Yeni Doku Atlası, Yapay Zekânın Kanserleri Anlamasına Yardımcı Olmayı Hedefliyor

Bir doku mikrodizisinin akciğer tümörü çekirdeğinin imajing sitometrisi. Kaynak: 2026 EPFL/AIMM—CC-BY-SA 4.0

Hücrelerin dokuda nasıl dizildiği, hastalık hakkında hücrelerin kendileri kadar bilgi verebilir. Örneğin hekimler bir kanser tümörünü incelerken yalnızca hangi hücrelerin var olduğuna bakmakla kalmaz, aynı zamanda bu hücrelerin nasıl dizildiğine ve birbirleriyle nasıl etkileştiğine de bakmak isterler. Çünkü kanser hücrelerinin komşu bağışıklık hücreleriyle etkileşimi, bir hastalığın nasıl geliştiğine veya tedaviye nasıl yanıt verdiğine dair önemli ipuçları sunabilir.

Bilim insanları bu ilişkileri uzaysal proteomik kullanarak inceleyebilirler; bu teknoloji, onlarca proteini ölçerek bu düzeni yakalar ve proteinlerin konumlarını korur. Proteinler hücrelerin ne yaptığını kontrol etmeye yardımcı olduğundan, bu görüntüler sağlıklı ve hastalıktaki dokuların nasıl çalıştığına dair değerli bir tablo sunar.

Ancak ortaya çıkan veri setlerini birleştirmek zordur. Dünya genelinde araştırma laboratuvarları farklı ekipmanlar kullanır, farklı proteinleri inceler ve sonuçlarını farklı şekillerde saklar. Bu bilgilerin birleştirilmesi karmaşık ve zaman alıcıdır; bu da büyük miktarlarda verinin hem geleneksel çalışmalar hem de artık yapay zekâ eğitimi için kullanilmasını zorlaştırır.

Bu zorluğu aşmak için, Loş ve Bilimler Fakültesi ile Bilgisayar ve İletişim Bilimleri Fakültesi’ndeki EPFL’nin Charlotte Bunne önderliğindeki Molekül Tıbbında Yapay Zekâ grubu, araştırmayı kolaylaştırmayı amaçlayan “spora” adlı bir uzaysal proteomik referans atlası geliştirdi; bu, uzaysal proteomik doku görüntülerinin ve tıbbi verilerin dünya çapındaki en büyük, ücretsiz erişilebilir koleksiyonudur.

İki yıllık iş

Avrupa Molekül Tıbbı Laboratuvarı’nın Avrupa Biyoenformatik Enstitüsü (EMBL-EBI) ile işbirliğiyle yayımlanan koleksiyon, 14 doku kökeni ve beş imajing teknolojisi boyunca 5.477 hastadan gelen 13.546 çoklu görüntü içeriyor. Mümkün olduğu durumlarda, molekül ölçümlerini rutin patolojide kullanılan doku görüntüleriyle bağlayan eşleşmiş histopatoloji görüntülerini de içeriyor.

Spora’nın oluşturulması, EPFL, Zurich Üniversite Hastanesi, Zurich Üniversitesi, Cenevre Üniversite Hastaneleri ve Cenevre Üniversitesi’nden gelen bilim insanları ve biyomedikal uzmanlarının iki yıllık çalışmalarını gerektirdi. Araştırmacılar, farklı çalışmaların verilerinin karşılaştırılabilmesi için binlerce görüntüyü düzenlemek, protein açıklamalarını standartlaştırmak, tıbbi bilgileri eşleştirmek ve hücreleri tek tek belirlemek zorunda kaldı.

“Kohortlar arasında veri toplamak ve uyumlamak büyük bir zaman alıyor ve bu hem büyük ölçekli AI geliştirmesi hem de biyolojik keşif için büyük bir engel oluşturuyor,” diyor EPFL’de doktora öğrencisi ve çalışmanın arXiv ön baskı sunucusuna yüklenen ilk yazarı Benedikt von Querfurth. “Araştırmacıların hazır kullanıma hazır verilerle başlamasını, böylece modeller ve biyolojik sorulara odaklanmalarını istiyoruz.”

Hastalar için daha iyi tahminlere doğru

Derleme, orijinal çalışmalar ve açıklamalarıyla bağlantıları koruyor. Ölçülen proteinler, görüntüleme koşulları ve mevcut klinik bilgiler arasındaki farklar görünür kalarak araştırmacıların hangi veri setlerinin kendi sorularına uygun olduğunu belirlemelerine yardımcı oluyor.

“Atlas”ın yanı sıra spora, araştırmacılara veriye erişme ve analiz etme, AI modelleri geliştirme ve farklı çalışmalar içinde ne kadar iyi performans gösterdiklerini değerlendirme araçları sağlıyor.

“Bu önemli, çünkü bir model tek bir çalışma içinde iyi performans gösterebilir ve hastalar, laboratuvar veya ölçüm teknolojisi değiştiğinde yine zorlanabilir,” diyor EPFL ve Zurich Üniversite Hastanesi’nden doktora sonrası araştırmacı Lukas Klein. “Paylaşılan veri setleri ve değerlendirme protokollerimiz bu farkları sistematik olarak incelememizi sağlıyor. Tek bir kohortun ötesine geçen biyolojiyi yakalamak istiyorsak bu gerekli.”

Spora şu anda temelde kanser araştırmalarına odaklanmakla birlikte, ekip projeyi daha fazla doku, hastalık ve görüntüleme teknolojisini kapsayacak şekilde genişletmeyi umuyor. “Hedefimiz, binlerce doku örneğinden edindiğimiz bilgileri, bireysel hastalara yardımcı olabilecek içgörüye dönüştürmek,” diyor Bunne. “Klinikçilerle yakın işbirliği içinde, bu içgörüleri hastanın hastalığının nasıl ilerleyeceğine dair daha iyi tahminlere ve hastalara en fazla faydayı sağlayacak tedavilere çevirmeyi hedefliyoruz.”

Benedikt von Querfurth et al., spora: A Unified Multimodal Dataset and Platform for Spatial Proteomics, arXiv (2026). DOI: 10.48550/arxiv.2610.24002

Dergi bilgileri:
arXiv

histoloji
Hücresel organizasyon, fizyoloji & dinamikler
Dokular
Bioformatics
Tıbbi görüntüleme

Hakedişiyle sağlayan:
Ecole Polytechnique Federale de Lausanne

Bu hikayenin ardındaki kişiler:

BA sanat tarihi, MA malzeme kültürü. Eski müze editörü, acil durum sağlık teknisyeni ve organ nakil koordinatörü. 2021’den beri Science X için editörlük.

Profilin tamamı →

Matematiksel biyoloji lisansı, yaratıcı yazma yüksek lisansı. Dünyayı dolaşmış, bilim ve dil hakkında özgün bakış açılarına sahip.

Profilin tamamı →

Atıf

:
Yeni doku atlası, AI’ın kanseri anlamasına yardımcı tiêniyor (2026, 28 Ekim)
28 Ekim 2026’da
https://phys.org/news/2026-10-tissue-atlas-aims-ai-cancer.html adresinden alındı

Bu belge telif hakkına tabidir. Özel çalışma veya araştırma amacıyla yapılan adil kullanım dışında, içerigin tamamı veya bir kısmı yazılı izinsiz hiçbir şekilde çoğaltılamaz. İçerik yalnızca bilgi amaçlı sunulmaktadır.