ASCO 2026: Xərçəng Biomarkerlərində Süni İntellekt və Məkan Profilləşdirməsi İnqilabı
Bu məqalədə
Sual Təkcə Hədəfin Olub-olmaması Deyil, Şişin Harasında Olmasıdır: Biomarkerlər Artıq Sadəcə “Müsbət” və ya “Mənfi” Deyil
Biomarkerlərdə köhnə sual: hədəf varmı?
Müasir onkologiya biomarkerlərin müalicə qərarını dəyişdirdiyi dövrə çoxdan daxil olub. Ağciyər xərçəngində EGFR, ALK, ROS1, RET; kolorektal xərçəngdə RAS, BRAF, MSI, HER2; döş xərçəngində ER, PR, HER2, Ki-67; yumurtalıq xərçəngində BRCA və HRD kimi markerlər artıq gündəlik praktikanın ayrılmaz hissəsidir.
Lakin klassik biomarker yanaşmasının mühüm məhdudiyyəti var: çox vaxt şişi tək bir orta göstərici ilə ümumiləşdirir. Məsələn, bir şişə “HER2 müsbət” deyirik, amma HER2-nin şişin hər nahiyəsində eyni olub-olmadığını, müsbət hüceyrələrin hansı hissədə toplandığını, immun hüceyrələrinin bu HER2 yüksək sahələrə daxil olub-olmadığını və stromanın bu hüceyrələri əhatə edib-etmədiyini çox vaxt ətraflı ölçmürük.
Klassik testlər şişləri çox vaxt “müsbət-mənfi”, “yüksək-aşağı” və ya “mutant-vəhşi tip” kimi kateqoriyalara ayırır. Halbuki şiş toxuması vahid və homogen deyil; müxtəlif nahiyələrdə fərqli hüceyrə sıxlıqları, immun cavab səviyyələri, damar strukturları və müqavimət sahələri ola bilər.
Yeni sual: hədəf harada, hansı hüceyrələrlə yanaşı və hansı mikromühitdədir?
Süni intellekt və məkan profilləşdirməsi məhz burada işə başlayır. Rəqəmsal patologiya bütün preparat görüntüsünü yüksək ayırdetmə qabiliyyəti ilə analiz edir. Süni intellekt modelləri şiş hüceyrələrini, stromanı, limfositləri, damar hüceyrələrini, nekroz sahələrini, immun fenotipi və hüceyrə qonşuluqlarını kəmiyyətləşdirə bilər. Beləcə patoloji şüşə yalnız diaqnoz qoyan sənəd olmaqdan çıxaraq müalicə cavabını proqnozlaşdıra bilən çoxqatlı bioloji xəritəyə çevrilə bilər.
Şiş toxumasındakı hüceyrələrin yalnız sayını deyil, bir-birinə nisbətən mövqeyini də analiz etməkdir. Məsələn, T hüceyrələri şişin içinə daxil olubmu, yalnız kənarda qalıbmı, damar hüceyrələri və ya stroma ilə necə qonşuluq təşkil edir, üçüncülü limfoid strukturlar varmı kimi suallara cavab axtarır.
ASCO 2026-dan nümunə: HER2 müsbət öd yolları xərçəngində süni intellekt dəstəkli seçim
ASCO 2026-da bu yanaşmanın diqqətçəkən nümunələrindən biri HER2 müsbət irəliləmiş öd yolları xərçəngi tədqiqatı idi. Tədqiqat trastuzumab, nivolumab, gemsitabin və sisplatin daxil olan birinci xətt dördlü rejimi qiymətləndirərkən süni intellekt dəstəkli bütün preparat analizi ilə HER2 ekspressiyasını və immun fenotipi birlikdə araşdırdı.
Çoxmərkəzli faza Ib/II tədqiqatında 40 xəstə iştirak etdi. Müalicə kombinasiyası ilə obyektiv cavab nisbəti %55, xəstəlik nəzarəti nisbəti %95, median proqressiyasız sağqalma 10,6 ay olaraq bildirildi. Lakin əsas vacib məqam süni intellektin hansı xəstələrin daha yüksək cavab ehtimalına malik ola biləcəyini ayırd edə bilməsi idi.
Bu nümunə süni intellektin sadə “patologiyaya yardımçı alət” olmaqdan daha irəli gedə biləcəyini göstərir. Eyni toxumada hədəf zülalın miqdarı, immun fenotip və şiş mikromühiti birlikdə analiz edildikdə xəstə seçimi daha dəqiq ola bilər.
