Teşhis Edilemeyen Kanserler için Makina Öğrenmesi

Bir kanser hastası için uygun tedaviyi seçmenin ilk adımı, kanserin kaynağını belirlemektir. Ancak nadir olsa da, bazen kanserin kaynağı belirlenemez.

MIT-Massachusetts Hastanesi (MGH), Koch Bütünleştirici Kanser Araştırmaları Enstitüsü’ndeki araştırmacılar tarafından geliştirilen yeni bir derin öğrenme yaklaşımı, erken hücre gelişimi ve farklılaşması ile ilgili gen ekspresyon programlarına daha yakından bakarak, temeli bilinmeyen kanserlerin sınıflandırılmasına yardımcı olabilir.

Araştırmacılardan Salil Garg, “Bazen patologların tedavi için sunduğu tüm araçları uygulayabilirsiniz ancak yine de elinizde bir sonuç olmayabilir. Yeni yaklaşım, onkologları daha etkili tedaviler seçme ve hastalarına daha fazla rehberlik etme konusunda güçlendirebilir.” dedi.

D-MLP’nin başarısı

Araştırmacıların, Gelişimsel Çok Katmanlı Algılayıcı (D-MLP) adını verdikleri makine öğrenimi modeli, mevcut araçlar kullanılarak teşhis edilemeyen 52 vakaya uygulandı.

Vakalar, 2017’de başlayan dört yıllık bir süre boyunca MGH’de görülen en zorlu vakaları temsil ediyordu. Tümörleri dört kategoriye ayıran model, hastaların tanı ve tedavisine rehberlik edebilecek tahminler ve bilgiler de verdi.

Modele dair heyecan verici bir gelişme meme kanseri olan bir hastadan geldi. Başlangıçta hastada bir tümör kitlesi bulamayan onkologlar, kanser hücrelerini de sınıflandıramadılar. Bununla birlikte, D-MLP, yumurtalık kanserini güçlü bir şekilde öngördü. Hasta ilk kez başvurduktan altı ay sonra, yumurtalıkta sonunda tümörün kaynağı olduğu kanıtlanan bir kitle bulundu.

Kanser tedavisinde umut verici gelişmeler

Çalışmanın tümör ve embriyonik hücreler arasındaki sistematik karşılaştırmaları, belirli tümör tiplerinin gen ekspresyon profillerine ilişkin umut verici ve şaşırtıcı bilgiler ortaya koydu.

Çalışma, akciğer kaynaklı tümör hücrelerinin beklendiği gibi sadece ön bağırsakta değil, aynı zamanda orta ve arka bağırsaktan türetilen gelişimsel yörüngelere de güçlü benzerlikler gösterdiğini buldu. Bunun gibi bulgular, gelişimsel programlardaki farklılıkların, bir gün genetik mutasyonların kişiselleştirilmiş veya hedefe yönelik kanser tedavileri tasarlamak için de yaygın olarak kullanılabileceğini gösteriyor.

Tüm bu gelişmeler, tümörleri sınıflandırmak için güçlü bir yaklaşım sunarken, bazı sınırlamalara da sahip. Gelecekteki çalışmalarda araştırmacılar, özellikle radyoloji ve  mikroskopi araçlarından toplanan bilgiler başta olmak üzere diğer birçok veri türünü de modele dahil ederek tahmin gücünü artırmayı planlıyorlar.

Garg, “Gelişimsel gen ekspresyonu, kanserleri teşhis etmek ve tedavi etmek için kullanılabilecek tüm faktörlerin yalnızca küçük bir dilimini temsil ediyor. Radyoloji, patoloji ve gen ifadesi bilgilerini bir araya getirmek, kanser hastaları için kişiselleştirilmiş tıpta bir sonraki gerçek adımdır.” diyor.

PAYLAŞ
Kariyerim Dergisi, Türkiye kampüslerinin sesi ve mecrası olmak için kurulmuş üniversite ve kariyer odaklı bir dergi ve web platformudur.

CEVAP VER

Please enter your comment!
Please enter your name here