Microsoft bilgisayar uzmanları ile araştırmacıları kanserin ‘çözümü’ için çalışıyor

Microsoft’un tüm dünyadaki araştırma laboratuvarlarında, bilgisayar bilimcileri, programcılar, mühendisler ve birçok uzman, sistem tasarımı ve güvenliğinden kuantum hesaplama ve veri görselleştirmeye kadar bilgisayar endüstrisinin en çetin problemlerini çözmek için çalışıyor.

Bu bilim insanları, mühendisler ile programcılardan bazılarının oluşturduğu bir alt grubun ise farklı bir hedefi var: Bu grup, bilgisayar bilimini kullanarak insanlığın karşısındaki en karmaşık, ölümcül sorunlardan birini, kanseri çözmeye çalışıyor.

Bunu da test tüpleri, beher kaplarıyla değil, çoğunlukla algoritmalarla, bilgisayarlarla yapıyorlar.

Microsoft’un Cambridge, B.K.’taki laboratuvarında çalışan programlama ilke ve araçları grubunun biyoloji kökenli üyesi Jasmin Fisher, yaptıklarını, “Biyolojide yürütülen günlük araştırma yöntemlerini değiştirmeye çalışmak” olarak tanımlıyor.

Bir grup araştırmacı, dünyanın öndegelen onkologlarının hastaları için en etkili, bireyselleştirilmiş kanser tedavisini bulmalarına yardımcı olmak amacıyla, mevcut tüm araştırma verilerini kolayca düzenleyip arama yapacakları bir yöntemi oluşturmak için makine öğrenimi ve doğal dil sürecini kullanıyor.

Diğer bir grup, radyologların hastalarda tümörün ilerlemesini daha ayrıntılı bir biçimde anlayabilmelerini sağlamak amacıyla makine öğrenimini bilgisayar görüntülemesiyle eşleştiriyor.

Diğer bir araştırmacı grubu ise, bilim insanlarının kanserlerin nasıl oluştuğunu, bunlara karşı en etkili tedavilerin hangileri olduğunu anlamalarına yardımcı olan güçlü algoritmalar geliştirdi.

Yine bir başka grup, bilim insanlarının, bir gün, hücreleri, kanser dahil birçok hastalığa karşı savaşmak üzere programlayabilmelerini amaçlayan büyük bir hedefe yönelik çalışıyor.

İki temel bilgisayar bilimi yaklaşımı

Microsoft’un temel araştırma laboratuvarlarından sorumlu kurumsal başkan yardımcısı Jeannette M. Wing, projeler ayrı ayrı birbirlerinden çok farklı görünse de Microsoft’un kanserin çözümüne yönelik kapsayıcı felsefesinin iki temel yaklaşıma odaklandığını belirtiyor.

Yaklaşımlardan biri, kanser ile diğer biyolojik süreçlerin bilgi işleme sistemleri olduğu düşüncesine dayanıyor. Bu yaklaşımda, biyolojik süreçlerin modellenmesi, açıklanmasında, bilgi işleme süreçlerinin modellenmesi, açıklanması için kullanılan, programlama dilleri, derleyiciler, model denetleyiciler gibi, aynı araçlar kullanılıyor.

Diğer yaklaşım daha veri temelli. Araştırmacıların, makine öğrenimi gibi teknikleri, biyolojik verilerin beklenmedik bir biçimde ortaya çıkmış olan zengin çeşitliliğine uygulayabilecekleri, bu gelişmiş analiz araçlarını kanseri daha iyi anlamak, tedavi etmek için kullanabilecekleri düşüncesine dayanıyor.

Bu iki yaklaşımın paylaştığı ortak bir temel var; bunlardan biri, başarının hem biyologların hem bilgisayar bilimcilerinin uzmanlıklarını ortaya koymalarına bağlı olduğu düşüncesi.

Wing, “Biyologlar ile bilgisayar bilimcileri arasındaki işbirliği aslında bu çalışmanın işlerliğinin anahtarı,” diyor.

Wing’e göre Microsoft’un, kansere karşı yürütülen mücadelede bilgisayar biliminin kullanılması için yaptığı kapsamlı, cesur yatırımların geçerli bir nedeni var. Her şeyden önce şirketin temel misyonuyla yakından ilişkili.

“Her kişiye, her kuruluşa daha fazlasını başarma yetkinliğini kazandırmaktan söz ediyorsanız, bu, bu yolculuğun ilk adımıdır.”

Bundan da öte, diyor Wing, Microsoft’un bulut bilişime yaptığı kapsamlı yatırım, büyük sorunların çözülmesi için yüksek bilişim gücüne gerek duyan bir alanla doğal bir uyum sağlıyor.

Wing’e göre uzun dönemde Microsoft’un müşterilere, seçtikleri bilişim platformu hangisi olursa olsun, gerekli araçları sağlamanın yollarına yatırım yapması mantıklı; bu platform bir gün canlı bir hücre bile olabilir.

