Pasifik Kuzeybatısı merkezli teknoloji ve kanser araştırmacıları, mevcut yöntemlerin maliyetinin ve süresinin çok küçük bir kısmıyla gelişmiş tümör analizi yapabilen bir yapay zeka aracını kamuoyuna sunuyor. Geliştirilen teknoloji, son teknoloji kanser bulgularını çok daha fazla hasta için erişilebilir kılma potansiyeli taşıyor. GigaTIME modeli, normal şartlarda günler süren laboratuvar çalışması ve numune başına binlerce dolar gerektiren analizleri, standart patoloji slaytlarından sanal olarak detaylı bağışıklık sistemi verileri üreterek gerçekleştiriyor.
Microsoft Research‘ün Gerçek Dünya Kanıtları programı genel müdürü Hoifung Poon, gelişme hakkında şunları söyledi:
“Buluş, tedavilerin her hastanın spesifik kanser biyolojisine uyarlandığı hassas tıbba geçişi hızlandırabilir.”
Geleneksel patoloji slaytları tümör ve bağışıklık hücrelerini gösterse de, hastanın bağışıklık sisteminin kanserle aktif olarak savaşıp savaşmadığı konusunda sınırlı bilgi sunar. Multipleks immünofloresan (mIF) analizi adı verilen daha sofistike bir teknik ise tümörün mikro ortamını yakından inceleyerek, hangi proteinlerin mevcut olduğuna bağlı olarak bağışıklık hücrelerinin çalışıp çalışmadığına dair bilgi ekler fakat Poon, mIF analizinin “sadece tek bir numune için kolayca günler sürebileceğini ve binlerce dolara mal olabileceğini”, söz konusu durumun da yöntemin rutin bakımdaki kullanımını ciddi şekilde sınırladığını belirtti. GigaTIME, standart patoloji slaytlarını analiz ederek bilgiyi sanal ortamda oluşturuyor ve darboğazı aşıyor.
Proje, Microsoft, Renton (Washington) ve Portland’daki Providence tesisleri ve Washington Üniversitesi Paul G. Allen Bilgisayar Bilimi ve Mühendisliği Okulu’ndan araştırmacıları bir araya getiriyor. Ekip, bugün Cell dergisinde hakemli bir çalışma yayınlıyor ve aracı Hugging Face, GitHub ve Microsoft Foundry üzerinden ücretsiz olarak kullanıma sunuyor. Kurumlar geçen yıl da kanser teşhisi için GigaPath adlı bir model yayınlamıştı.
Sözü edilen girişimler, Seattle bölgesinin tıpta ilerlemeyi kolaylaştırmak amacıyla yapay zeka kullanarak karmaşık sağlık veri setlerini entegre etmeye yönelik artan çabalarının bir parçası. Allen Enstitüsü geçen ay sinirbilim araştırmaları için Brain Knowledge Platform‘u (Beyin Bilgi Platformu) yayınlarken, biyoteknoloji girişimi Synthesize Bio, kamuya açık verileri kullanarak deney tasarlama ve sonuçlarını tahmin etme araçları geliştirdi. Ayrıca Fred Hutch Kanser Merkezi, Cancer AI Alliance aracılığıyla gizliliği koruyan bir veri paylaşım modeli üretilmesine yardımcı oldu.
GigaTIME projesinin ölçeği oldukça büyük: Araştırmacılar modeli, patoloji slaytlarını 21 farklı proteini inceleyen mIF verileriyle eşleştirerek Providence‘a ait 40 milyon hücrelik bir veri seti üzerinde eğitti. GigaTIME, Providence sistemindeki 51 hastane ve 1.000’den fazla klinikteki 14.256 kanser hastasından alınan örneklere uygulandı. Çalışma, 24 kanser türünü ve 306 kanser alt türünü kapsayan yaklaşık 300.000 mIF görüntüsünden oluşan sanal bir popülasyon üretti.
Poon, hastanın daha bütüncül bir resmini oluşturmak için hücre ve biyopsi örneklerinden elde edilen verileri, CT radyoloji raporlarını, MRI’ları ve diğer teşhisleri harmanlamayı içeren daha büyük hedeflere sahip. Gelişmiş modeller, bir hastalığın nasıl ilerleyebileceği veya tedaviye nasıl yanıt verebileceği konusunda tahminler sunma potansiyeli taşıyor. Yeni araçlar, ilaç adaylarını seçmek ve çalışmaları tasarlamak için daha iyi içgörüler sağlayarak klinik deneylerle ilişkili devasa maliyetleri ve zamanı azaltmaya yardımcı olabilir. Nihai hedef, gelişmiş kanser bakımını hem daha etkili hem de daha yaygın olarak erişilebilir hale getirmek.
Yapay zeka yetenekleri ve dijital tıbbi kayıtların yakınsamasını “iki gerçekten güçlü güç” olarak işaret eden Poon, sözlerini şöyle tamamladı:
“Kişisel olarak önyargılıyım ancak bu andan daha heyecan verici bir zaman olamayacağını düşünüyorum.”
