Harvard Tıp Okulu ve Tayvan’daki Ulusal Cheng Kung Üniversitesindeki araştırmacılar tarafından tasarlanan yeni bir yapay zekâ modeli, kolon kanseri olan hastalara en uygun tedavi şeklinin hangisi olacağını tahmin ediyor.

Dünya çapında ikinci en ölümcül kanser olan kolorektal kanserli hastalar için “MOMA (Multi-omics Multi-cohort Assessment)” adı verilen bir araç geliştirildi. Bu yeni model, araştırmacılar ve klinik uzmanları tarafından ücretsiz olarak kullanılabilir.

Yeni araç, öncelikle insan uzmanlığını kopyalayan veya optimize eden görevleri gerçekleştiren mevcut birçok yapay zekâ aracının ötesine geçiyor. MOMA, kıyaslama yaparak insan gözüyle ayırt edilemeyen mikroskobik görüntülerdeki görsel kalıpları algılayıp yorumluyor.

Araştırmacılar, aracın dünya çapında ileri patoloji ve tümör genetik diziliminin kolayca bulunamayacağı, kaynakların sınırlı olduğu alanlarda özellikle yararlı olabileceğini belirtti. Ekibin çalışmasıyla ilgili bir rapor Nature Communications’da yayımlandı.

Model, 450.000’den fazla katılımcıyı içeren çeşitli ulusal hasta kohortlarından kolorektal kanserli yaklaşık 2.000 hastadan elde edilen bilgilerle eğitildi.

Eğitim aşamasında araştırmacılar; modele hastaların yaşı, cinsiyeti, kanser evresi ve sonuçları hakkında bilgi verdiler. Ayrıca tümörlerin genomik, epigenetik, protein ve metabolik profilleri hakkında da bilgilendirmede bulundular. Daha sonra, tümör örneklerinin model patoloji görüntülerini gösterdiler. MOMA’dan tümör tipleri, genetik mutasyonlar, epigenetik değişiklikler, hastalık ilerlemesi ile ilgili görseller aramasını istediler.

Modele farklı hastalardan alınan tümör örneklerinden daha önce görmediği bir dizi görüntü verilerek modelin “gerçek dünyada” nasıl performans gösterebileceği test edildi. Aracın performansı gerçek hasta sonuçları ve diğer mevcut klinik bilgilerle karşılaştırıldı.

Yeni model, eşi benzeri görülmemiş düzeyde ayrıntı sunan tümör görüntüleme tekniklerindeki son gelişmelerden yararlanıyor. Model, bu ayrıntılara dayanarak bir tümörün ne kadar ilerlemiş olduğunu ve belirli bir tedaviye nasıl yanıt vereceğini başarılı bir şekilde tanımladı.

Araştırmacılar, bilim geliştikçe ve yeni veriler ortaya çıktıkça modelin periyodik olarak yükseltileceğini söyledi.

Derleyen: Tuğba Akkesen