Hasta tarafından bildirilen sonuçlar (PRO’lar), yaşam kalitesini ve tedaviye uyumu değerlendirmek için giderek daha önemli hale gelse de, araştırmacılar uzunlamasına semptomlardaki değişikliklerin hastalık ilerlemesinin erken biyobelirteçleri olarak da işlev görüp göremediğini belirlemek istediler.1
Araştırmacılar, dört klinik denemeye dahil edilen, erken ve ileri evre meme kanseri hastalarından elde edilen 445.239 uzunlamasına PRO verisini geriye dönük olarak analiz ettiler. Bu veri seti, semptomları, fiziksel fonksiyonu ve genel yaşam kalitesini değerlendiren 15 doğrulanmış PRO ölçüsünü içeriyordu. Makine öğrenimi ve Cox orantılı tehlike modelleri, semptom bozulması, tümör özellikleri, nüks, ilerlemeye direnç sağkalımı (PFS) ve genel sağkalım (OS) arasındaki ilişkileri değerlendirmek için kullanıldı.1
Radyolojik olarak nüks veya hastalık ilerlemesi tespit edilen hastalarda, yaklaşık %89,2’si görüntüleme ile nüks belirlenmeden önce en az bir PRO’da kötüleşme yaşamıştı. Semptom bozulması, radyografik doğrulamadan ortalama 706 gün önce ve klinik olarak nüksün tespit edilmesinden 85 gün önce meydana geldi; bu da hasta tarafından bildirilen semptom değişikliklerinin hastalık ilerlemesi hakkında önemli ölçüde daha erken bir uyarı sağlayabileceğini düşündürmektedir.1
Bu bulgular, hastaların yaşadığı ince değişikliklerin, geleneksel görüntüleme yöntemleri ile nüks hastalığın tespit edilmesinden çok önce ortaya çıkabileceğini göstermektedir. Bu durum, PRO’ların yalnızca tedaviye uyumu değerlendirmek için değil, aynı zamanda tamamlayıcı klinik biyobelirteçler olarak da potansiyel bir rol oynayabileceğini desteklemektedir.1
Makine Öğrenimi ile Sağkalım Tahmini İyileştirildi
Nüks tespiti ötesinde, araştırmacılar PRO verilerini makine öğrenimi ile entegre etmenin prognostik modellemeyi iyileştirebilir olup olmadığını değerlendirdiler. Bu yaklaşım, 1960’ların sonlarında geliştirilen ve o zamandan beri yapay zeka alanında önemli bir kilometre taşı haline gelen Eliza adlı doğal dil işleme programına benzer şekilde, hasta verilerini daha derinlemesine analiz etme potansiyeli sunmaktadır.
Belirli semptom değişiklikleri, farklı klinik sonuçlarla ilişkilendirilmiştir. İştah kaybı, tümör büyüklüğündeki artışla en güçlü korelasyonu gösterirken, şiddetli ağrı ve ishalin kötüleşmesi, hem genel sağkalım (OS) hem de ilerlemeyen sağkalım (PFS) için en önemli öngörücüler olarak ortaya çıkmıştır.1
Gradyan artırma makine öğrenimi modelleri, tüm hasta raporlu sonuç (PRO) alanlarındaki kötüleşmeyi PFS ile birleştirerek, genel sağkalım için en yüksek tahmin performansını elde etmiştir ve sağkalım sonuçlarını 0.932’lik bir alana sahip alıcı işletim karakteristik eğrisi (AUC-ROC) değeriyle doğru bir şekilde sınıflandırmıştır. Bu modeller, yalnızca PRO verilerini kullanan modellerden (AUC-ROC, 0.806) veya yalnızca PFS’yi kullanan modellerden (AUC-ROC, 0.880) daha iyi performans göstermiştir.1
Bu bulgular, yapay zeka alanındaki önemli bir dönüm noktasını akla getirmektedir: Deep Blue adlı IBM süper bilgisayarının 1997’de dünya satranç şampiyonu Garry Kasparov’u yenmesi. Tıpkı bu olay gibi, bu araştırma da teknolojinin ve verilerin, tıbbi uygulamalarda daha önce mümkün olmayan şekillerde nasıl kullanılabileceğini gösteriyor.