HER2 yüksək ağciyər xərçəngində immun-soyuq şiş mikromühiti
Lunit-in ASCO 2026-da təqdim etdiyi başqa analiz HER2 həddindən artıq ekspressiya olunan kiçik hüceyrəli olmayan ağciyər xərçənglərində şiş mikromühitini qiymətləndirdi. İki mindən çox NSCLC preparatının tam görüntüsündə aparılan süni intellekt dəstəkli məkan analizində HER2-ni həddindən artıq ekspressiya edən şişlərdə şişə infiltrasiya edən limfositlərin sıxlığının və iltihablı immun fenotip nisbətinin daha aşağı olduğu bildirildi.
Bu tapıntı HER2 yüksək şişlərin bəzi kontekstlərdə daha “immun-soyuq” mikromühitə malik ola biləcəyini göstərir. Nəticələr müstəqil seriyalarda təsdiqlənərsə, HER2 hədəfli müalicə ilə immunoterapiya kombinasiyalarının hansı xəstədə daha mənalı ola biləcəyini anlamaq üçün yalnız HER2 səviyyəsinə deyil, mikromühit xəritəsinə də baxmaq lazım gələ bilər.
Şişin içində və ya ətrafında immun hüceyrələrinin az olduğu, xüsusilə T hüceyrələrinin şiş toxumasına kifayət qədər daxil ola bilmədiyi şişləri ifadə edir. Bu vəziyyət bəzi xəstələrdə immunoterapiyaya cavabın məhdud qalması ilə əlaqəli ola bilər.
Adenoid kistik karsinomada aksitinib cavabını fərqləndirən məkan imzası
Süni intellekt dəstəkli məkan profilləşdirməsinin başqa nümunəsi adenoid kistik karsinomada təqdim edildi. Bu nadir şişdə müalicə seçimləri məhduddur və klassik biomarkerlərlə cavabı proqnozlaşdırmaq çətindir. Süni intellektə əsaslanan şiş mikromühiti analizində yüksək endotel hüceyrəsi və şişə infiltrasiya edən limfosit sıxlığı olan alt qrupda aksitinibdən sonra PFS-nin daha uzun olduğu bildirildi: 11,1 ayla müqayisədə 19,6 ay.
MSS kolorektal xərçəngdə TLS sahələri: immunoterapiyaya yol açıla bilərmi?
Mikrosatellit stabil metastatik kolorektal xərçəng, ümumiyyətlə, immun nəzarət nöqtəsi inhibitorlarına davamlı sayılır. Lakin “MSS” etiketi də şiş mikromühitinin bütün təfərrüatlarını izah etmir. ASCO 2026-da təqdim edilən süni intellekt dəstəkli şiş mikromühiti analizlərindən biri MSS metastatik kolorektal xərçəngdə üçüncülü limfoid struktur sahələrinin daha böyük olmasının immunoterapiyadan sonra daha yaxşı PFS və OS ilə əlaqəli ola biləcəyini göstərdi.
Şiş toxumasında immun hüceyrələrinin limfa düyününə bənzəyən mütəşəkkil toplanmalar yaratmasıdır. Bəzi xərçənglərdə bu strukturlar daha effektiv şiş əleyhinə immun cavab və immunoterapiyaya daha yaxşı cavab ilə əlaqəli ola bilər.
Bu sahə çox vacibdir; çünki bəzi şişləri tək “immunoterapiyaya davamlı” kateqoriyasına daxil edərkən mikromühitində əslində immun cavab potensialı olan kiçik alt qrupları gözdən qaçıra bilərik. Süni intellekt dəstəkli məkan analizi bu kiçik alt qrupları daha obyektiv müəyyənləşdirmək imkanı verə bilər.
Multimodal süni intellekt: patologiya, klinik məlumat və genomik risk eyni modelə daxil olduqda
ASCO 2026-dakı başqa mühüm istiqamət multimodal süni intellekt idi. Multimodal süni intellekt yalnız patoloji görüntüyə deyil, klinik məlumatlara, yaşa, mərhələyə, şiş ölçüsünə, limfa düyünü statusuna, müalicə məlumatlarına və lazım olduqda genomik məlumatlara birlikdə baxır. Məqsəd tək məlumat mənbəyi əvəzinə bütün xəstəlik kontekstini modelləşdirərək risk və müalicə faydasını daha düzgün proqnozlaşdırmaqdır.
