New York merkezli küresel bir yardım kuruluşu olan Yumurtalık Kanseri Araştırma İttifakı'nın (Ocra) başkanı Audra Moran, yumurtalık kanserinin "nadir, yetersiz finanse edilen ve ölümcül" olduğunu söylüyor.
Yumurtalık kanseri, tüm kanserler gibi, ne kadar erken tespit edilirse o kadar iyi. Çoğu yumurtalık kanseri fallop tüplerinde başlar, bu nedenle yumurtalıklara ulaştığında başka yerlere de yayılmış olabilir. Bayan Moran, “Ölüm oranını değiştirmek için yumurtalık kanserini herhangi bir semptom göstermeden beş yıl önce tespit etmeniz gerekiyor.” diyor.
Ancak, kanser belirtilerini çok erken evrelerinde tespit etmek için yapay zekanın (AI) gücünü kullanan yeni kan testleri ortaya çıkıyor. Ve sadece kanser değil, AI zatürre gibi potansiyel olarak ölümcül enfeksiyonlar için diğer kan testlerini de hızlandırabilir.
New York'taki Memorial Sloan Kettering Kanser Merkezi'nde biyomedikal mühendisi Dr. Daniel Heller ve ekibi nanotüpler kullanan bir test teknolojisi geliştirdi.
Yaklaşık 20 yıl önce, bilim insanları floresan ışık yayabilen nanotüpler keşfetmeye başladılar. Geçtiğimiz on yılda, araştırmacılar bu nanotüplerin özelliklerini kandaki hemen hemen her şeye tepki verecek şekilde nasıl değiştireceklerini öğrendiler. Artık milyonlarca nanotüpü bir kan örneğine koymak ve üzerlerine yapışan şeye göre farklı dalga boylarında ışık yaymalarını sağlamak mümkün.
Ancak bu, Dr. Heller'ın parmak izi için bir eşleşme bulmaya benzettiği sinyali yorumlama sorusunu hala ortada bırakıyor. Bu durumda parmak izi, farklı hassasiyetlere ve bağlanma güçlerine sahip, sensörlere bağlanan moleküllerin bir desenidir. Ancak desenler bir insanın ayırt edemeyeceği kadar belirsizdir.
Nanotüp verilerinin kodunu çözmek, verileri bir makine öğrenme algoritmasına yüklemek ve algoritmaya hangi örneklerin yumurtalık kanseri olan hastalardan, hangilerinin kanser olmayan insanlardan geldiğini söylemek anlamına geliyordu. Bunlara, diğer kanser türlerine sahip kişilerden alınan kan veya yumurtalık kanseriyle karıştırılabilecek diğer jinekolojik hastalıklar dahil.
Yumurtalık kanseri araştırmaları için kan testleri geliştirmek üzere AI kullanmanın en büyük zorluğu, nispeten nadir olması ve bu da eğitim algoritmaları için verileri sınırlamasıdır. Ve bu verilerin çoğu bile onları tedavi eden hastanelerde, araştırmacılar için asgari veri paylaşımıyla silolanmıştır.
Dr. Heller, algoritmayı yalnızca birkaç 100 hastadan elde edilen mevcut verilerle eğitmeyi "son çare" olarak tanımlıyor. Ancak AI'nın bugün mevcut olan en iyi kanser biyobelirteçlerinden daha iyi doğruluk elde edebildiğini ve bunun sadece ilk deneme olduğunu söylüyor.
Sistem, daha büyük sensör setleri ve çok daha fazla hastadan alınan örnekler kullanılarak geliştirilebilir mi diye görmek için daha fazla çalışmadan geçiyor.
Yumurtalık kanseri, tüm kanserler gibi, ne kadar erken tespit edilirse o kadar iyi. Çoğu yumurtalık kanseri fallop tüplerinde başlar, bu nedenle yumurtalıklara ulaştığında başka yerlere de yayılmış olabilir. Bayan Moran, “Ölüm oranını değiştirmek için yumurtalık kanserini herhangi bir semptom göstermeden beş yıl önce tespit etmeniz gerekiyor.” diyor.
Ancak, kanser belirtilerini çok erken evrelerinde tespit etmek için yapay zekanın (AI) gücünü kullanan yeni kan testleri ortaya çıkıyor. Ve sadece kanser değil, AI zatürre gibi potansiyel olarak ölümcül enfeksiyonlar için diğer kan testlerini de hızlandırabilir.
New York'taki Memorial Sloan Kettering Kanser Merkezi'nde biyomedikal mühendisi Dr. Daniel Heller ve ekibi nanotüpler kullanan bir test teknolojisi geliştirdi.
Yaklaşık 20 yıl önce, bilim insanları floresan ışık yayabilen nanotüpler keşfetmeye başladılar. Geçtiğimiz on yılda, araştırmacılar bu nanotüplerin özelliklerini kandaki hemen hemen her şeye tepki verecek şekilde nasıl değiştireceklerini öğrendiler. Artık milyonlarca nanotüpü bir kan örneğine koymak ve üzerlerine yapışan şeye göre farklı dalga boylarında ışık yaymalarını sağlamak mümkün.
Ancak bu, Dr. Heller'ın parmak izi için bir eşleşme bulmaya benzettiği sinyali yorumlama sorusunu hala ortada bırakıyor. Bu durumda parmak izi, farklı hassasiyetlere ve bağlanma güçlerine sahip, sensörlere bağlanan moleküllerin bir desenidir. Ancak desenler bir insanın ayırt edemeyeceği kadar belirsizdir.
Nanotüp verilerinin kodunu çözmek, verileri bir makine öğrenme algoritmasına yüklemek ve algoritmaya hangi örneklerin yumurtalık kanseri olan hastalardan, hangilerinin kanser olmayan insanlardan geldiğini söylemek anlamına geliyordu. Bunlara, diğer kanser türlerine sahip kişilerden alınan kan veya yumurtalık kanseriyle karıştırılabilecek diğer jinekolojik hastalıklar dahil.
Yumurtalık kanseri araştırmaları için kan testleri geliştirmek üzere AI kullanmanın en büyük zorluğu, nispeten nadir olması ve bu da eğitim algoritmaları için verileri sınırlamasıdır. Ve bu verilerin çoğu bile onları tedavi eden hastanelerde, araştırmacılar için asgari veri paylaşımıyla silolanmıştır.
Dr. Heller, algoritmayı yalnızca birkaç 100 hastadan elde edilen mevcut verilerle eğitmeyi "son çare" olarak tanımlıyor. Ancak AI'nın bugün mevcut olan en iyi kanser biyobelirteçlerinden daha iyi doğruluk elde edebildiğini ve bunun sadece ilk deneme olduğunu söylüyor.
Sistem, daha büyük sensör setleri ve çok daha fazla hastadan alınan örnekler kullanılarak geliştirilebilir mi diye görmek için daha fazla çalışmadan geçiyor.
Bu rehber yardımcı oldu mu?
DoktorClub’da Keşfet
