Çocukluk çağı lösemisinde tedavi planlamasına yapay zeka desteği
Çocukluk çağında en sık görülen kanser türlerinden Akut Lenfoblastik Lösemi (ALL) için Türkiye'de geliştirilen yapay zeka tabanlı karar destek sistemi, tedavi süreçlerinde yeni bir dönemin kapısını aralıyor.
Süleyman Demirel Üniversitesi Bilgisayar Mühendisliği Bölümü Öğretim Üyesi Prof. Dr. Utku Köse'nin yürütücülüğünü yaptığı "STING: Dijital İkiz Yönelimli Derin Öğrenme ile Çocukluk Çağı Akut Lösemisi için İlaç Yeniden Konumlandırma Karar Destek Sistemi Geliştirilmesi" projesi, TÜBİTAK 1001 programı kapsamında desteklendi. Prof. Dr. Köse, fiziksel hastaya ihtiyaç duymadan oluşturulan sistemle, yapay hasta modelleri (sentetik hastalar) üzerinden farklı tedavi senaryolarının değerlendirilebildiğini anlattı.
Yapay zeka ve dijital ikiz teknolojilerini bir araya getiren sistem, tedavi süreçlerinin olası sonuçlarını önceden simüle ederek önemli veriler sunuyor. Köse, sistemin aktif olarak araştırmacıların kullanımına açık olduğunu belirtti.
Sentetik hastalarla tedavi simülasyonu
Prof. Dr. Köse, sentetik hastalar üzerinden elde edilen bulguların gelecekteki tedavi yaklaşımlarına yön verebileceğine işaret ederek, şunları söyledi:
"Fiziksel hastalar olmadan, çocukluk çağı akut lösemisi gibi günümüzün en önemli kanser türlerinden biri odağında tedavi nasıl şekillenebilir? Çok farklı profillerde nasıl başarı veya riskler vardır? Sentetik hastalarda elde ettiğimiz bulgular yardımıyla geleceğin tedavi süreçlerini şekillendirecek bir sistem elde etmiş olduk."
Çalışma kapsamında yaklaşık 1000 sentetik hasta üzerinden analizler gerçekleştirildi. Derin öğrenme modelleri sayesinde ALL tedavisinin birçok farklı hasta profilindeki yansımasına dair bulgular elde edildi ve kullanılma potansiyeli taşıyan iki ilaç tespit edildi. Köse, bunların farklı hastalıkların tedavisinde kullanılan ve ABD Gıda ve İlaç Dairesi (FDA) tarafından onaylanmış ilaçlar olduğunu belirterek, yapılan simülasyonlarda bu ilaçların mevcut tedavilere eklendiğinde olumlu sonuçlar verdiğini kaydetti.
İnsan-yapay zeka iş birliği
Sistemin hekimlerin yerine karar veren bir yapı olmadığını vurgulayan Köse, "Hekimler, uzmanlar, bu sistemden aldıkları bulgularla verimli bir şekilde, zamandan kazanarak yeni araştırmaları tetikleyecek bulguları da kullanarak tedavi süreçlerini daha da iyileştirmiş olacak. İnsan-yapay zeka iş birliğini çok daha üst düzeye ulaştıran, geleceğin sağlık uygulamalarına da göz kırpan bir sistem" dedi.
Beş katmanlı yapay zeka mimarisi
STING'in temelinde birbiriyle bağlantılı beş yapay zeka katmanı bulunuyor. İlk aşamada, 314 binden fazla ilaç-protein verisi üzerinde eğitilmiş derin öğrenme modeli, mevcut ilaçlar arasından ALL tedavisinde yeniden kullanılabilecek adayları tespit ediyor. Sistem tarafından öne çıkarılan bileşikler, moleküler düzeyde güçlü bağlanma özellikleri göstermeleri nedeniyle umut vadeden adaylar arasında değerlendiriliyor.
Araştırmacılara uluslararası standart tedavi protokolleri ve tamamen özgün tedavi protokolleri tasarlama imkanı sunan STING, farklı tedavi fazları üzerinden ilaç seçenekleri ve uygulama takvimlerinin belirlenmesine imkan tanıyor.
Hastaya özel doz hesaplaması
Sistem, oluşturulan tedavi planlarını hastanın yaşı, kilosu, genetik özellikleri, D vitamini düzeyi ve yaşam tarzı verileriyle birleştirerek farmakokinetik (FK) simülasyonlardan geçiriyor. Ardından devreye giren genetik algoritma, her hasta için en uygun ilaç dozlarını hesaplayarak kişiselleştirilmiş tedavi planlarının oluşturulmasına katkı sağlıyor.
Yapılan hesaplamalarla uygun tedavi süreçlerini öğrenen ve sentetik hasta modelleri oluşturabilen derin öğrenme modelleri, sistemin son aşamasında dijital ikiz tabanlı sentetik hastaların üretilmesini sağlıyor.