“Geleceğin bilgisayarları yalnızca silikondan yapılma olmayacak, belki de canlı maddeden yapılacak; onun için o bilgisayarlarda programlama yapmanın ne demek olduğunu anlamamız gerekir.”

Daha iyi tedavi için düzenli bilgi

Araştırma ekiplerinin çabaları hem kanserin oluşmasında hem de tedavi edilmesinde genetiğin oynadığı rolün anlaşılmasında büyük atılımların gerçekleştiği bir ortamda öne çıkıyor. Bu da her kanser olgusunu, bazen hassas tıp da denen kişiselleştirilmiş bir yaklaşımla tedavi etmeye odaklanma eğilimini güçlendiriyor.

Seçkin bir bilim insanı ve Microsoft’un genom bilim grubu kıdemli direktörü olan David Heckerman, “Kanserin tedavisi açısından bir devrim yaşıyoruz,” diyor. “Daha bundan 10 yıl önce dokunun tedavi edilmesi gerektiği düşünülüyordu: Kanser beyinde ise, beyin kanseri tedavisi alırdınız. Kanser akciğerde ise, akciğer kanseri tedavisi alırdınız. Şimdi ise, kanser genomunun, başka bir deyişle genomda bozulan genlerin tedavi edilmesinin en az hastalığın tedavi edilmesi kadar önemli olduğunu biliyoruz.”

Son dönemde insan genomunun ve diğer genetik materyalin haritasının kolay ve ekonomik şekilde çıkarılabilmesini sağlayan ilerlemeler bu araştırmalara yardımcı oldu. Bu, bilim insanlarına kanseri anlamaları ve daha kişiselleştirilmiş, daha etkili tedaviler geliştirmeleri için bol miktarda veri sağlıyor; ancak büyük miktarda veri beraberinde birçok zorluğu da getiriyor.

“Bilgi içinde boğulduğumuz bir noktaya geldik. Birçok şeyi ölçebiliyoruz. Ölçme yeteneğimiz olduğu için de hepsini ölçüyoruz,” diye anlatıyor Fisher. “Enformasyonu bilgiye nasıl dönüştürürsünüz? Bu ayrı bir hikaye. Burada, enformasyondan veriye, bilgiden anlayışa büyük bir sıçrama var.”

Araştırmacılar, bilgisayar bilimcilerin biyoloji bilimlerine en çok bu alanda yardımcı olabileceğini belirtiyorlar. En umut vaat eden yaklaşımlar, yapay zekanın hassas tıbbı yavaşlatan sıradan işleri otomatik olarak yürütebilen makine öğrenimi olarak adlandırılan bir dalının kullanımını içeriyor.

Daha temel bir senaryoda makine öğrenimi sistemi, daha önce gördüğü kedi resimlerine dayanarak bir fotoğraftaki kedileri tanımak gibi şeyleri yapabiliyor. Kanser araştırmaları alanında ise bu teknikler milyonlarca parçadan oluşan araştırma ve sağlık verilerini sınıflamak ve düzenlemek için kullanılıyor.

Microsoft’un Redmond, Washington’daki laboratuvarının araştırmacılarından Hoifung Poon, onkologlara hastalarının bireysel ihtiyaçlarına göre etkili kanser tedavilerine dair güncel bilgileri bulmalarına yardımcı olmak için makine okuması adı verilen bir teknik kullanıyor. Poon, “Yapay zeka ve makine öğrenimi bizim sessiz kahramanlarımız,” diyor.

Bir diğer önemli avantaj da bulut bilişim. Araştırmacılar, Azure bulut bilişim platformu gibi araçları kullanarak, tıp uzmanları kendilerine ait güçlü bilgisayarlara sahip olmasalar bile, herkesin internet üzerinde erişebilmesi için araçları bulutta barındırarak biyologlara bu tür yöntemleri sağlayabiliyorlar.

Microsoft araştırmacıları, diğer kişilerin üzerine kurabilecekleri ve geliştirebilecekleri platformu sağlayan uzun geçmişe sahip bir yazılım şirketi olarak şirketin hesaplamalı kanser çalışmalarına rehberlik edecek iyi bir konuma sahip olduğunu belirtiyorlar.

Kanserin tedavisi açısından bir devrim yaşıyoruz

– David Heckerman, Microsoft

Microsoft’un Cambridge, B.K.’taki laboratuvarında bulunan biyolojik bilişim araştırmaları grubunun yöneticisi Andrew Phillips, “Microsoft’un gerçekten çok iyi yaptığı işlerin birleşimine bakarsanız Microsoft’un bu sektörde olması çok mantıklı,” diyor.

Phillips, özellikle kendi çalıştığı alanda araştırmacıların Microsoft’un bir yazılım mucidi olarak geçmişinden çok yararlandığını belirtiyor ve “Bilgisayarları programlamak için geliştirdiğimiz yöntemleri biyolojiyi programlamak için kullanabiliyor, böylelikle daha fazla uygulamanın ve daha iyi tedavilerin kilidini de açabiliyoruz,” diye ekliyor.

