Makine öğrenmesi kişiselleştirilmiş kanser aşılarının üretilmesine nasıl yardımcı olabilir?

Rusya Gamaleya Ulusal Epidemiyoloji ve Mikrobiyoloji Araştırma Merkezi Direktörü Alexander Gintsburg, yapay sinir ağlarının kullanımıyla, halihazırda uzun bir süreç olan kişiselleştirilmiş bir kanser aşısı oluşturmak için gereken hesaplama süresinin bir saatin altına indirilebileceğini söyledi.

"Şu anda bir aşı tasarlamak uzun zaman alıyor çünkü matris yöntemini kullanarak bir mRNA aşısının nasıl görüneceğini matematiksel olarak hesaplamanız gerekiyor. Bu hesaplamayı yapay zeka kullanarak yapacak olan Ivannikov Enstitüsü ile iletişime geçtik ve bu işlemler yaklaşık yarım saat ila bir saat sürecek."

Araştırmacı daha önce TASS'a, yapay zekayı eğitmek için hastalarda protein veya RNA'ya çevrilebilen uyumlu antijen tanıma özelliğine sahip 40.000 ila 50.000 tümör dizisinden oluşan bir test veritabanına ihtiyaç duyulduğunu açıklamıştı. Bunun, aşının bireysel olarak kullanılıp kullanılamayacağının belirlenmesine yardımcı olacağını söyledi.

Aşı, çeşitli araştırma merkezleriyle iş birliği içinde geliştirildi. Rusya Sağlık Bakanlığı Tıbbi Radyoloji Araştırma Merkezi Genel Müdürü Andrey Kaprin, klinik öncesi denemelerin tamamlandığını söyledi.

Makine öğrenmesi kanser aşısı üretiminde nasıl yardımcı olabilir?

Yapay zekânın kanser aşısı geliştirmede kullanılması kişiselleştirilmiş tedaviye olanak sağlıyor ancak aynı zamanda ilaç geliştiricileri ve düzenleyiciler için yeni zorluklar da yaratıyor.

İmmünoterapide, yapay zekâ ve makine öğrenimindeki gelişmeler, kanser biyopsilerinden elde edilen verilerin işlenerek hastaya özgü mutasyonları hedef alan aşıların tasarlanmasına yardımcı olabilir. Hastaya özgü mutasyonları hedefleme yeteneği yeni bir şey değildir ve anti-HER2 tedavileri ve CDK4/6 inhibitörleri gibi hedefli kanser ilaçları sektörde çok satan ilaçlar haline gelmiştir. Bununla birlikte, yapay zekânın bireysel hasta biyopsilerinden neoantijenleri tespit etme potansiyeli, bu sürecin verimliliğini artırmıştır.

Yapay zekanın kullanımı birçok sektörde önemli bir tartışma konusu haline geldi ve ilaç sektörü de bu konuda bir istisna değil.

Merck Klinik Araştırmalar Başkan Yardımcısı Scott Ebbinghaus, "Hasta biyopsilerinde tespit edilen mutasyonlar, hangi mutasyonların en immünojenik olduğunu tahmin etmek için bir algoritmaya aktarılabilir," dedi. "Buradan, bağışıklık sistemine özel olarak uyarlanmış, mutasyona uğramış her kanser genini kodlayan RNA sentezleyebiliriz. Her aşı, her birey için çok özel olacaktır."

Tek bir sabit antijene karşı geliştirilen tedavilerin aksine, yapay zeka sistemi neoantijenleri seçme yeteneğini geliştirmeyi hedefleyecek. Algoritma, bir hastanın tümöründe bulunan genetik mutasyonları inceleyerek bağışıklık tepkisi oluşturma olasılığı en yüksek olan neoantijenleri tahmin ediyor. Moderna'nın terapötik geliştirme ve onkoloji direktörü Kyle Holen, "Algoritma, klinik ve immünojenisite verilerini eşleştirerek zaman içinde öğrenme yeteneğine sahip ve umarız klinik olarak aktif olma olasılığı en yüksek neoantijenleri seçmede daha iyi hale gelecektir," dedi.

Yapay zeka kullanan bir diğer şirket ise, kişiselleştirilmiş kanser aşıları tasarlamak için NEC Corporation ile ortaklık kuran Transgene. Transgene, mRNA aşıları yerine viral vektörlerle çalışarak hastanın bağışıklık sistemini belirli kanser hedefleriyle savaşacak şekilde eğitiyor.

Kanser aşıları ileri aşama denemelerine girerken, zorluklardan biri potansiyel ürünlerin düzenlenmesi olacak. ABD Gıda ve İlaç Dairesi (FDA), çoklu antijen aşılarını ele alan bir kılavuz yayınladı. Kurum, bu aşıların her bir bileşeninin güvenlik ve etkinlik açısından ayrı ayrı değerlendirilmesine gerek olmayabileceğini belirtiyor. Ancak belgede, bunun "vaka bazında değerlendirileceği" belirtiliyor.

FDA sözcüsü, FDA'nın "yapay zeka/makine öğreniminin (YZ/ML) kişiselleştirilmiş tedavilerin geliştirilmesini hızlandırma potansiyelini kabul ettiğini" söyledi.

Phuong Anh (Kaynak: BioSpace, Tass)

[reklam_2]
Kaynak