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 belirlemeye çalıştılar.1
Araştırmacılar, dört klinik denemeye dahil edilen, erken ve ileri evre meme kanseri hastalarından oluşan 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 ölçüsünde kötüleşme yaşamıştı. Semptom bozulması, radyografik doğrulamadan ortalama 706 gün önce ve klinik olarak nüksün tespit edilmesinden 85 gün önce meydana geldi. Bu durum, hasta tarafından bildirilen semptom değişikliklerinin hastalık ilerlemesi hakkında önemli ölçüde daha erken bir uyarı sağlayabileceğini düşündürmektedir.1
Bu bulgular, hastaların yaşadığı semptomlardaki ince değişikliklerin, geleneksel görüntüleme yöntemleriyle nüks eden hastalığın tespitinden çok önce ortaya çıkabileceğini göstermektedir. Bu durum, PRO’ların sadece tedaviye uyumu değerlendirmek için değil, aynı zamanda tamamlayıcı klinik biyobelirteçler olarak da potansiyel bir rol oynayabileceğini desteklemektedir.
Bu çalışma, yapay zeka ve makine öğreniminin sağlık alanındaki uygulamalarına ışık tutmaktadır. Bu alandaki gelişmeler, 1950’li yıllarda Arthur Samuel tarafından geliştirilen ilk oyun oynayan bilgisayar programı olan dama oyunu oynama programından günümüze kadar uzanan uzun bir yolculuğun sonucudur. Tıpkı o dönemde yapay zekanın oyun dünyasında gösterdiği başarıların, gelecekteki uygulamalar için bir umut ışığı olması gibi, bu çalışmanın sonuçları da erken tanı ve kişiselleştirilmiş tedavi yaklaşımları için yeni olanaklar sunmaktadır.
Makine Öğrenimi ile Sağkalım Tahmini İyileştirildi
Nüks tespiti ötesinde, araştırmacılar PRO verilerini makine öğrenimi ile entegre etmenin prognostik modellemeyi nasıl iyileştirebileceğini değerlendirdiler.
Belirli semptom değişiklikleri, farklı klinik sonuçlarla ilişkilendirilmiştir. İştah kaybı, tümör büyüklüğündeki artışla en güçlü korelasyonu gösterirken, şiddetli ağrı ve ishal, hem genel sağkalım (OS) hem de ilerlemeyen sağkalım (PFS) için en önemli öngörücüler olarak ortaya çıkmıştır.1
Gradyan güçlendirme makine öğrenimi modelleri, tüm hasta raporlu sonuç (PRO) alanlarındaki bozulmayı PFS ile birleştirerek genel sağkalım için en yüksek öngörü performansı elde etmiştir. Bu modeller, hayatta kalma sonuçlarını 0.932’lik bir alana sahip alıcı çalışma karakteristik eğrisi (AUC-ROC) değeriyle doğru bir şekilde sınıflandırmıştır. Bu performans, yalnızca PRO verilerini kullanan modellerin (AUC-ROC, 0.806) veya yalnızca PFS’yi kullanan modellerin (AUC-ROC, 0.880) performansını aşmıştır.1
Bu bulgular, yapay zeka alanındaki gelişmelere paralel olarak, tıbbi alanda da benzer bir dönüm noktasını temsil ediyor olabilir. Örneğin, Deep Blue adlı bilgisayarın 1997’de dünya satranç şampiyonu Garry Kasparov’u yenmesi, o dönem için büyük bir yapay zeka başarısıydı ve tıpkı bu çalışmadaki gibi, geleneksel yöntemlerin ötesine geçen yeni yaklaşımların potansiyelini gösteriyordu.