Kuşkusuz, biyologlar, onkologlar ve diğer kanser araştırmacıları için erişilebilir ve anlaşılabilir olmadıkça bu araçların hiçbiri kanserle mücadeleye ve yaşamları kurtarmaya yardımcı olmayacaktır.

Microsoft araştırmacıları sistemlerini, teknoloji ve bilgisayar biliminde herhangi bir birikimi—veya özel bir ilgisi— olmayan kişilerin dahi kullanabileceği kadar kolay hale getirmek için büyük çaba harcadıklarını anlatıyorlar. Bu, doktor ve biyologların konuştukları dili öğrenmekten, onların laboratuvarlarında kullandıkları sistemleri kopyalayan bilgisayar tabanlı araçları tasarlamaya kadar her şeyi içeriyor.

Halen tümör değişikliklerini değerlendiren sistemler üzerinde çalışan ve programlama dilleri ve makine öğrenimi uzmanı olan kıdemli araştırmacı Aditya Nori, “Doktorlara yardımcı olacak araçları geliştirmekten her zaman söz ediyoruz,” diyor.

Adı

Jasmin Fisher

Görevi

Kıdemli araştırmacı

Eğitimi

Yaşam bilimleri lisans derecesi; biyofizik ve fizyoloji mastır derecesi; nöroimmünoloji doktorası, Weizmann Institute of Science, İsrail.

Biyoloji ile bilgisayar biliminin kesişimi ile ilgilenmeye nasıl başladınız?

Doktoramı tamamlamak üzereyken, sistemler biyolojisine karşı yeni gelişen bir ilgi vardı. Bu ortamda, karmaşık, dinamik biyoloji sistemlerinde hesaplamalı yöntemlerin kullanımının taşıdığı potansiyel ilgimi çekti.

Bu çalışmanızı neden Microsoft Research ile sürdürmeye karar verdiniz?

Hedefim, o zaman olduğu gibi şimdi de araştırma yapma yöntemimizi değiştirecek, özellikle kanser araştırmalarını ilerletecek ileri teknolojiler geliştirmek. Böyle temel bir çalışmanın yapılabileceği en iyi yerin ancak Microsoft Research gibi bir ortam olduğunu düşünüyorum.

Jasmin Fisher’in istediği kanseri iyileştirmek değil. Fisher kanseri çözmek istiyor. Bunun da kendi ömrü içinde başarılabileceğine inanıyor.

Microsoft’un Cambridge, B.K.’taki laboratuvarında programlama ilke ve araçları grubunun kıdemli araştırmacısı ve Cambridge Üniversitesi biyokimya bölümü doçentlerinden olan Fisher, “Kanserin ortadan kalkacağını söylemiyorum,” diyor. “Ancak yönetebildiğinizde —onu nasıl denetim altına alabileceğinizi bildiğinizde— problem çözülmüştür.”

Fisher ve ekibi, bunu başarabilmek için teknolojinin kanseri ya da daha net söylersek, bir hücrenin kanserleşmesine neden olan biyolojik süreçleri anlamak amacıyla kullanılması gerektiğine inanıyor. Sorunun nerede oluştuğunu anladıktan sonra artık bunun nasıl düzeltileceğinin çözülmesi gerekiyor.

Fisher kanser araştırmalarında hesaplamalı yaklaşımı kullanıyor ve bunu bilgisayar bilimcilerin bilgisayar programlarını ele aldığı gibi düşünüyor. Hedefi, bir hücrenin kendisine verilen komutları yerine getirmesine veya belli bir şekilde davranmasına neden olan programı ya da talimatlar dizisini anlamak. Bir hücrenin sağlıklı davranışını tanımlayan bir bilgisayar programı geliştirdikten ve bu davranışları hastalıklı hücrenin davranışlarıyla karşılaştırdıktan sonra, sağlıksız davranışın nasıl düzeltileceğinin yolunu bulabilirsiniz.

“Bu programları nasıl oluşturacağınızı anladıktan sonra hataları ayıklayabilir ve problemi çözersiniz,” diyor Fisher.

Biyo Model Çözümleyici

Kulağa basit geliyor, ama bu aşamaya gelmek kuşkusuz çok karmaşık bir süreç.

Fisher ekibinin benimsediği yöntemlerden biri de Biyo Model Çözümleyici, ya da kısa adıyla BMA (Bio Model Analyzer). Bu, biyologların hücreler arasındaki etkileşim ve iletişimi ve aralarında kurdukları bağları modellemelerini mümkün kılan bulut tabanlı bir araç.

Sistem, sağlıklı bir hücrenin biyolojik süreçlerini hastalığın gelmesiyle birlikte oluşan anormal süreçleri karşılaştıran bir bilgisayarlı model oluşturuyor. Bu da bilim insanlarının insan vücudundaki milyonlarca gen ve protein arasındaki, kansere yol açan etkileşimleri görmelerine ve o hasta için en iyi, en az zarar veren yöntemle kişiselleştirilmiş tedaviyi kolayca planlamalarına olanak tanıyabilir.