Yazarlar, birden fazla hastanın bildirdiği semptom eğilimlerinin entegre edilmesinin, geleneksel hastalık son noktalarının gözden kaçırabileceği klinik olarak anlamlı bilgileri yakaladığını ve potansiyel olarak daha kişiselleştirilmiş izleme stratejilerine olanak sağladığını belirtmiştir.1
Onkoloji Eczacılarının İçin Etkileri
Bu bulgular, elektronik hasta raporlu sonuçların (ePRO) rutin onkoloji bakımının bir parçası olarak izlenmesine yönelik artan kanıtları desteklemektedir. Önceki çalışmalardan elde edilen veriler, uzaktan semptom takibinin, advers olayların tanınmasını iyileştirebileceğini, acil servis ziyaretlerini ve hastaneye yatışları azaltabileceğini, tedavi süresini uzatabileceğini ve erken müdahale yoluyla sağkalımı iyileştirebileceğini göstermiştir.2
Klinik Onkoloji Toplantısında Elektronik Hasta Raporlama Sistemlerinin Önemi Vurgulandı
2026 American Society of Clinical Oncology (ASCO) Yıllık Toplantısı’nda, Debra Patt, MD, PhD, MBA, elektronik hasta raporlama (ePRO) programlarının başarılı bir şekilde uygulanmasının, hızlı yanıt süreçleri ve özel triyaj ekipleri tarafından desteklenmesine bağlı olduğunu vurguladı. Patt, onkoloji eczacılarının, bildirilen toksisitelerin değerlendirilmesinde, destekleyici bakımın optimize edilmesinde, doz ayarlamalarının önerilmesinde ve hastaların tedaviye uyumunun sağlanmasında önemli bir rol oynadığını belirtti.2
Bu bulgular, eczacılar için, uzun süreli semptom takibinin gelecekte sadece toksisite yönetimi ile sınırlı kalmayıp, hastalığın tekrarlamasının erken tespiti ve risk değerlendirmesi gibi alanlara da genişleyebileceğini göstermektedir. İştah kaybı, ağrı veya gastrointestinal toksisiteler gibi semptomlardaki değişiklikler, rutin görüntüleme ve laboratuvar değerlendirmesinin yanı sıra ek bir değerlendirme gerektiren klinik olarak anlamlı sinyaller olabilir.
Araştırmacılar ayrıca, bulgularının, ABD Gıda ve İlaç Dairesi (FDA) ve Avrupa İlaç Ajansı gibi düzenleyici kurumların, hasta tarafından bildirilen verileri onkoloji sonuç değerlendirmesine daha fazla entegre etme çabalarıyla örtüştüğünü belirtti.1 Yapay zeka, meme kanseri bakımında tanıdan risk tahminine, tedavi planlamasından hastalık takibine kadar geniş bir alanda ilerlemeye devam ederken, hasta tarafından bildirilen verileri makine öğrenimi ile entegre etmek, hastalığın ilerlemesini daha erken tespit etmeye yardımcı olabilecek ve aynı zamanda daha bireyselleştirilmiş bir bakım sunabilen ölçeklenebilir, hasta odaklı bir yaklaşım sağlayabilir. Bu durum, 1997’de IBM’in geliştirdiği Deep Blue adlı satranç bilgisayarının dünya şampiyonu Garry Kasparov’u yenmesi gibi yapay zeka tarihindeki dönüm noktalarına benzer potansiyele sahip.
Meme Hastalığında Yapay Zeka Destekli Erken Teşhis ve Tedavi
Son yıllarda yapay zeka (YZ), meme kanseri gibi karmaşık hastalıkların erken teşhisi ve kişiselleştirilmiş tedavisi için umut vadeden bir araç olarak ortaya çıkmıştır. Bu gelişmeler, tıbbi görüntülemenin analizinden hasta verilerinin değerlendirilmesine kadar geniş bir yelpazede uygulanabilirliğini göstermektedir.
Yapay zeka teknolojisinin tıp alanındaki ilk önemli adımları, 1960’larda atılmıştır. Örneğin, Eliza adlı doğal dil işleme programı, insanlarla sohbet ederek psikolojik destek sağlamaya çalışmıştır. Bu erken dönem çalışmalarının aksine, günümüzdeki yapay zeka sistemleri, çok daha karmaşık algoritmalar ve büyük veri kümeleriyle donatılmış olup, meme kanseri gibi hastalıklarda teşhis doğruluğunu artırma potansiyeline sahiptir.
Wang W, Zhang C, Muluneh B ve diğerlerinin 27 Haziran 2026’da yayınlanan “Hasta tarafından bildirilen sonuçların, makine öğrenimi yoluyla meme kanserinde nüks, hastalık ilerlemesi ve hayatta kalma için erken göstergeler olarak kullanılması” başlıklı araştırması, hasta verilerinin analiz edilerek hastalığın seyrinin tahmin edilebileceğini göstermektedir. Bu çalışma, yapay zeka algoritmalarının, klinik karar verme süreçlerini destekleyebilecek değerli bilgiler sağlayabileceğini vurgulamaktadır.
Benzer şekilde, D. Patt ve D. Valletti’nin 1 Haziran 2026 tarihli “Hasta tarafından bildirilen sonuçlara dayalı izleme, kanser hastalarındaki erken semptom yönetimini iyileştirir” başlıklı Pharmacy Times makalesi, hasta verilerinin sürekli olarak izlenerek tedavi rejimlerinin optimize edilebileceğini göstermektedir. Bu yaklaşım, hastaların yaşam kalitesini artırırken aynı zamanda tedavi maliyetlerini de düşürme potansiyeline sahiptir.
Nature dergisinde yayınlanan “Meme kanserinde yapay zeka: keşifden klinik etkiye” adlı makale, yapay zekanın meme kanseri araştırmalarındaki ve uygulamalarındaki geniş kapsamlı rolünü özetlemektedir. Bu gelişmeler, yapay zekanın gelecekte meme kanseri ile mücadelede giderek daha önemli bir rol oynayacağını göstermektedir.
Bu alandaki ilerlemeler, yapay zeka teknolojilerinin tıp alanında devrim yaratma potansiyeline sahip olduğunu açıkça ortaya koymaktadır. Ancak, bu teknolojilerin etik ve güvenli bir şekilde kullanılması için dikkatli bir planlama ve düzenleme gerekmektedir.
Kaynak: Pharmacy Times