Akciger-kanseri-cesidini-ve-ciddiyetini-belirleme-konusunda-bilgisayarlar-patologlardan-daha-basarili

Akciğer kanseri çeşidini ve ciddiyetini belirleme konusunda bilgisayarlar, patologlardan daha başarılı

Yazı Boyutu:
Küçült
Sıfırla
Büyült

Akciğer kanseri dokularını değerlendirmek için geliştirilen bilgisayar ve yazılımların, patoloji uzmanlarından daha doğru sonuçlar verdiğini iddia eden bir çalışma Stanford Üniversitesi Tıp Fakültesi araştırmacıları tarafından Nature Communications adlı dergide yayımlandı.

Akciğer kanserinin kritik hastalık ilişkili özelliklerini doğru bir şekilde tanıyan ve hasta sağkalım tahminini klasik yöntemler olan tümörün derecesi (grade) ve evresinden daha iyi gerçekleştiren bir makine-öğrenme yaklaşımı (machine-learning approach) araştırmacılar tarafından geliştirilmiş.

Bir kanserin agresiflik düzeyini belirlemek için sıklıkla tümörün mikroskop altında incelenmesi ile elde edilen derece (grade) ve görüntüleme yöntemleri ile elde edilen evre (yayılım) bilgileri kullanılır. Bu bilgiler biz onkologlara tedavi seçiminde kılavuzluk eder. Bununla birlikte bu sınıflama sistemi akciğer kanseri için her zaman düzgün sonuç vermez.

Dahası akciğer kanserinin tedavileri birbirinden farklılıklar gösteren ve en önemli iki alt türü olan adenokarsinom ve skuamöz (yassı) hücreli karsinom ayırımını yapmak kimi zaman mümkün olmaz.

Araştırmacılar, çalışma için Kanser Genom Atlası'ndan elde ettikleri adenokarsinom ya da skuamöz hücreli karsinomlu hastalara ait 2186 görüntüyü kullanmış. Kanser Genom Atlas veritabanı ayrıca tümörün derecesi ve evresi ve her bir hastanın tanı sonrası ne kadar yaşadığı bilgisini de sunmuş.

Daha sonra kanser özgül karakteristik özellikleri normal insan gözünden çok daha iyi tanıyabilen bir bilgisayar yazılımı kullanılmış. Bu karakteristik özellikler sadece hücrenin boyutu ve şekli ile sınırlı kalmamış, ayrıca hücrelerin çekirdek şekil ve dokusunu ve komşu tümör hücreleri arasındaki mekansal ilişkileri de içermiş. Yazılımın tahmindeki bu gücü başka hasta veritabanları ile de doğrulanmış.

Araştırmacıların ifade ettiğine göre, hangi karakteristik özelliklerin önemli olduğunun seçimi bilgisayar yazılımına bırakılmış, yani bir nevi yapay zeka devreye girmiş. Yazılım, kanserli hücrelerin çevre normal dokudan nasıl ayrıldığını, akciğer kanserinin alt türlerini, ve edindiği bilgilere göre tanı sonrası her bir hastanın ortalama ne kadar sağkalacağını tahmin etmeyi öğrenmiş.

Yazılımın, daha önce bilinmeyen fiziksel karakteristikleri tanımlaması ve bununla kanserin ciddiyeti ve sağkalım süreleri hakkında tahminde bulunması, kanserin moleküler süreçleri ve hastalık gidişatı hakkındaki bilgimize ciddi katkıda bulunmuştur. Bu çalışmada açıklanan makine-öğrenme sistemi ile daha önce sınırlı bilgimiz bulunan kanser genomiği, transkriptomik ve proteomik alanlarını daha iyi tanımak mümkün olacaktır.

Şimdilik sadece akciğer kanseri için geliştirilen bu tekniğin birçok kanser türü için de uygulanabileceği öngörülmektedir.

Sağlıklı ve mutlu kalın...
Prof. Dr. Mustafa Özdoğan

Kaynak:

Kun-Hsing Yu, Ce Zhang, Gerald J. Berry, Russ B. Altman, Christopher Ré, Daniel L. Rubin & Michael Snyder.
Predicting non-small cell lung cancer prognosis by fully automated microscopic pathology image features.
Nature Communications 7, Article number: 12474 (2016). doi:10.1038/ncomms12474 Published online: 16 August 2016