Artera-nın ASCO 2026-da təqdim etdiyi tədqiqatlar bu istiqamətə nümunədir. Limfa düyünü müsbət, HR müsbət döş xərçəngində kimyaterapiya faydasını və proqnozu qiymətləndirən multimodal süni intellekt modeli Abstrakt #107 kimi şifahi sessiyada yer aldı. Erkən mərhələ döş xərçəngində multimodal süni intellektlə 21-gen Recurrence Score testinin uyğunluğu və prostat xərçəngində rəqəmsal patologiyaya əsaslanan risk təsnifatı tədqiqatları da təqdim edildi.
| Yanaşma | İstifadə etdiyi məlumat | Cavablandırdığı sual | Klinik potensial |
|---|---|---|---|
| Klassik biomarker | Tək molekulyar və ya IHC marker | Hədəf varmı? | Hədəfli müalicəyə uyğunluğu müəyyən edir. |
| Rəqəmsal patologiya süni intellekti | Bütün preparat görüntüsü | Şiş arxitekturası və hüceyrə nümunəsi nə deyir? | Risk təsnifatı və proqnoz qiymətləndirməsi verə bilər. |
| Məkan profilləşdirməsi | Hüceyrələrin mövqeyi və qonşuluğu | İmmun hüceyrələri şişə daxil olubmu, hədəf hansı kontekstdədir? | İmmunoterapiya və hədəfli müalicə cavabını daha dəqiq proqnozlaşdıra bilər. |
| Multimodal süni intellekt | Patologiya + klinik məlumat + lazım olduqda genomika | Bu xəstə hansı müalicədən nə qədər faydalana bilər? | Fərdiləşdirilmiş adjuvant və ya sistemik müalicə qərarını dəstəkləyə bilər. |
Bu texnologiyalar klinikada nəyi dəyişə bilər?
Süni intellekt və məkan profilləşdirməsinin ən böyük potensialı mövcud biomarkerləri daha dəqiq etməkdir. Məsələn, HER2 müsbətliyi artıq yalnız “var” və ya “yox” kimi deyil, HER2 yüksək hüceyrələrin nisbəti, şişdə paylanması, qonşu immun hüceyrələrinin mövcudluğu və şiş mikromühiti konteksti ilə birlikdə qiymətləndirilə bilər.
Eyni şəkildə immunoterapiya qərarlarında yalnız PD-L1 və ya MSI deyil, T hüceyrələrinin şişə daxil olub-olmaması, şişin xarici sərhədində qalıb-qalmaması, TLS mövcudluğu, stromal baryer, damar strukturu və makrofaq / TIL tərkibi kimi çoxsaylı dəyişənlər birləşdirilə bilər.
Yeni biomarker paradiqması
Köhnə yanaşma: “Bu hədəf varmı?”
Yeni yanaşma: “Hədəf haradadır, nə qədər sıxdır, hansı hüceyrələrlə qonşudur, immun sistemi şişə çatıbmı, mikromühit müalicəyə imkan verirmi və bu məlumat müalicə cavabını proqnozlaşdıra bilərmi?”
Tənqidi oxu: həvəs qədər doğrulama da lazımdır
Süni intellekt və məkan biomarkerlərində nəzərə alınmalı məqamlar
- Məlumatların çoxu hələ tədqiqat mərhələsindədir: ASCO 2026-dakı tədqiqatların mühüm hissəsi klinik hipotez yaradan xarakterdədir; birbaşa standart müalicə qərarı demək deyil.
- Prospektiv doğrulama vacibdir: Modelin retrospektiv məlumat dəstində uğurlu olması real vaxt klinik qərarında xəstə nəticələrini yaxşılaşdıracağı demək deyil.
- Ümumiləşdirilmə problemi var: Müxtəlif xəstəxanalar, boyama protokolları, skanerlər, etnik populyasiyalar və şiş nümunəsinin keyfiyyəti modelin fəaliyyətinə təsir edə bilər.
- İzah edilə bilməsi vacibdir: Həkim modelin niyə yüksək və ya aşağı risk dediyini anlamadan müalicə qərarını yalnız alqoritmə həvalə edə bilməz.
- Tənzimləmə və keyfiyyətə nəzarət lazımdır: Süni intellektə əsaslanan testlərin klinik istifadəsi üçün doğrulanmış, standartlaşdırılmış və yoxlanıla bilən olması lazımdır.
- Məlumat qərəzi riski mövcuddur: Model müəyyən mərkəzlərin, xəstə qruplarının və ya görüntüləmə protokollarının məlumatları ilə öyrədilibsə, başqa populyasiyalarda eyni nəticəni göstərməyə bilər.
- Patoloq və onkoloq öz yerini itirmir: Süni intellekt qərarverənin yerini tutmur; yaxşı qurulduqda patoloq və onkoloq üçün qərar dəstəyi alətinə çevrilir.
Türkiyə üçün mesaj: rəqəmsal patologiya və məlumat infrastrukturu strateji əhəmiyyətlidir
Türkiyədə molekulyar onkologiya, NGS panelləri və hədəfli müalicə qərarları getdikcə daha çox gündəmə gəlir. Lakin süni intellekt və məkan profilləşdirməsi dövrü yalnız molekulyar test infrastrukturu deyil, rəqəmsal patologiya infrastrukturu da tələb edir. Keyfiyyətli toxuma emalı, standartlaşdırılmış boyama, yüksək ayırdetməli skanerlər, təhlükəsiz məlumat saxlanması, patologiya-onkologiya inteqrasiyası və klinik nəticə məlumatları bu sistemin əsas hissələridir.