Projede Fisher ile birlikte çalışan ve Cambridge’deki Royal Society Üniversitesi araştırma görevlilerinden olan Ben Hall, “BMA’yı kanserleri anlamak— kanserleşme sürecini anlamak, süregelen iletişimleri anlamak— için kullanıyorum,” diyor.

Hall, BMA’nın kanserin oluşmadan önce nasıl saptanacağını, hangi ilaçların en etkili olacağını ve kanserin hangi noktada bu ilaçlara karşı direnç geliştireceğini modelleme yoluyla kanserin nasıl daha iyi tedavi edilebileceğini anlamak gibi birçok kullanım alanı olduğunu belirtiyor.

BMA’nın kullanabileceği yollara bir örnek: Ender görülen, ölümcül türde beyin kanserli bir hasta düşünelim. Klinisyenler, BMA kullanarak o hastanın tüm biyolojik bilgilerini sisteme girerler. Sonra sistemi, kanserli hastanın bilgilerini örneğin sağlıklı bir hastanın bilgileriyle karşılaştıran çeşitli denemeleri yürütmek ya da hastanın metabolizmasının farklı ilaçlara nasıl tepki vereceğini simüle etmek için kullanırlar.

İnsan vücudunda birlikte çalışan milyonlarca molekül, protein ve gende çok fazla değişken olduğu için bu tür hesaplamaları bir insanın kalem ve kağıtla ya da daha basit bir bilgisayar programıyla yapması mümkün değildir. Fisher’in düşündüğü türdeki çözümleri oluşturmak için bu son derece karmaşık modelleri oluşturacak ve anomaliler için olası çözümleri tarayacak yetenekte güçlü hesaplamalı modellere ihtiyacınız vardır.

Bu tür denemeleri kağıt kalem ya da test tüpleri ve beher kapları yerine simülasyon —veya bilgisayar— kullanarak yürütme yeteneği, araştırmacıların aynı zamanda birçok olasılığı kolayca test etmelerini de mümkün kılmaktadır. Bu da onlara kanserlerin nasıl geliştiğini, ilerlediğini ve vücudun diğer bölgeleriyle nasıl ilişki kurduğunu daha iyi anlamalarını sağlamaktadır.

İlaç şirketi AstraZeneca’nın baş araştırmacılarından olan ve ekibi Fisher’in ekibiyle birlikte çalışmalar yapan Jonathan Dry, “Laboratuvarda mümkün olana göre çok daha fazla olasılığı test edebiliyoruz. Bunun araştırmaları hızlandıracağını düşünüyorum,” diyor.

Geçmişte, diye anlatıyor Dry, herhangi bir hipotezi test etmenin getirdiği büyük zorluklar, araştırmacıların akıllarına yatanlara odaklanmaları, bilgilerine dayanarak hangisinin en umut verici olduğuna dair tahmin yürütmelerini gerektiriyordu. BMA gibi bir sistem araştırmacıların çeşitli fikirleri denemelerine olanak tanıyor, bu da hem doğru olanını bulma olasılıklarını artırıyor hem de tahmin edilmeyen bir başarıyı elden kaçırma olasılıklarını azaltıyor.

“Laboratuvara girip her bir hipotezin deneyini yürütmek neredeyse olanaksız olurdu,” diyor Dry. “Bu modeller bize gerçekten tüm olasılıklara dair anlayış kazandırıyor.”

Kanser tedavisini geliştirme ve kişiselleştirme

Microsoft ve AstraZeneca BMA’yı belli bir lösemi türü olan hastalarda ilaç etkileşimlerini ve direncini daha iyi anlamak için kullanıyor. İki araştırma ekibi BMA sayesinde neden farklı hastaların belli tedavilere farklı tepki verdiğini daha iyi anlayabildi.

Dry’a göre BMA, kanser tedavisinde kişiselleştirilmiş yaklaşımlar ya da hassas tıp için büyük umut veriyor. Araştırmacılar, BMA gibi bir sistemin araştırmacıların ve onkologların giderek bir kişinin kanser olgusuna detaylı olarak bakmalarını, hastanın başka bir hastalığı olup olmadığı ya da kanser ilaçlarıyla etkileşime girebilecek kanser dışı ilaçlar alıp almadığı gibi, tedaviyi etkileyebilecek diğer faktörleri değerlendiren testleri yürütmelerini mümkün kılacağını umuyorlar.

“Gerçekten de her hastanın bir birey olduğunu ve büyük bir heterojenliğin olabileceğini görüyor,” diyor Dry.

Bir biyoloğa anlam ifade eden bir bilgisayar bilimi sistemi

Fisher, BMA gibi sistemlerin kanserin anlaşılma biçiminde devrim yaratabileceğine, ancak başarının yalnızca biyolog bu sistemleri rahat kullanabilirse mümkün olabileceğine inanıyor.

