İlerlemiş kanserlerden muzdarip hastaları tedavi ederken sağlık uzmanlarının genellikle farklı tedavilerin bir kombinasyonunu kullanması gerekir. Kanser cerrahisine ek olarak, hastalar genellikle radyasyon tedavisi, ilaç tedavisi veya her ikisi ile tedavi edilir. İlaçlar aynı zamanda farklı kanser hücrelerine etki eden farklı ilaçlarla birleştirilebilir. Kombinatoryal ilaç tedavileri genellikle tedavinin etkililiğini iyileştirir ve tek tek ilaçların dozajı azaltılabilirse zararlı yan etkileri de azaltabilir. Bununla birlikte, ilaç kombinasyonlarının deneysel taraması çok yavaş ve pahalıdır ve kombinasyon terapisinin tüm faydalarını keşfetmede çoğu kez başarısız sonuç elde edilir. Ancak yeni bir makine öğrenme yöntemi ile belirli genetik veya işlevsel yapıya sahip kanser hücrelerini yok etmek için en iyi kombinasyonlar belirlenebiliyor.
Finlandiya’daki Aalto Üniversitesi, Helsinki Üniversitesi ve Turku Üniversitesi’ndeki araştırmacılar, farklı kanser ilaçlarının kombinasyonlarının çeşitli kanser hücrelerini nasıl öldürdüğünü doğru bir şekilde tahmin eden bir makine öğrenimi modeli geliştirdi. Yeni AI modeli, ilaçlar ve kanser hücreleri arasındaki ilişkiyi araştıran önceki çalışmalardan elde edilen geniş bir veri seti ile eğitildi.
Araştırma sonuçları prestijli Nature Communications dergisinde yayınlandı ve modelin ilaçlar ve kanser hücreleri arasında daha önce gözlenmeyen ilişkiler bulduğunu gösterdi. Araştırmacılardan Prof. Rousu, “Model çok doğru sonuçlar veriyor. Örneğin, deneylerimizde korelasyon katsayısının değerleri 0,9’dan fazlaydı ve bu da mükemmel güvenilirliğe işaret ediyor.” diyor.
Model, ilaç kombinasyonunun bu kanser türü üzerindeki etkisi daha önce test edilmediğinde, bir ilaç kombinasyonunun belirli kanser hücrelerini nasıl inhibe ettiğini doğru bir şekilde tahmin ediyor. Helsinki Üniversitesi’nden araştırmacı Tero Aittokallio, “Bu, kanser araştırmacılarının daha fazla araştırma için binlerce seçenek arasından hangi ilaç kombinasyonlarını seçeceklerine öncelik vermelerine yardımcı olacak.” diyor.
Aynı makine öğrenimi yaklaşımı kanserli olmayan hastalıklar için de kullanılabiliyor. Bu durumda ise modele o hastalıkla ilgili verileri yeniden öğretmek gerekecek. Örneğin model, farklı antibiyotik kombinasyonlarının bakteriyel enfeksiyonları nasıl etkilediğini veya farklı ilaç kombinasyonlarının SARS-Cov-2 koronavirüsü tarafından enfekte olmuş hücreleri ne kadar etkili bir şekilde öldürdüğünü incelemek için kullanılabilecek.
