S3 Virtual Workshop Series: Drug Response and Resistance
NCI Scientific Events and Resources · · Kaynak
NCI’nin İngilizce “Drug Response and Resistance” atölye kaydı, kanserde ilaç yanıtı ve direncinin zamansal ve mekânsal biyolojisini ele alır. Etkinlik 20 Mayıs 2025’te yapıldı; YouTube yayını 23 Nisan 2026 tarihlidir. Genel araştırma bağlamı sağlar; PERCEPTION’ın klinik yararını doğrulayan bir çalışma veya bu makaleye özgü haber değildir.
Videoyu açtığınızda YouTube ile bağlantı kurulacak ve cihaz bilgileriniz sağlayıcıya aktarılabilecektir. Gizlilik odaklı oynatıcı kullanılır; oynatma sırasında çerezler kullanılabilir. Video otomatik başlamaz.
Tek hücre verisi hangi sorunu ele alır?
Bir tümör, ilaçlara farklı yanıt verebilen hücre alt grupları içerebilir. Toplu RNA ölçümü bu çeşitliliği ortalama bir sinyal içinde birleştirir; tek hücre RNA dizilemesi ise hücreler arasındaki farklılıkları incelemeye yardımcı olur. NCI, bu ölçümlerin daha maliyetli olduğunu ve klinikte yaygın biçimde bulunmadığını belirtiyor.
PERCEPTION nasıl öğrenir?
18 Nisan 2024’te yayımlanan araştırmada, model önce hücre hatlarının toplu gen ifadesi ve ilaç tarama verilerinden öğrenir; ardından tek hücre verileriyle ayarlanır. Bu, bir veri türünde öğrenileni ilişkili başka bir veri türüne aktaran transfer öğrenmesi yaklaşımıdır. Çalışma, 133 ilaç arasından belirlenen ölçütü karşılayan 44 ilaç için tahmin modelleri elde etti; bu sayılar hasta başarı oranı değildir.
Hangi hasta verileri değerlendirildi?
NCI açıklamasına göre daha önce yayımlanmış verilerde, dört ilaçlı kombinasyon alan 41 multipl miyelom hastası ve iki ilaçlı kombinasyon alan 33 meme kanseri hastası incelendi. Ayrıca hedefe yönelik tedavi alan 24 küçük hücreli dışı akciğer kanseri hastasının verilerinde direnç gelişimi araştırıldı. Bunlar farklı hastalık ve tedavi bağlamlarıdır; tek bir genel doğruluk yüzdesine indirgenmemelidir.
Tahmin ile klinik yarar ve izin neden ayrıdır?
Bu analizlerde yanıtla ilişkili örüntü bulunması, modelin yönlendirdiği tedavinin ileriye dönük karşılaştırmada sonuçları iyileştirdiğini kanıtlamaz. Kaynakta ilaçların FDA onaylı olarak tanımlanması da AI yönteminin veya önerdiği her kullanımın onaylandığı anlamına gelmez. Araştırma bulgusu, klinik kullanım kararı ve düzenleyici izin ayrı değerlendirilmelidir.
Sonraki kanıtta ne aranmalı?
Editoryal değerlendirme: yeni merkezlerde ve farklı hasta gruplarında bağımsız doğrulama, ölçüm kalitesinin etkisi ve ileriye dönük klinik yarar değerlendirmesi önemlidir. Benzer RNA profili, aynı kişisel sonucu garanti etmez. Buradaki açıklama bir ilacın başlanması, değiştirilmesi veya bırakılması için öneri değildir; RAI ürünleri hakkında etkinlik sonucu çıkarmaz.
Kaynaklar
Bu yazı eğitim ve bilgilendirme amaçlıdır. Kaynaklara referans verilmesi, ilgili kuruluşların RAI Health Pro’yu onayladığı anlamına gelmez. Ürün veya model için klinik etkinlik iddiası değildir.