BMA üzerinde kapsamlı olarak çalışmış bir tasarımcı olan David Benque, sistemin biyologlar için mümkün olduğunca tanıdık ve anlaşılabilir olacak şekilde geliştirildiğini söylüyor. Benque, bilim insanlarının laboratuvarda kullanabileceklerini görsel olarak kopyalayan ve biyologların anlayabileceği dili kullanan araçları oluşturmak için yıllarca çalışmış.

Fisher, bu tür sistemlerin “biyolog dostu” olmasının zorunlu olduğunu belirtiyor. Akdi halde, diyor Fisher, kanserin çözümlenmesi için gereken atılım asla gerçekleşemez:

“Kanser araştırmalarında bilişime ihtiyaç olduğunu herkes görüyor. Bunu görmek bir şey, klinisyenleri bu araçları gerçekten kullanmaya ikna etmek başka bir şey.”

Yeni bir yazılım hazırlayan bir geliştiriciyseniz, büyük olasılıkla kodunuzu bilgisayar bilimcilerin ilkeli yöntem olarak tanımlamayı sevdikleri şekilde yazarsınız: Bir programlama dili ve bilişim kurallarına uyan bir sistem oluşturmak için geçerli diğer süreçleri kullanırsınız.

Neil Dalchau biyolojide de aynı şeyi yapmak istiyor. Dalchau, bilişimi silikon ortamı yerine hücrelerde yapmaya çalışan bir ekibin üyesi.

Adı

Andrew Phillips

Görevi

Bio Computation Grubu Yöneticisi

Eğitimi

Bilgisayar ve elektronik mühendisliği lisans derecesi, Institut national des sciences appliquées de Toulouse, FRansa; bilgisayar bilimi mastır derecesi, Cambridge Üniversitesi, B.K.; bilgisayar bilimi doktorası, Imperial College London, B.K.

Biyoloji ile bilgisayar biliminin kesişimi ile ilgilenmeye nasıl başladınız?

Biyolojik sistemleri düşünme ve programlamadaki zorlukların, karmaşık, koşut, dağıtılmış bilgisayar sistemlerini düşünme ve programlamadaki zorlukları yansıttığını gördüm.

Bu çalışmanızı neden Microsoft Research ile sürdürmeye karar verdiniz?

Microsoft Research dünyanın önde gelen bilgisayar bilimi araştırma kurumu. Burada geliştirdiğimiz yöntemler, biyolojik sistemlerin nasıl çalıştığını anlama yeteneğinizi olduğu gibi bu sistemleri programlama yeteneğinizi de derinden etkileme potansiyeline sahip.

Microsoft’un Cambridge, B.K.’taki laboratuvarında bulunan biyolojik bilişim araştırmaları grubu araştırmacılarından olan Dalchau, “Biyolojik sistemlerle bilişim yapabiliyorsanız, geleneksel bilişimde öğrendiklerimizi tıp ya da biyoteknoloji uygulamalarına da aktarabilirsiniz,” diyor.

Bu hesaplamalı yaklaşımın büyük bir hedefi var: Biyolojiyi, bilgisayarları programladığımız gibi programlamak. Bu, hastalıkların tedavisinden dünyaya daha verimli besinler kazandırmaya kadar birçok olanağın önünü açacak bir atılım.

Biyolojik Bilişim Araştırmaları Grubunun yöneticisi Andrew Phillips, “Günlük yaşamımız her yönüyle etkilenecek,” diyor.

Phillips, yöntemlerden birinin, hücrenin içine yerleştirilerek hastalığı izleyen bir tür bir moleküler bilgisayar geliştirmek olduğunu anlatıyor. Sensör bir hastalık algılarsa, bu hastalıkla mücadele edecek tepkiyi başlatacak.

Günümüzün kanserli hücrelerle mücadele ederken sonuçta sağlıklı hücreleri de yok eden birçok tedavisine göre bu çok büyük bir gelişme.

Erken, ama umut verici adımlar

Phillips, bilgisayar bilimcilerin henüz bu araştırmaların erken evrelerinde ve bu tür uzun dönemli hedeflerin de daha çok uzakta olduğuna dikkat çekiyor.

“Bu sonuçta varılmak istenen uygulama,” diyor.

Büyük ve belirgin zorluklardan biri, bedenlerimiz de dahil olmak üzere, biyolojik sistemlerin yazılım çalıştırmak için yarattığımız donanımdan —bilgisayarlardan— çok daha gizemli olması.

“Bilgisayarı biz yaptık. Nasıl çalıştığını biliyoruz. Hücreyi biz yapmadık; birçok karmaşık iç işleyişi bizim için hala gizemli bir konu. Programlayabilmek için hücrenin nasıl işlediğini anlamamız gerekiyor,” diyor Phillip. “Hücreleri analiz edeceğimiz, programlayacağımız yöntemi ve yazılımı geliştirmemiz gerekiyor.”

