Hastalar ve hekimler, her yıl onaylanan yaklaşık 50 yeni kanser tedavisinden doğru seçimi yapmakta zorlanıyor. Berlin MDC-BIMSB’den Dr. Altuna Akalin liderliğindeki ekip, farklı biyolojik verileri derin öğrenme ile eşzamanlı değerlendiren Flexynesis adlı araçla bu soruna yanıt veriyor.
Kanser tedavilerinin sayısı hızla artarken, her hastanın tümör özelliklerine en uygun yöntemi belirlemek karmaşıklaşıyor. Flexynesis, çok katmanlı sinir ağları kullanarak DNA, RNA, protein seviyelerindeki çoklu-omik veriler ile işlenmiş metin ve görüntü (BT/MR) verilerini bir araya getiriyor. Bu sayede doktorlar, tanı, prognostik değerlendirme ve tedavi stratejilerini hasta bazında optimize edebiliyor.
Flexynesis’in esnek mimarisi, farklı modelleme görevlerine uyum sağlayacak şekilde tasarlandı. Araç, PyPI, Guix, Docker, Bioconda ve Galaxy üzerinden paketlenerek klinik araştırmacıların kendi veri iş akışlarına kolayca entegre edebilmesine imkan tanıyor. Bu yaklaşım, daha önceki pek çok yöntemden farklı olarak kullanıcı dostu ve tekrar kullanılabilir bir altyapı sunuyor.
Araç, hastalığın moleküler kökenini ortaya koymanın yanı sıra, birincil tümör kaynağı bilinmeyen metastatik vakalarda da tanıya yardımcı oluyor. Ayrıca hangi ilacın hangi hasta profiline uygun olacağını öngörerek hayatta kalma şansını artırıcı biyobelirteçleri tespit edebiliyor. Böylece kapsamlı ve kişiselleştirilmiş tedavi planları oluşturmak kolaylaşıyor.
Almanya’da henüz hastanelerde rutin olarak çoklu-omik veri toplanmaması, Flexynesis’in yaygın kullanım önünde bir engel oluşturuyor. Buna karşın Amerika Birleşik Devletleri’ndeki tümör kurulları bu verileri sıklıkla tartışıyor ve ekip, bu verilerin doğru tedavi öngörüleri üretebileceğini kanıtladı. Almanya’da ise nadir kanserlerin incelendiği MASTER gibi programlar veri kullanımını başlattı, ancak yaygın entegrasyon zaman alacak gibi görünüyor.
Geçen yıl geliştirilen Onconaut aracı, bilinen biyobelirteçler ve klinik kılavuzlara dayanırken, Flexynesis bu yaklaşımı tamamlayıcı nitelikte derin öğrenme altyapısıyla zenginleştiriyor. Araç, kullanıcıların derin öğrenme uzmanı olmasını gerektirmeden çoklu-omik veri analizini klinikte kullanılabilir hale getiriyor. Araştırmacılar, tıp uzmanlarının AI bilgisi olmadan multimodal veri entegrasyonunu rahatlıkla gerçekleştirebileceklerini umuyor.
İleriye dönük olarak Flexynesis, kanser tedavisinde veri temelli karar süreçlerini hızlandırarak hasta başına düşen en uygun rejimi belirleme sürecini dönüştürmeyi hedefliyor. Aracın açık erişimli dokümantasyonu ve düzenli güncellemeleri, dünya çapındaki araştırmacı ve klinisyenlerin hassas onkoloji yaklaşımlarını güçlendirecek.
