok, az adatok gyors megosztása és a nemzetközi összefogás a hatékony járványkezelés kulcsfontosságú eszközei. A járvány előtt létrejött Újonnan Felbukkanó fertőző betegségek Obszervatóriuma (Versatile Emerging infectious disease Observatory, VEO) nevű nemzetközi konzorcium célja egy olyan monitorozó rendszer kiépítése, amely a potenciálisan veszélyes kórokozókat még az előtt azonosítja, mielőtt azok tömeges megbetegedéseket okoznának, lehetőséget adva ezzel a gyors reagálásra. A járványok megelőzésére és kezelésére létrejött nemzetközi együttműködésekben, így a VEO-ban is a kórokozók, vagy a fertőzésnek kitett személyek genetikai szekvencia adatai kiemelkedő fontosságúak. Az ilyen típusú adatok kezelésével kapcsolatban az Európai Unióban többek között a Nagojai Jegyzőkönyv és a GDPR fogalmaz meg elveket, szabályokat.

Summary. Data science is proved to be a key tool in the fight against the ongoing COVID-19 pandemic, but it requires a huge amount of data shared between international research groups. The Versatile Emerging infectious disease Observatory (VEO) EU collaboration was established to generate and distribute high quality data for an evidence-based early warning system for emerging infectious diseases. Through an iterative process between data scientists, disease experts, social scientists and citizen scientists, a collaborative platform will be created for storing, secure sharing and analyses of traditional and new data sources. Next generation sequencing (NGS) has revolutionized genomic research. This versatile technology is broadly applicable to pathogens and human hosts. Rapid sharing of pathogen genetic resources, including physical samples of cultured pathogens and additionally genetic sequencing data of pathogens, is crucial in support of research and outbreak response. Access to genetic resources is regulated by the Nagoya protocol which is an internationally binding treaty to ensure equal sharing of benefits arising from the use of genetic resources. So far the Nagoya protocol has been applied only to biological samples, but digital data from genetic sequencing doesn’t necessarily fall under the treaty. Effects of diseases can differ based on genetic backgrounds, as certain gene variants may provide protection against or susceptibility to viral diseases. Human genomic data is an important resource for medical research. The General Data Protection Regulation (GDPR) lists identifiable human genetic data as sensitive, which is a subset of personal data. Sharing and analysis of this kind of data are strictly regulated and they are also subject to ethical challenges. These concerns become less pronounced when analyzing environmental samples like sewage. Samples collected from wastewater treatment plants can be used as pooled samples, containing naturally anonymized genetic information of the human population, near the wastewater treatment plant.

Open access
Orvosi Hetilap
Authors: Dezső Ribli, Richárd Zsuppán, Péter Pollner, Anna Horváth, Zoltán Bánsághi, István Csabai, Viktor Bérczi, and Zsuzsa Unger

Absztrakt:

Bevezetés és célkitűzés: A számítógépes ’mélytanulás’ (deep learning) az elmúlt két évtized számítástechnikai fejlődésének legjelentősebb ajándéka. A számítógépes mélytanulásban rejlő – egyelőre még beláthatatlan – lehetőségek megértése, befogadása és alkalmazása a medicina megkerülhetetlen feladata. Módszer: Ajándék és feladat, hiszen az exponenciálisan növekvő adatok (képalkotó vizsgálati, laboratóriumi, terápiaválasztási lehetőségek, terápia-kölcsönhatások stb.) „bitjeinek” tengerében minden vágyunk és deklarációnk ellenére mind kevésbé tudjuk a személyre és állapotra, a tumorra és környezetére szabott individuális ellátást megvalósítani. Eredmények: A jelen pillanatban felelős ellátóként – és nem kevésbé felelős finanszírozóként – azt élhetjük meg, hogy egyéni és közösségi szinten is szuboptimális folyamatokat tartunk fenn, aminek oka egyszerre az adatok bősége, ugyanakkor az ellátáshoz individuálisan fontos adatok hiánya. A számítógépes mélytanulás, a medicina lényegét adó ember–ember közti találkozás gyógyító erejét nem csorbítva – hanem inkább kiterjesztve –, ebben kínál fényt az alagútban. Következtetés: Belátva tehát saját adatintegrációs és ismereti korlátainkat, nekünk, orvosoknak és ellátásfinanszírozóknak – sajátos előítéleteinket és félelmeinket feladva – kell megtanulni a számítógépes mélytanulásban rejlő különleges lehetőségeket, melyek nemcsak a képalkotó diagnosztikában, hanem már napi realitásként a terápia területén is használhatók (immunterápia). A közlemény ehhez igyekszik kedvet csinálni. Orv Hetil. 2019; 160(4): 138–143.

Open access