Makine Öğrenimi, İmmünoterapinin Ne Zaman Etkili Olabileceğini Tahmin Ediyor

0
32
Görsel: geralt/Pixabay

Lenfatik sistem ve bağışıklık sistemi sayesinde vücut, savunma söz konusu olduğunda saldırıya bel bağlıyor. Bağışıklık sistemi, vücudun kendi kişisel polis teşkilatına benziyor çünkü hastalık yapan organizmaların peşine düşüp onları ortadan kaldırıyor.

Eindhoven Teknoloji Üniversitesi Biyomedikal Mühendisliği bölümünde çalışan Federica Eduati, “Vücudun bağışıklık sistemi, tuhaf davranan hücreleri belirleme konusunda çok iyi” diyor. “Bunlar arasında, gelecekte tümör veya kansere dönüşebilecek hücreler de bulunuyor. Bağışıklık sistemi bu hücreleri tespit ettiğinde saldırıyor ve onları öldürüyor.”

Fakat bu her zaman kolay olmuyor çünkü tümör hücreleri, bağışıklık sisteminden çeşitli şekillerde gizlenebiliyor.

Bilgisayarlı Biyoloji grubunda doktora araştırmacısı olan Oscar Lapuente-Santana, “Maalesef tümör hücreleri, doğal bağışıklık tepkisini engelleyebiliyor” diyor. “Bir tümör hücresinin yüzeyindeki proteinler, bağışıklık hücrelerini kapatabiliyor ve onları etkili şekilde uyku moduna geçirebiliyor.”

Neyse ki, bu bağışıklık hücrelerini uyandırmanın ve tümör karşıtı bağışıklıklarını geri getirmenin bir yolu bulunuyor. Bu yol ise immünoterapiye dayanıyor.

İmmünoterapi, kanser hücrelerine karşı olan savaşında bağışıklık sistemine yardım eden bir kanser tedavisi. İmmünoterapinin bir çeşidi de, bağışıklık hücrelerine kanser hücrelerinden gelen kapatma emirlerini görmezden gelmesini söyleyen ilaçlar olan bağışıklık kontrol noktası engelleyicilerini (ICB) kapsıyor.

ICB’nin keşfedilmesi, kanser tedavisinde devrim yaratmış ve James P. Allison ile Tasuku Honjo, ICB üzerine yaptıkları çalışmaları dolayısıyla 2018 yılında Nobel Fizyoloji (veya Tıp) Ödülü’ne layık görülmüştü.

ICB bir sürü hastanın ve farklı kanser tiplerinin tedavisinde başarılı şekilde kullanılsa da, hastaların sadece üçte biri tedaviye yanıt veriyor.

“ICB’nin büyük bir etkisi oldu fakat hangi hastaların tedaviye yanıt vermesinin en muhtemel olduğunu hızlı şekilde anlayabilirsek, bu etki çok daha büyük olabilir” diyor Eduati. “Neden diğer hastaların ICB’ye yanıt vermediğini anlayabilirsek de çok güzel olur.”

Lapuente-Santana ve Eduati bu sorunu çözmek üzere, meslektaşlarıyla beraber hastaların ICB’ye nasıl yanıt verebileceğini tahmin etmek için makine öğrenimine yönelmişler. Araştırmacıların çalışması Patterns bülteninde yayımlandı.

Makine öğrenim modelleri oluşturan araştırmacılar, daha sonra modelin doğruluğunu ICB tedavisine yönelik gerçek yanıtın bilindiği farklı veri dizileri üzerinde test etmişler. “Genel olarak makine öğrenim modelimizin, günümüzde ICB tedavilerinin klinik ortamlarda değerlendirilmesinde kullanılan biyo işaretleri geride bıraktığını keşfettik” diyor Eduati.

 

 

 

 

Kaynak: Eindhoven Teknoloji Üniversitesi. Çeviren: Ozan Zaloğlu.

CEVAP VER

Please enter your comment!
Please enter your name here