Yazarlar, birden fazla hastanın bildirdiği semptom eğilimlerinin entegre edilmesinin, geleneksel hastalık son noktalarının gözden kaçırabileceği klinik olarak anlamlı bilgiler sağladığını ve daha kişiselleştirilmiş takip stratejilerine olanak sağlayabileceğini belirtmiştir.1
Onkoloji Eczacılarının İçin Etkileri
Bu bulgular, rutin onkoloji bakımının bir parçası olarak elektronik hasta raporlu sonuç (ePRO) izlemesinin kullanımını destekleyen artan kanıtları pekiştirmektedir. Önceki çalışmalardan elde edilen verilere göre, uzaktan semptom takibi, olumsuz olayların daha iyi tespit edilmesini sağlayabilir, acil servise yapılan ziyaretleri ve hastaneye yatışları azaltabilir, tedavi süresini uzatabilir ve erken müdahale yoluyla sağkalımı iyileştirebilir.2
Klinik Onkoloji Toplantısında Elektronik Hasta Raporlama Programlarının 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 belirtti. Patt, onkoloji eczacılarının, bildirilen toksisitelerin değerlendirilmesinde, destekleyici bakımın optimize edilmesinde, doz ayarlamalarının önerilmesinde ve hastaların tedaviye uyumunun sağlanmasında kritik bir rol oynadığını vurguladı.2
Eczacılar için yapılan bu araştırmalar, uzun vadede semptom takibinin sadece toksisite yönetimiyle sınırlı kalmayıp, hastalığın tekrarlamasının erken tespiti ve risk değerlendirmesi gibi alanlara da genişleyebileceğini gösteriyor. 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, FDA (Gıda ve İlaç Dairesi) 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 her alanda ilerlemeye devam ederken, makine öğrenimini hasta tarafından bildirilen verilerle entegre etmek, hastalığın ilerlemesini daha erken tespit etmeye yardımcı olabilecek ve aynı zamanda daha kişiselleştirilmiş bir bakım sunabilen ölçeklenebilir, hasta odaklı bir yaklaşım sağlayabilir.3 Bu durum, 1950’li yıllarda geliştirilen ilk yapay sinir ağlarının basit hesaplamalarla bile insan benzeri sonuçlar üretme potansiyelini göstermesine benziyor; o zamanlar bu sadece bir başlangıçtı ve şimdi yapay zeka, sağlık hizmetlerinde devrim yaratma potansiyeline sahip.
Meme Hastalığında Erken Teşhis ve Kişiselleştirilmiş Tedaviye Yönelik Yenilikçi Yaklaşımlar
Son yıllarda, meme kanseri alanında önemli gelişmeler yaşanmaktadır. Bu gelişmeler, erken teşhisin önemi vurgulanırken, hastaların tedavi süreçlerine daha fazla dahil edilmesini hedefleyen kişiselleştirilmiş yaklaşımların benimsenmesiyle şekillenmektedir. Yapay zeka (YZ) ve makine öğrenimi (ML), bu alandaki dönüşümün önemli bir parçasıdır.
Yapay zeka, tıbbi görüntüleme analizinde devrim yaratma potansiyeline sahiptir. Örneğin, YZ algoritmaları, radyologların gözünden kaçabilecek küçük lezyonları tespit edebilir ve böylece daha erken teşhis imkanı sunabilir. Bu durum, hastalığın ilerlemesini yavaşlatarak tedavi başarısını artırabilir. Yapay zekanın bu alandaki potansiyeli, 1997’de IBM’in Deep Blue süper bilgisayarının dünya satranç şampiyonu Garry Kasparov’u yenmesiyle başlayan döneme benzer bir etki yaratmaktadır; tıbbi görüntüleme alanında da benzer bir paradigma değişikliğinin yaşandığı söylenebilir.
Hastaların tedavi süreçlerine daha fazla dahil edilmesi de büyük önem taşımaktadır. Hastalardan alınan geri bildirimler (patient-reported outcomes – PRO), hastalığın seyri, tedaviye yanıt ve genel sağlık durumu hakkında değerli bilgiler sağlar. Wang W, Zhang C, Muluneh B ve ark. tarafından NPJ Breast Cancer‘da yayınlanan bir çalışmada, hasta geri bildirimlerinin makine öğrenimi algoritmalarıyla analiz edilerek, nüks riski, hastalığın ilerlemesi ve genel sağkalım gibi erken belirtilerin tespit edilebildiği gösterilmiştir. Bu yaklaşım, hastaların tedavi planlarına daha aktif katılımını sağlayarak, kişiselleştirilmiş bir bakım anlayışının benimsenmesine katkıda bulunmaktadır.
Patt D ve Valletti D tarafından Pharmacy Times‘da yayınlanan bir makalede, hasta geri bildirimlerine dayalı izleme sistemlerinin (EPRO), kanser hastalarındaki erken semptom yönetimini nasıl iyileştirdiği vurgulanmıştır. Bu tür sistemler, hastaların yaşadığı belirtileri düzenli olarak takip etmelerine ve sağlık profesyonelleriyle paylaşmalarına olanak tanır. Böylece, olası sorunlar erken tespit edilerek müdahale edilebilir ve hastaların yaşam kalitesi artırılabilir.
Nature‘da yayınlanan bir makalede, yapay zekanın meme kanseri araştırmalarından klinik uygulamalara kadar olan geniş kapsamlı etkileri ele alınmıştır. Bu makale, yapay zeka teknolojilerinin sadece teşhis ve tedavi süreçlerini iyileştirmekle kalmayıp, aynı zamanda hastalığın temel mekanizmalarının anlaşılmasına da katkıda bulunduğunu göstermektedir. Yapay zekanın bu alandaki potansiyeli, gelecekte daha etkili ve kişiselleştirilmiş tedavilerin geliştirilmesine olanak sağlayacaktır.
Kaynak: Pharmacy Times