Örneğin, kanseri ele alalım. Yine biyolojik bilişim grubunda çalışan bilim insanı Sara-Jane Dunn, kanseri arıza yapan bir biyolojik program, aksaklığa yol açan bir hatanın olduğu sağlıklı bir hücre olarak düşünebileceğimizi anlatıyor. Aynı şekilde bağışıklık sistemini de hepsini olmasa da bazı hataları düzeltme yeteneği olan bir makine gibi düşünebileceğimizi söylüyor.

Bilim insanları, kansere neyin yol açtığına ve bağışıklık sistemini neyin etkinleştirdiğine dair çok şey öğrendi; ama Dunn çalışmaların henüz erken aşamada olduğunu ve daha yapılacak çok şeyin olduğunu belirtiyor. Ekibi bu sistemleri bir PC üzerinde Microsoft Word’ü çalıştırmayı olduğu kadar iyi anladığımız bir noktaya geldiğinde, belki de bağışıklık sistemini kansere kendiliğinden güçlü bir tepki başlatacak şekilde donatabiliriz.

“Biyolojiyi programlayabilmek istiyorsak, her şeyden önce biyolojinin işlediğinin ne olduğunu anlamamız gerekir,” diyor. “İşte bu konuda önemli bazı etkilerimizin olabileceğini düşünüyorum.”

Bilgisayarları programladığımız gibi biyolojiyi de programlayabilme yeteneği çok uçuk bir çaba mı? Phillips iddialı, uzun dönemli bir hedef olduğuna inanıyor, ama başarıya giden yolu da görüyor.

“Aya yolculuk gibi bunun teknik olarak mümkün olduğunu biliyoruz,” diyor. “Şimdi mesele bunu gerçeğe dönüştürmek.”

Bu yıl tüm dünyada milyonlarca insan kanser tanısı alacak. Önde gelen kanser kurumlarında uzmanlar, bunlardan seçili bazıları için moleküler tümör kurulları adı altında toplanarak o hastanın bireysel geçmişini inceleyecek ve kanser tanısına ve genetik yapısına göre en iyi, kişiselleştirilmiş tedavi planını oluşturacak.

Hoifung Poon moleküler tümör kurulunu demokratikleştirmek istiyor; bunun için de bir araştırmacılar ekibiyle birlikte bir araç üzerinde çalışıyor.

Adı, Project Hanover. Bu, kanser uzmanlarının her olguyu ayrı ayrı değerlendirmesini böylesine zorlaştıran sıradan işleri otomatik olarak yürütmek için yapay zekanın makine öğrenimi adı verilen bir dalını kullanan veri temelli bir yaklaşım.

“Kanserin çoğunlukla tek bir mutasyonla oluşmadığını, yerine, birçok farklı mutasyonun karmaşık etkileşimlerinden kaynaklandığını biliyoruz. Bu da hemen hemen genom hakkında bildiğiniz her şeye bakmanız gerektiği anlamına geliyor,” diyor Poon.

Bunu yapmak, tek bir kişi ve o tek bir kişinin kanser olgusu için geçerli olan ortak temeli bulmak için milyonlarca parça halindeki bilgiyi inceleyerek elden geçirmeyi gerektirebilir. Birçok hastası olan yoğun çalışan bir onkolog için bu, tek kelimeyle mümkün değil.

Onun için Microsoft araştırmacıları doktorların bugün bu göreve yaklaşımını geliştirebilecek bir sistem üzerinde çalışıyorlar. Sistem, parçalar halindeki bilgileri otomatik olarak sınıflandırıp, en ilgili veri parçalarını bulacak, böylelikle tümör uzmanlarına uzmanlıklarını hastaları için en iyi tedavi planını oluşturmaya ayırabilecekleri daha fazla zamanı kazandıracak şekilde tasarlandı.

Nihai hedef doktorların tüm bu araştırmaları yapmasına yardımcı olmak, ardından da doktorların topladıkları bilgilere dayanarak en etkili tedavileri modelleyecekleri Microsoft Azure bulut bilişim tabanlı bir araç sunmak.

Microsoft’un baş yazılım mimarlarından ve Project Hanover ekibinin üyesi Ravi Pandya, “Bu bilgi tabanını her bir hastaya en uygun araştırma sonuçlarını sunmak için kullanabildiğimizde, normal bir onkolog bunlara bakarak en iyi kararı verebilir,” diyor.

Literome ile imkansızı başarmak

Project Hanover, milyonlarca araştırma belgesini tarayarak bireysel hastalık tanısında geçerli olabilecek genom çalışmalarını arayan bir bulut bilişim tabanlı sistem olan Literome adlı araçla başladı.

Bu, çalışmaların miktarı nedeniyle onkologların tek başlarına yapamayacakları kadar büyük bir iş. Araştırmacıların çalışmalarını her zaman tutarlı bir biçimde bildirmemeleri ise böyle bir çalışmayı daha da karmaşıklaştırmakta. Bu, aynı genetik bilgilere odaklanan farklı çalışmalarda kullanılan dilin örtüşmemesi demek.

