Çocukluk döneminde en yaygın görülen kanser türlerinden biri olan Akut Lenfoblastik Lösemi (ALL) için Türkiye’de geliştirilen yapay zeka tabanlı karar destek sistemi, tedavi süreçlerine yenilikler getirmeye hazırlanıyor.
Süleyman Demirel Üniversitesi Bilgisayar Mühendisliği Bölümü’nden Prof. Dr. Utku Köse’nin öncülüğünde hayata geçirilen “STING: Dijital İkiz Yönelimli Derin Öğrenme ile Çocukluk Çağı Akut Lösemisi için İlaç Yeniden Konumlandırma Karar Destek Sistemi Geliştirilmesi” projesi, “TÜBİTAK 1001” programı aracılığıyla desteklenmektedir.
AA muhabirine konuşan Prof. Dr. Köse, fiziksel bir hastaya ihtiyaç duymadan geliştirilen sistemin, yapay hasta modelleri (sentetik hastalar) üzerinden farklı tedavi senaryolarını değerlendirmeye olanak sağladığını ifade etti.
Yapay zeka ve dijital ikiz teknolojilerini bir araya getiren bu sistemin, tedavi süreçlerinin muhtemel sonuçlarını önceden simüle ederek önemli bilgiler sunduğunu belirten Köse, sistemin araştırmacılara açık ve aktif bir şekilde kullanıma sunulduğunu vurguladı.
Sentetik hastalar üzerinden elde edilen verilerin gelecekteki tedavi yaklaşımlarına ışık tutabileceğini dile getiren Köse, “Fiziksel hastalar olmadan, çocukluk çağı akut lösemisi gibi kritik bir kanser türü üzerinde nasıl bir tedavi stratejisi geliştirilebilir? Farklı profillerde başarı veya riskler nasıl ortaya çıkabilir? Sentetik hastalarda elde ettiğimiz veriler, geleceğin tedavi süreçlerini yönlendirecek bir sistemin temelini oluşturuyor.” şeklinde konuştu.
Çalışma kapsamında yaklaşık 1000 sentetik hasta üzerinde analizlerin gerçekleştirildiğini belirten Köse, derin öğrenme modelleri sayesinde ALL tedavisinin çeşitli hasta profillerindeki yansımalarına dair önemli bulgular elde ettiklerini ve potansiyel taşıyan iki ilacın belirlendiğini ekledi.
Köse, bu ilaçların farklı hastalıkların tedavisinde kullanılan ve ABD Gıda ve İlaç Dairesi (FDA) tarafından onaylanmış olduğunu ifade ederek, simülasyonlarda bu ilaçların mevcut tedavilere eklendiğinde olumlu sonuçlar verdiğini aktardı.
Sistemin, hekimlerin yerine geçmeyen bir yapı olduğunu vurgulayan Köse, “Hekimler, uzmanlar, bu sistemden elde ettikleri bulgularla daha verimli çalışarak, zaman kazanacak ve yeni araştırmaları teşvik edecek bulguları kullanarak tedavi süreçlerini iyileştirebilecekler. Bu sistem, insan-yapay zeka iş birliğini daha ileri seviyeye taşıyarak geleceğin sağlık uygulamalarına katkıda bulunuyor.” dedi.
Beş katmanlı yapay zeka mimarisi
STING, birbirleriyle bağlantılı beş yapay zeka katmanından oluşuyor. İlk aşamada, 314 binden fazla ilaç-protein verisi üzerinde eğitilmiş derin öğrenme modeli, ALL tedavisinde yeniden kullanılabilecek mevcut ilaç adaylarını tespit ediyor.
Sistem tarafından belirlenen bileşikler, moleküler düzeyde güçlü bağlanma özellikleri sergiledikleri için umut verici adaylar arasında değerlendiriliyor.
Araştırmacılara, uluslararası standart tedavi protokolleri ve tamamen özgün tedavi protokolleri oluşturma imkanı tanıyan STING, farklı tedavi aşamaları üzerinden ilaç seçenekleri ve uygulama takvimlerinin belirlenmesine olanak sağlıyor.
Hastaya özel doz hesaplaması
Sistem, geliştirilen tedavi planlarını hastanın yaşı, kilosu, genetik özellikleri, D vitamini düzeyi ve yaşam tarzı verileriyle birleştirerek “farmakokinetik (FK) simülasyon”lardan geçiriyor.
Ardından devreye giren genetik algoritma, her hasta için en uygun ilaç dozlarını hesaplayarak kişiselleştirilmiş tedavi planlarının oluşturulmasına katkıda bulunuyor.
Yapılan hesaplamalarla uygun tedavi süreçlerini öğrenebilen ve sentetik hasta modelleri oluşturabilen derin öğrenme modelleri, sistemin son aşamasında dijital ikiz tabanlı sentetik hastaların üretilmesine olanak tanıyor.




