Klinik Onkolojide Geleceğin Anahtarı; Yapay Zeka
Kanser tedavisindeki son yıllarda görülen büyük ilerlemelerin arkasındaki önemli itici güçlerden biri olarak yapay zeka teknolojileri gösterilebilir. İmmün kontrol noktası inhibitörlerinin kullanımındaki artış, çeşitli kanser tiplerinin tedavisinde büyük atılım yapmış olsa da immün kontrol noktası inhibitörlerinden tam olarak fayda sağlayacak hastaları seçmek hala bir zorluk olarak karşımızda duruyor. Fakat; son yıllarda yapılan araştırmalar, yapay zeka yaklaşımlarının kanser hastalarındaki immün kontrol noktası inhibitörleri etkinliğini tahmin etmede önemli bir potansiyele sahip olduğunu göstermektedir. Veri tabanları geliştikçe ve yapay zekalar kuvvetlendikçe immün kontrol noktası inhibitörlerinin etkinliği daha net bir şekilde anlaşılabilecek ve daha hedefe yönelik tedaviler uygulanabilecektir.
Son zamanlarda yapılan bir literatür taraması, kanser hastalarında immün kontrol noktası inhibitörleri etkinliğinin tahmin edilmesine ilişkin genomik, radyolojik, patolojik ve gerçek dünya verileri gibi farklı veri modalitelerini içeren 90 adetten fazla çalışmayı inceledi çalışmaların. Bu çalışmaların çoğu, standart makine öğrenimi (SML) ve derin öğrenme (DL) yöntemlerini kullanarak, yapay zeka tabanlı umut verici sonuçlar elde etmiştir. Ancak, henüz hiçbiri klinik uygulamada tam anlamıyla kabul görmemiş veya pratiği değiştirecek kadar yüksek düzeyde kanıt sağlamamıştır. Ancak, yakın gelecekte erken teşhis ve kişiselleştirilmiş tedavi için önemli bir araç olacağı düşünülmektedir.
Yapay zekanın klinik uygulamalara tam entegrasyonunda bazı zorluklarla karşılaşılmaktadır. Özellikle, veri çeşitliğinin az olması ve büyük veri tabanlarından birçoğuna erişim olmaması yapay zeka uygulamalarının önündeki en büyük engel olarak görülmektedir. Ayrıca farklı ırklar, cinsiyetler ve sosyoekonomik gruplar arasında verilerin eşit olmaması gibi faktörlerin hastalık riski ve nüksü üzerindeki etkilerini dikkate almak önemlidir. Elektronik sağlık kayıtlarının yapay zeka modelleri için potansiyel bir zengin veri kaynağı olduğu aşikardır ancak henüz tam olarak elektronik sağlık kaynaklarının büyük kısmının kullanılamadığı belirtilmektedir. Bu nedenle, geniş ölçekli hasta verileri ve güvenilir veri kümelerine erişim sağlanması, yapay zeka modellerinin klinik uygulamalarda başarılı olması için kritik öneme sahiptir. Ayrıca, klinik anlamda geçerlilik, efektif kullanım ve kullanım kolaylığı gibi faktörlerin yapay zeka model tasarımı ve değerlendirmesinde dikkate alınması gerekmektedir.
Yapay zekanın kanser özelinde en çarpıcı ve önemli uygulamalarından birinin, erken teşhis ve hastalığı önleme odaklı olacağı ve bu bağlamda birçok hastanın hayatını olumlu yönde değiştirebileceği düşünülmektedir. Bu noktada, genetik testler, elektronik sağlık kayıtları ve giyilebilir cihazlardan elde edilen verilerin kullanılması ile hastaların kanser risklerinin gerçek zamanlı olarak değerlendirilmesi ve kişiselleştirilmiş müdahale ve yönetim seçeneklerinin sunulması noktasında yapay zekanın gelişmesi önemli bir rol oynayabilir. Hasta takibi ve tedavi durumu yapay zeka sayesinde daha hızlı ve düzenli takip edilebileceğinden tedavi sürecindeki adımların doğruluğu artacak ve zaman kaybedilmeden hastalara uygulanabilecektir.
Yapay zeka atılımlarına FDA tarafından da bir destek mevcuttur. 2023 itibarıyla FDA tarafından onay alan 692 adet yapay zeka uygulaması bulunmaktadır. Bu uygulamaların büyük bir çoğunluğu radyoloji teknolojileri üzerinedir. Onkoloji alanında kullanılan radyolojik görüntüleme sistemlerinin önemini düşünecek olursak, bu uygulamalar kanser teşhis ve tanısında çok önemli bir yere sahip olacaklardır. Onkoloji özelinde FDA onayı almış bir uygulama şu anda bulunmamaktadır fakat birçok uygulamanın onkoloji alanında kullanılabilir olduğu düşünülürse gelecekte onkolojiye özgü sistemler de oluşturulabilir.
Sonuç olarak, yapay zekanın kanser araştırmaları ve klinik onkoloji uygulamalarında giderek daha fazla kullanılması, kanser bakımında önemli bir paradigma değişikliğine yol açabilir. Ancak, bu teknolojilerin tam potansiyeline ulaşabilmesi için sağlık otoriteleri tarafından desteklenmeleri ve bilgi havuzlarının yapay zeka kullanımına sunulması büyük fayda sağlayacaktır. Bu paylaşım ve desteklerin dışında elbette ki daha fazla araştırma ve geliştirme çalışmasına ihtiyaç vardır. Gelecekte, yapay zekanın kanser teşhisinden tedavisine ve hatta kanserin önlenmesine kadar geniş bir yelpazede kullanılması beklenmektedir. Bu; kanser hastalarında erken teşhisi daha olası kılan, tanıları daha hızlı koyabilen, birden çok parametreyi birleştirip buna göre karar verebilen, daha iyi ve kişiselleştirilmiş bakım sağlama potansiyeline sahip önemli bir gelişmedir.
Referanslar
- Kann BH, Hosny A, Aerts HJWL. Artificial intelligence for clinical oncology. Cancer Cell. 2021;39(7):916-927. doi:10.1016/j.ccell.2021.04.002
- Bhinder B, Gilvary C, Madhukar NS, Elemento O. Artificial Intelligence in Cancer Research and Precision Medicine. Cancer Discov. 2021;11(4):900-915. doi:10.1158/2159-8290.CD-21-0090
- Prelaj A, Miskovic V, Zanitti M, et al. Artificial intelligence for predictive biomarker discovery in immuno-oncology: a systematic review. Ann Oncol. 2024;35(1):29-65. doi:10.1016/j.annonc.2023.10.125
- https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-aiml-enabled-medical-devices