“Sorun, insanların aynı şeyi söylemek için farklı yollar bulacak kadar yaratıcı olmaları,” diyor Poon.

Literome’u geliştirirken Poon ve ekip arkadaşları makine öğrenimi kullanarak, benzer bilgilere dair farklı tanımları bulacak gelişmiş bir model hazırlamak için yalnızca küçük miktarda bir bilgiyi gerektiren doğal dil işleme araçları oluşturdular.

Adı

Hoifung Poon

Görevi

Araştırmacı

Eğitimi

Bilgisayar bilimi lisans derecesi, Sun Yat-Sen Üniversitesi, Çin; bilgisayar bilimi ve mühendislik doktorası, Washington Üniversitesi, A.B.D.

Biyoloji ile bilgisayar biliminin kesişimi ile ilgilenmeye nasıl başladınız?

Üniversitede öğrenciyken evrim hakkında bir kitap okuduktan sonra biyolojiye merak sardım. Son dönemde ise genom bilimi ve diğer büyük verilerin ortaya çıkışı, hassas tıbbın verdiği umudun habercisi. Bu da bilgisayar bilimini, bilgi ve akıl yürütmenin getirdiği temel zorluklara karşı mücadelede çok önemli bir konuma yerleştirmekte. Bilgisayar bilimcisi olarak bunun çekiciliğinin karşı konulmaz olduğunu düşünüyorum.

Bu çalışmanızı neden Microsoft Research ile sürdürmeye karar verdiniz?

Microsoft, benzersiz bir akademik özgürlük ortamı, birbirlerini destekleyen ve birbirlerini tamamlayan becerilere sahip çalışma arkadaşlarından oluşan harika bir karma ve uygulamada yüksek etki yaratma potansiyeline sahip temel araştırmayı (Pasteur’s quadrant) destekleyen liderlik sunuyor. Microsoft’un bulut bilişim ve kurumsal etkileşimdeki güçlü özellikleri, aynı zamanda milyonlarca hastaya yardımcı olacak ilerlemeye de katkıda bulunuyor.

Şu anda araç, yararlı olabilecek diğer çalışmalara ve diğer bilgi kaynaklarına da bakacak şekilde genişletiliyor.

Poon’un ekibi ayrıca, araştırmacıların karmaşık, çoğunlukla öldürücü bir kanser türü olan akut miyeloid lösemiye karşı mücadelenin daha etkili yollarını bulmalarına yardımcı olmak amacıyla Oregon Health and Science Üniversitesindeki Knight Kanser Enstitüsü ile birlikte çalışıyor.

Knight Kanser Enstitüsü’nün direktörü Brian Druker, bu kanser türüne yakalanan bir insanın aslında löseminin üç veya dört farklı tipiyle mücadele edebildiğini belirtiyor. Bu, kullanılacak doğru ilacın hangisi olduğunu ve hastanın tedaviye direnç gösterip göstermeyeceğini anlamayı son derece zorlaştırmakta.

Önceki çalışması kronik miyeloid lösemi hastalarında yaşam beklentisinin büyük ölçüde iyileştirilmesini sağlayan Druker, “Ürettiğimiz tüm verileri anlamaya ve bunlardan anlam çıkarmaya çalışmak için son derece gelişmiş bir hesaplamalı çalışmaya ihtiyacımız olduğu belliydi,” diyor.

Druker, bu tür işbirliğini iki yönlü bir konuşma olarak görüyor: Ekibindeki uzmanlar, bilgisayar bilimcilerin verilerde neyi arayacaklarını anlamalarına yardımcı olan hipotezleri sağlayabiliyor. Bilgisayar bilimcileri de buna karşılık, uzmanların hipotezlerini kanıtlamak ya da çürütmek için gerek duydukları analizi yürütebiliyorlar.

Bu da gereken tedavileri ve terapileri daha hızlı ve kolay geliştirmelerine yardımcı oluyor.

Druker, “Verilerin bize yanıtı vermeye çalıştığına her zaman inandım, ama verileri nasıl dinleyeceğimizi bilmemiz gerekiyor,” diyor. “İşte hesaplamalar burada devreye giriyor.”

Verilerin bize yanıtı vermeye çalıştığına her zaman inandım, ama verileri nasıl dinleyeceğimizi bilmemiz gerekiyor. İşte hesaplamalar burada devreye giriyor.

– Brian Druker, Knight Kanser Enstitüsü

Druker’a göre verilerin kanser araştırmaları için bilgi sağlamaya nasıl yardımcı olabileceğini anlamaya yeni başlıyoruz. Druker, genom verilerine ek olarak araştırmacıların da proteomik (protein çalışmaları), metabolomik (metabolitleri içeren kimyasal süreçlerin çalışması) gibi, onun diğer “omikler” olarak adlandırdığı alanlara bakmaya başlamaları gerektiğini anlatıyor.

