Yapay Zeka Aracı Kan Örneğinden Diyabet, HIV ve COVID Teşhisi Koyabiliyor

Araştırmacılar, bağışıklık hücrelerinin gen dizilerini analiz ederek enfeksiyonları ve sağlık durumlarını tek seferde tespit edebilen bir yapay zeka (YZ) aracı geliştirdi.

"Science" dergisinde 20 Şubat’ta yayımlanan çalışmada, 600’e yakın katılımcının kan örnekleri incelendi. YZ aracı, bireylerin sağlıklı olup olmadığını, COVID-19, tip 1 diyabet, HIV veya otoimmün hastalık lupus taşıyıp taşımadığını belirledi. Ayrıca, grip aşısı olup olmadıklarını da tespit edebildi.

Cambridge Üniversitesi’nden moleküler biyolog Sarah Teichmann, "Bağışıklık sisteminizin karşılaştığı her şeyi yakalayan tek seferlik bir dizileme yöntemi." ifadesini kullanıyor.

Stanford Üniversitesi’nden bilgisayar bilimci Maxim Zaslavsky se "Henüz klinik kullanıma hazır olmayan araç, daha fazla geliştirme ile bugünkü kesin testlerin bulunmadığı hastalıkların teşhisinde klinisyenlere yardımcı olabilir." demekte.

Teichmann konuyu "Bağışıklık sistemini temel alan bir model geliştirerek sağlık verileriyle ilişkilendirmek büyük bir potansiyel taşıyor. Gerçeğe dönüşmesi için birçok adım atılması gerekiyor ancak önemli bir başlangıç yapıldı." şeklinde açıklıyor.

Bağışıklık Sisteminin Teşhis Gücü

Bağışıklık sistemi, B ve T hücreleri aracılığıyla geçmiş ve mevcut hastalıkları kaydeder. B hücreleri virüslere bağlanan antikorlar üretirken, T hücreleri bağışıklık yanıtını düzenler veya enfekte hücreleri yok eder.

Enfeksiyon veya otoimmün hastalık durumlarında, B ve T hücreleri çoğalarak belirli yüzey reseptörleri üretir. Bu reseptörleri kodlayan genlerin dizilenmesi, bireyin hastalık geçmişini ortaya koyabilir.

Oslo Üniversitesi’nden hesaplamalı immünolog Victor Greiff, "Bağışıklık sistemi doğal bir teşhis mekanizmasıdır. Nasıl çalıştığını öğrenebilirsek, biz de aynı yöntemi kullanabiliriz." diyor.

Zaslavsky, "Mevcut teşhis yöntemleri bağışıklık sisteminin hastalık geçmişinden yeterince yararlanmıyor ancak B ve T hücrelerinin birlikte incelenmesi, bağışıklık yanıtının daha kapsamlı bir şekilde anlaşılmasını sağlıyor." ifadesini kullanıyor.

Makine Öğrenimi ile Gelişmiş Teşhis

Zaslavsky ve ekibi, altı farklı makine öğrenimi modelini birleştirerek B ve T hücre reseptörlerini analiz eden bir YZ aracı geliştirdi. Sistem, belirli hastalıklarla ilişkili desenleri tanımlayarak teşhis koyabiliyor.

593 katılımcının kan örnekleri incelendi. Bunların 63’ü COVID-19, 95’i HIV pozitif, 86’sı lupus, 92’si tip 1 diyabet hastasıydı. 37 kişi grip aşısı olmuştu ve 220 sağlıklı birey kontrol grubunu oluşturdu.

542 katılımcının hem B hem de T hücre verileri analiz edildiğinde, YZ aracı hastalık teşhisinde 1 üzerinden "0,986 skor" elde etti. Bu metrik, 1’in mükemmel sonuç anlamına geldiği bir ölçüm sistemine dayanıyor.

Hastalık sınıflandırmalarında B ve T hücrelerinin ayrı ayrı analiz edilmesiyle karşılaştırıldığında, en iyi sonuçların her iki hücre grubunun birlikte incelenmesiyle elde edildiği görüldü. Tip 1 diyabet ve lupus, T hücre reseptörlerinde daha belirgin izler bırakırken, COVID-19, HIV ve grip enfeksiyonları B hücre reseptörlerinde daha net tespit edildi.

Gelecekte Daha Kapsamlı Tanılar

YZ aracı, belirli bir hastalığı veya birden fazla durumu tarayacak şekilde ayarlanabiliyor ancak hata payı tamamen sıfır değil. Klinik kullanıma geçebilmesi için "mevcut standart testlerden daha üstün olması gerekiyor." diyor Greiff.

Stanford Üniversitesi Tıp Fakültesi’nden immünolog Scott Boyd, "Bu yöntem, bağışıklık hastalıklarının alt kategorilerini belirlemeye yardımcı olabilir." diyor ve "Tedavi yaklaşımlarını kişiye özel hale getirmeye olanak sağlayabilir." şeklinde ekliyor.

Greiff, "Gelecekte, aracın hastalığın farklı aşamalarını teşhis edip edemeyeceğini test etmeliyiz. Bağışıklık repertuarı dizilemenin geleceğini, hastalığa neden olan faktörleri belirlemekte görüyorum." ifadesini kullanıyor.

Bağışıklık sisteminin doğal teşhis kapasitesini anlamaya ve klinik uygulamalara entegre etmeye yönelik bu yenilikçi teknoloji, hastalık teşhisinde önemli bir rol oynayabilir fakat yaygın kullanıma geçebilmesi için daha fazla test ve geliştirme sürecine ihtiyaç duyuluyor.

‍

‍

‍

‍

‍

Kaynak: https://www.nature.com/articles/d41586-025-00528-y