Hedef: Biomachine ile meme kanserinde kişiye ve hedefe yönelik ilaç!
Nişantaşı Üniversitesi Genetik ve Biyomühendislik Bölüm Başkanlığının yanı sıra NishNova İnovasyon Merkezi Yöneticiliğini yapan Doç. Dr. Zeynep Birsu Çinçin, bireye özgü ve hedefe yönelik inovatif kanser tanı ile tedavi sistemlerinin geliştirilmesi için tümör hücrelerini büyümesini destekleyen hücresel ve moleküler yolakların belirlenmesi üzerinde çalışıyor.
Bugüne kadar akciğer, oral, prostat, endometrium ve meme kanseri gibi çok sayıda kanser türünün in vivo ve in vitro modelleri üzerinde bitkisel kökenli flavonoid moleküllerinin hücresel, moleküler ve genetik etkileri üzerine ulusal ve uluslararası projelerde yürütücü ve araştırmacı olarak görev alan Çinçin, son olarak, biyobelirteç tabanlı kişiye özgü tedavi çalışmalarına öncülük etmesini amaçladıkları Biomachine projesi üzerine çalıştıklarını açıkladı.
Bireye özgü ve hedefe yönelik ilaç geliştirilme çalışmaları için yeni bir dönemin başlamasına katkıda bulunacak projenin detaylarını Doç. Dr. Zeynep Birsu Çinçin anlattı.
- Hocam, öncelikle son meme kanseri verileri hakkında sizden bilgi alabilir miyiz? Nedir durum?
2020 yılında yayınlanan Küresel İstatistik Verilerine göre meme kanseri, dünya çapında 2,261,419 milyon vaka ile kadınlar arasında en sık görülen kanser türü… Bu veriler ışığında, günümüzde dünya çapında kanser tanısı konan her 4 kadından birisi meme kanseri olarak bildiriliyor. Ayrıca, kadınlarda görülen meme kanseri, özellikle düşük ve orta gelirli ülkelerdeki yüksek prevalansı nedeniyle küresel anlamda ilk kez en sık teşhis edilen kanser haline geldi.
- Rakamların bu kadar yüksek olmasının nedeni nedir?
Meme kanserinin gelişimi için önemli risk faktörleri yaş, etnik köken, obezite, östrojen maruziyeti, genetik, adet öyküsü, doğum yapmama, sigara ve alkol tüketimidir. Meme kanseri hastalarının %90’ından fazlası erken evrede metastatik değildir. Bununla birlikte, erken evreli BC hastalarının yaklaşık %20’si ve %30’u hastalığın yanlış sınıflandırılması nedeniyle metastatik evreye geçebiliyor. Meme kanseri hastaları üzerinde yapılan klinik çalışmalar, BC gelişiminin erken tespitinin hastaların 5 yıllık sağ kalım oranını %99’a kadar artırabileceğini gösteriyor. Kendi kendine ve klinik meme muayenesi, meme yoğunluğundaki değişiklikleri bulmak için birincil tanı aracı olmasına rağmen, mamografi görüntüleme, hastalığı teşhis etmek için halen geçerli tanı tekniğidir. Mamografi taramasının duyarlılığı yaklaşık %75, ancak meme yoğunluğu fazla olan orta yaşlı kadınlarda bu oran %50’ye düşebiliyor. Ayrıca, iyi huylu ve kanserli dokunun ayrımı noktasında yalnızca mamografi taraması yeterli olmuyor. Yapay zekaya (AI) dayalı görüntü analizi kullanmanın hızlı büyümesi, son yıllarda şu anda kullanılan geleneksel meme görüntüleme tekniklerini ilerletme konusunda umut verici oluyor.
- Sizin Biomachine adını verdiğiniz bir projeniz var. Detaylarını sizden dinleyebilir miyiz?
Biomachine proje fikri, 2020 yılında TEKNOFEST Biyoteknoloji Fikir Kategorisi kapsamındaki çalışmalar sırasında filizlendi. Projemiz ile meme kanseri hastalarının klinik verilerinin hastalık gelişimi sürecinde rol oynayan genetik veri setleri ile makine öğrenme tabanlı inovatif tanı ve tarama sistemi geliştirilecek. Bahsedilen sistem ile hastalığın erken evrede teşhis ve tedavisini öngörebilen biyobelirteç tabanlı kişiye özgü tedavi çalışmalarına öncülük edilmesi amaçlanıyor.
Proje kapsamında, radyomik ve patolojik sonuçlar genetik özellikler ile meme hastalarının gen ekspresyon profili arasında bir bağlantı kurarak tümleşik bir veri tabanı geliştirilmesi üzerine çalışılıyor. Bu veritabanı sistemlerinin yapay zeka algortimaları ile entegrasyonu sonucunda geliştirdiğimiz yapay zeka temelli integratif meme kanseri ön tanı sistemi hastanın belirli verileri üzerinden tahmin sağlayarak erken evrede teşhisin önünü açacaktır.
- Proje, meme kanseri hastalığının teşhis ve tedavisi konusunda tam olarak nasıl bir fayda sağlayacak?
Nişantaşı Üniversitesi’nde yürüttüğümüz proje ile meme kanserinin erken evrede tanı ve teşhisi için klinik veriler ile biyoinformatik sistemlerin bütüncül bir yaklaşım ile değerlendirilmesini sağlamayı hedefliyoruz. Bu yaklaşım, bireye özgü ve hedefe yönelik ilaç geliştirilme çalışmaları için yeni bir dönemin başlamasına neden olacaktır. Günümüzde, kanser hastalarının patolojik, radyolojik ve genetik analiz sonuçlarının klinik veriler ile bütüncül olarak değerlendirilmesini sağlayan kişisel bir tanı sistemi henüz geliştirilmedi. Bilgisayarlı patoloji, radyoloji ve genetik analizlerin ortak bir makine öğrenme algoritması geliştirilerek sistemsel analizi, meme kanserinin erken tedavisi için kullanılacak yeni ilaçların keşfi ve geliştirilmesi çalışmalarını hızlandıracaktır.