“Genomun ötesine geçmemiz gerekecek. Genom bize çok şey anlatıyor, ama her şeyi anlatmıyor.”

Poon, araştırmaların henüz başlarında olduklarını, ama bunun yaşamları değiştirebileceğini, kurtarabileceğini görmeye başladıklarını belirtiyor.

“Gerçek anlamda umut veren bir geleceğin işaretlerini gördüğümüz, beklenti yaratan bir noktadayız; ama yapılacak daha çok iş var,” diyor Poon.

Radyologlar hastanın vücudunda olup bitenleri gösteren en iyi, en hassas tabloyu almak istediklerinde genellikle milyonlarca dolar değerindeki güncel cihazlardan yararlanarak çok detaylı görüntüler alabiliyorlar.

Peki, ya bu görüntüleri aldıktan sonra? Birçok durumda bunları okumak için kullandıkları en yüksek teknoloji insan gözü oluyor.

Microsoft’un Cambridge, B.K.’taki laboratuvarında radyomik araştırmalarını yöneten makine öğrenimi ve görüntü işleme uzmanı Antonio Criminisi, “Gözle inceleme tanılamada işe yarıyor,” diyor. “Radyoloji uzmanları bir görüntüye, örneğin bir hastanın beyin görüntüsüne bakıp iki saniyede, “‘Evet, burada tümör var’ ya da ‘Hayır, tümör yok’ diyebiliyor.”

Adı

Antonio Criminisi

Görevi

Baş araştırmacı

Eğitimi

Elektronik mühendisliği lisans derecesi, Palermo Üniversitesi, İtalya; görüntü işleme doktorası, Oxford Üniversitesi, B.K.

Biyoloji ile bilgisayar biliminin kesişimi ile ilgilenmeye nasıl başladınız?

Görüntü işleme alanıyla ilgilenmeye başladığımdan beri, hep bu alanın en iyi uygulamasının her tür tıbbi görüntülemenin otomatik analizi olacağını düşündüm.

Bu çalışmanızı neden Microsoft Research ile sürdürmeye karar verdiniz?

Microsoft bana gerçek anlamda yenilikçi sağlık ürünleri oluşturmamızı mümkün kılan temel çalışmaları geliştirme olanağını sağladı.

Ancak Criminisi, bir tedavinin etkili olup olmayacağını anlamak gerektiğinde radyologların işinin çok daha zor olduğunu söylüyor. Çünkü insan gözü, modern radyolojik görüntülemenin bir tümörün büyüdüğünü, küçüldüğünü ya da şeklinin değiştiğini gösterebildiği karmaşıklıkta ölçebilecek kadar iyi değil.

Daha iyi teknoloji, daha çok veri demek

Birkaç yıl önce, Birleşik Krallık’taki Royal College of Radiologists’in başkanı olan radyolog Giles Maskell, tipik bir bilgisayarlı tomografi taramasında 200 görüntü alınabildiğini söyledi. Bugün aynı taramada 2000 görüntü alınabiliyor; insan gözünün algılayamayacağı zenginlikte veri elde edilebiliyor.

“İnce detaylar, tamamını anlama ve anlamlandıracak şekilde işleme yeteneğimizi fazlasıyla aşıyor,” diyor Maskell.

Daha basit ifade edersek, teknolojiye ayak uydurabilmek için radyologların teknolojiye ihtiyacı var.

“Verileri bize bu çok sayıdaki görüntüleri analiz etmemizi kolaylaştıracak şekilde sunacak yardıma ihtiyacımız var,” diyor Maskell.

Criminisi’nin ekibi de burada devreye giriyor. Ekibin veri temelli yaklaşımı, görüntü işleme ve makine öğrenimi yoluyla radyologlara daha detaylı ve tutarlı ölçümler sağlayarak uzmanlıklarını artırmayı hedefleyen bir araştırma projesine odaklanıyor.

Araştırmacıların üzerinde çalıştıkları sistem, giderek 3B tarama görüntüleri tek tek pikseller halinde değerlendirerek, radyologlara tümörün son taramadan beri ne kadar büyüdüğünü, küçüldüğünü veya şeklinin ne kadar değiştiğini söyleyebilir.

Radyologlara bir oluşumun bir kist mi yoksa bir tümör mü olabileceğine dair daha iyi bir fikir vermek için doku yoğunluğu gibi bilgileri de sağlayabilir. Tümörü çevreleyen hücrelerin sağlığına dair daha ayrıntılı analiz de sağlayabilir.

“Bütün bunların gözle yapılabilmesi neredeyse imkansız,” diyor Criminisi.

Amaç radyologların uzmanlıklarının yerini almak değil, onların işlerini daha iyi yapmalarına olanak sağlamak.

Maskell, “İnsanın yorumuna her ihtiyaç olacak,” diyor. “Bilgisayarlar ve bilgisayar bilimi bizlerin daha iyi karar vermemizi mümkün kılacak.”