Big Data / Büyük Veri Nedir?
Sosyal medya paylaşımlarınız, fotoğraf-video arşivleriniz, alış-veriş tutumlarınız, Google aramalarınız, adımlarınız, kalp ritminiz (örneğin akıllı saatlerle), hastalıklarınız, kan değerleriniz, DNA’nız… Yani bir insana ve yaşama dair ne varsa artık kayıt altında tutuluyor ve bu ham bilgiye Big Data (Büyük Veri) deniyor.
Big Data ve bunu işleyecek yeni nesil veri madenciliği araçları ile şimdiye kadar hiç kayıt altına alınmamış ve analiz edilmemiş sonsuz çeşitteki sonsuz veriden anlamlı sonuçlar çıkarılabilir. Bu ham bilgilerden en değerlilerinden bir kısmını da sağlık verileri oluşturmaktadır.
Big Data denilince onunla birlikte; yapay zeka, makine öğrenmesi, derin öğrenme, yapısal ve yapısal olmayan veriler de aklımıza geliyor. Sağlık sektörü ve ilaç endüstrisi için artık bunlar üretkenlik döneminin yapıtaşlarıdır.
Günümüzde sadece sağlık sektörünün değil, tüm iş dünyasının elindeki en büyük koz, büyük veri ve bunu anlamlı şekilde analiz edebilme yeteneğidir.
1. Big Data ile Daha Önce Tespit Edilmeyen Hastalık Hedeflerine Yönelmek
Büyük verinin en ümit verici uygulamalarından birisi daha önce tespit edilmeyen hedeflere yönelmektir. GSK (GlaxoSmithKline) ve Pfizer, yapay zeka alanında çalışan sağlayıcıları ile birlikte buna odaklanmış durumdalar. Bazı biyoteknoloji şirketleri ise kendi yapay zeka platformlarını kuruyorlar. Berg Health ise onlardan birisi ve şu anda bazı patentli makine öğrenmesi algoritmaları ile moleküler alanda ve hastalıklı hücre kültür çalışmalarının incelenmesi üzerindeler. Bu çalışmaları ile göz tansiyonu (glukom), kellik (alopesi), kanser ve nörojeneratif bozukluklar için birkaç hedef ve muhtemel ilaçlar keşfettiler.
2. Big Data ile AIDS Hastalığı Etkeni HIV’in Zayıf Noktasını Bulmak
Hong Kong’dan bir araştırma ekibi HIV virüsünün doğru parçasını hedef alarak kendini kopyalayıp çoğalmasını engellemek için kullanılabilecek bir aşı üzerine çalışıyorlar. Bu çalışma poliprotein sekansının haritalandırılmasını gerektiriyor ve işte büyük veri uygulamalarıda bu alanda araştırmacılara yardımcı oluyor. 1918 HIV bulaşmış bireylerden alınan 20.043 sekansdan elde edilen 815 amino asit üzerine yapay zeka ile çalışma yapıldı. Bu çalışmanın virüsün mutasyon ve enfeksiyona sebep olma yeteneklerini sınırlamak için yeni immünoterapiler ve aşılama yaklaşımlarını ortaya çıkarması umuluyor.
3. Big Data ile İlaçları ve Etkileşimlerini Takip Etme
Makine öğrenimi ile daha hızlı ve yüksek çözünürlüklü metodlar kullanılarak ilaçların etkileşimleri gözlemleniyor ve bazı noktaların gözden kaçması engellenebiliyor. Bu yaklaşım ile özellikle nadir görülen ve çok az ya da hiç hedef bilinmeyen hastalıklara karşı avantajlar elde edilmiş olacaktır. Yeni endikasyonlardaki klinik çalışma moleküllerini görüntülemek üzere Sanofi bu alanda çalışmaktadır.
4. Big Data ile Kaynak Taraması Yapmak / Literatür Takibi
Yapay zeka teknolojileri ile ilaç endüstrisinde ar-ge çalışmalarından faydalı bilgileri daha verimli şekilde elde edilebiliyor. BenevolentAI, Judgment Correlation System (JACS) ile milyonlarca makale ve inceleme yazısındaki milyarlarca cümle ve paragrafı yorumlayabilen algoritmalara sahip. JACS daha sonra veriler ve “bilinen gerçekler” ile olan doğrudan ilişkileri tanımlıyor. Bilinen gerçekler bu alanda çalışan bazı bilim insanlarının hipotezlerine dayanmaktadır. Bir uzman araştırmacı takımı da JACS’ın bulduğu sonuçları değerlendiriyor ve değerlerine göre öncelik sıralamasında bulunuyorlar. Şirketin biyomedikal kolu bu teknolojiyi ALS hastalığında kullanıyor. Bu çalışma ile elde ettikleri başarılar öncekilere göre çok daha etkili sonuçlar gösterdi.
5. Big Data ile Hasta Merkezli Araştırmalar
Büyük veri uygulamaları sadece verilerin analizinde bir devrim değil aynı zamanda toplanmasında da çok büyük yenilikler sunuyor. LymeDisease.org geçenlerde MyLymeData uygulamasını açıkladı. Bu uygulama ile Lyme hastalığı araştırmalarında hızlanma amaçlanıyor. Lyme hastalığı şu anda ABD’de en sık görülen anneden çocuğa geçen hastalıklardan birisidir ve tanı-tedavisinde yaşanan hatalar %35-50’lere kadar çıkabiliyor. Lyme tanı ve tedavi süreci birçok hastayı ciddi şekilde zorlamaktadır. Bu uygulama, binlerce hastadan elde edilen veriler ile neden bazı hastaların tedaviye cevap verdiği ve neden bazısının cevap vermediği üzerine bir sonuç vadediyor.
6. Big Data ile Kitlesel Kanser İlaç Verisi
CODE-cancer.com (Avrupa onkoloji verileri için işbirliği) girişimi ile 7 Avrupa ülkesindeki 200 kanser tedavi merkezinden 3 yıl süreyle toplanan verilerin yeni kanser tedavilerinin önünü açması umut ediliyor. Bu girişimin önümüzdeki 10 yıl içinde 2000 kanser merkezini kapsayacak şekilde büyümesi planlanıyor. Bu çaptaki büyük kanser verisi ile hangi kanser ilaçlarının hangi kanserlerde daha etkili olduğu da karşılaştırılabilecek.
7. Big Data ve Yapay Zeka ile Sağlık Verisi Toplamak
Yapısal ve yapısal olmayan veriler üzerindeki madencilik ve bu verilerin kullanılabilir hale getirilmesi başka bir zorluk olarak görülüyor. Birleşik Krallık Kanser Araştırma Merkezi 30 milyon dolarlık bir ödül vadediyor bu alandaki araştırmacılara. Bu çalışmalara sadece ilaç keşfinin değil aynı zamanda kanser araştırmalarının da önünü açacaktır. Bu alandaki araştırmacıların amaçlarından biri de tıbbi ve tıbbi olmayan kaynaklarından oluşturacakları paternler ile kanseri önceden tespit etmek. Eğer bunu başarabilirlerse farklı bir etik problem ile de karşılaşmış olacaklar. Eğer insanların tıbbi verilerine kolay bir şekilde ulaşılır ve bunlar kullanılarak çözümler üretilebiliyorsa, ya bu veriler farklı şekilde sorun çıkarma amaçla kullanılabilir mi?