Buna görə qarşıdakı dövrdə “molekulyar şiş şurası” qədər “rəqəmsal patologiya və biomarker şurası” anlayışı da əhəmiyyət qazana bilər. Çünki süni intellekt modelləri yalnız düzgün klinik sual, keyfiyyətli məlumat və mütəxəssis şərhi ilə mənalı olur.
Xəstəyə necə izah edilməlidir?
“Süni intellekt patoloji şüşədəki şiş toxumasını daha ətraflı araşdıraraq xərçəng hüceyrələrinin, immun hüceyrələrinin və şiş ətrafının xəritəsini çıxara bilər. Bu məlumatlar gələcəkdə hansı müalicənin daha effektiv ola biləcəyini proqnozlaşdırmağa kömək edə bilər. Lakin bu texnologiyalar hazırda hər xərçəngdə və hər xəstə üçün standart deyil; etibarlı klinik istifadə üçün daha çox doğrulama lazımdır.”
Drozdogan Akademik Şərhi
ASCO 2026-da süni intellekt və məkan profilləşdirməsi tədqiqatları onkologiyada biomarkerlərin yeni mərhələyə keçdiyini göstərir. Artıq şişi yalnız mutasiya, ekspressiya və ya müsbətliklə deyil, hüceyrələrin bir-biri ilə məkan əlaqəsi, immun sisteminin şişə çatması və mikromühitin müalicəyə verdiyi imkanla da oxumağa başlayırıq.
Bu yanaşma xüsusilə klassik biomarkerlərin yetərsiz qaldığı sahələrdə çox dəyərli ola bilər. MSS kolorektal xərçəngdə immunoterapiyaya cavab verə bilən kiçik alt qrupları, HER2 müsbət şişlərdə daha yüksək cavab ehtimalı olan xəstələri və ya nadir şişlərdə hədəfli müalicəyə həssas mikromühit imzalarını ayırmaq mümkün ola bilər.
Lakin bu sahənin real klinik dəyəri yalnız təsiredici alqoritmlərin yaradılması ilə deyil, prospektiv doğrulama, izah edilə bilmə, standartlaşdırma, tənzimləmə və real xəstə nəticələrini yaxşılaşdırma qabiliyyəti ilə müəyyənləşəcək. Gələcəyin biomarkeri yalnız molekulu deyil, şişin xəritəsini də oxuya bilən biomarker olacaq.
Nəticə
ASCO 2026 süni intellekt və məkan profilləşdirməsinin onkologiyada getdikcə daha görünən olduğunu göstərdi. Süni intellekt dəstəkli HER2/IHC ölçümü, şiş mikromühiti analizi, TIL/TLS xəritələnməsi, multimodal risk modelləri və rəqəmsal patologiyaya əsaslanan müalicə faydasının proqnozu biomarkerlərin artıq yalnız “müsbət” və ya “mənfi” kimi deyil, çoxqatlı şiş ekosistemində oxunacağı yeni dövrə işarə edir.
Bu texnologiyalar hazırda bütün sahələrdə standart deyil; lakin istiqamət aydındır. Xərçəng müalicəsində gələcəyin sualı yalnız “şişdə hədəf varmı?” olmayacaq. Daha düzgün sual belə olacaq: “Bu hədəf şişin harasında, hansı hüceyrələrlə birlikdə, hansı mikromühitdədir və bu xəritə xəstənin müalicə cavabını proqnozlaşdırırmı?”
- Lunit. AI-Powered IHC and Tumor Microenvironment Research at ASCO 2026. 22 may 2026.
- Artera. Multiple ASCO 2026 Abstracts on Multimodal AI Risk Stratification and Treatment Decisions in Cancer. 21 may 2026.
- ASCO Educational Book. Artificial Intelligence in Oncology: Clinical Applications. 2026.
- Lunit publication. AI-powered spatial analysis of tumor microenvironment identifies immune phenotypes in H&E-stained carcinoma samples.
- Lunit publication. AI-powered spatial analysis of TILs predicts survival after immune checkpoint inhibitor therapy across multiple cancer types.
- OpenTME. An open dataset of AI-powered H&E tumor microenvironment profiles from TCGA. 2026.
- Emerging AI Approaches for Cancer Spatial Omics. 2025.
Bu məqalə sizə faydalı oldu?
Rəyiniz məzmunumuzu yaxşılaşdırmağa kömək edir.
Oxucu şərhləri
Şərhinizi paylaşın
Adınız və şərhiniz yalnız administrator təsdiqindən sonra dərc olunur. E-poçt ünvanınız ziyarətçilərə heç vaxt göstərilmir.
İlk şərhi siz yazın.