Stanford’un “Virtual Biotech” sistemi 55.984 klinik denemeden ne öğrendi?

Virtual Biotech, kendi başına deney yapan ya da ilaç üreten otonom bir ilaç şirketi değil; büyük ölçekli bir hesaplamalı araştırma sistemi. Stanford’dan James Zou ve Harrison Zhang’ın geliştirdiği yapı, sanal bir bilim direktörünün koordinasyonunda çalışan uzman yapay zekâ ajanlarını bir araya getiriyor. Amaç, biyomedikal kanıtları çok sayıda göreve bölüp eş zamanlı incelemek. 12

Sistemin en dikkat çekici gösterimi, 55.984 klinik denemenin sonuçlarını derlemesi ve analiz etmesiydi. Bu çalışma, ilaç hedefi seçimine yardımcı olabilecek örüntüler ile akciğer kanserine yönelik bir tedavi hipotezi ortaya koydu. Ancak bunların hiçbiri yeni bir tedavinin güvenli veya etkili olduğunu kanıtlamıyor: bunun için laboratuvar çalışmaları, insanlarda klinik denemeler ve düzenleyici kurumların değerlendirmesi gerekir. 12

37 binden fazla ajan klinik denemeleri nasıl işledi?

Virtual Biotech, devasa literatürü tek bir genel amaçlı modele özetletmek yerine görevleri bilimsel uzmanlıklara göre dağıttı. Sanal baş bilim direktörü ajanı; hedef biyolojisi, moleküler tasarım ve klinik deneme analizi gibi alanlardaki ajanlara iş devrediyor, ardından sonuçları bir araya getiriyor. 12

Büyük klinik deneme analizi için sistem, paralel biçimde 37 binden fazla klinik-deneme ajanı kullandı. Bu ajanlar, 55.984 denemede yayımlanmış güvenlilik ve etkililik sonuçlarını yapılandırdı; ilaç hedeflerini genomik, moleküler ve tek hücre düzeyindeki açıklamalarla ilişkilendirdi. Stanford’un açıklamasına göre yaklaşık 50 bin deneme bir haftadan kısa sürede kataloglandı. 2

Hızın kaynağı paralel çalışma düzeniydi: birçok ajan, ayrı deneme kayıtlarını aynı anda bulabiliyor, açıklama ekleyebiliyor ve kontrol edebiliyordu. Bu, çok büyük ölçekte bir kanıt derleme iş akışıydı; sistemin deneyleri bağımsız biçimde yürüttüğü ya da klinik olarak doğrulanmış bir ilaç keşfettiği anlamına gelmiyor. 12

Daha iyi tarihsel sonuçlarla ilişkilendirilen iki hedef özelliği

Analiz, ilaç hedeflerinde iki özelliğe işaret etti:

• Hücre tipi özgüllüğü: Bir genin veya proteinin birçok hücrede yaygın biçimde etkin olması yerine, hastalıkla en ilgili hücre türünde yoğunlaşması.
• Bimodal davranış: Gen etkinliğinin kademeli bir süreklilikten çok, açık/kapalı anahtarına benzer şekilde seyretmesi.

Araştırmacılar, güçlü hücre tipi özgüllüğü ve bimodal davranış sergileyen hedeflerin, tarihsel klinik deneme verilerinde daha iyi ilaç geliştirme sonuçlarıyla ilişkili olduğunu bildirdi. Hücre tipi özgül genleri hedefleyen ilaçların Faz I’den Faz II’ye geçme olasılığı %40, pazara ulaşma olasılığı %48 daha yüksekti; ayrıca bunlar %32 daha az advers olayla ilişkilendirildi. 2

Bu oranlar, düzenlenmiş tarihsel veri setindeki ilişkileri anlatıyor; her hedef ya da her tedavi için garanti niteliğinde değil. Hastalıkla ilişkili hücrelerde sınırlı kalan bir hedefin daha seçici biçimde etkilenebilmesi ve bu nedenle vücudun başka yerlerindeki istenmeyen etkilerin azalabilmesi olası bir açıklama. Yine de bu biyolojik yorumun deneysel olarak sınanması gerekiyor. 12

Akciğer kanserinde B7-H3/CD276 hipotezi

Virtual Biotech, akciğer kanserinde B7-H3 olarak da bilinen CD276 proteinini de inceledi. Sistem, Ocak 2025’ten önce kamuya açık olan bilgilere dayanarak B7-H3’ün tümöre komşu fibroblastlarda ifade edilmesine ilişkin bir gerekçe belirledi. Bu hücrelerin, tümör çevresinde bağışıklık baskılanmasına katkıda bulunabileceği hipotezini ortaya koydu. 2

Önerilen yaklaşım, antikor-ilaç konjugatı (ADC) idi: B7-H3’e yönelen bir antikorun, hücre öldürücü bir yükle birleştirilmesi. ADC’lerin temel fikri, kanser hücreleriyle veya hedefi taşıyan hücrelerle daha seçici biçimde buluşarak sitotoksik bileşiği tercihli olarak o bölgeye ulaştırmaktır. Buradaki çıktı, üretilmiş bir ürün ya da kanıtlanmış tedavi değil; klinik öncesi tasarım ve mekanizma hipotezidir. 12

B7-H3, sektörün de aktif olarak çalıştığı bir hedef. GSK, risvutatug rezetecanı (GSK5764227), küçük hücreli akciğer kanseri için araştırma aşamasındaki B7-H3 hedefli bir ADC olarak tanımlıyor. Şirketin materyallerinde, ilacın nüks etmiş veya tedaviye dirençli yaygın evre küçük hücreli akciğer kanserinde ABD Gıda ve İlaç Dairesi’nden (FDA) Çığır Açıcı Tedavi Tanımı aldığı da belirtiliyor.

Bununla birlikte, mevcut kaynaklar GSK programını Virtual Biotech önerisinin daha sonraki klinik doğrulaması olarak sunmayı desteklemiyor. GSK’nın ilgili duyurusu Ağustos 2024 tarihli; bu tarih Stanford analizinin kullandığı Ocak 2025 öncesi kamuya açık bilgi kesiminden daha erken. Dolayısıyla B7-H3’e yönelik ortak ilgi, bir hedef etrafındaki stratejik yakınsamayı gösterir; yapay zekâ sisteminin GSK programını başlattığını, aynen tekrarladığını veya klinik olarak doğruladığını göstermez. 2

Sistemin henüz göstermediği şeyler

Asıl sınırlama, hesaplamalı akıl yürütme ile tıbbi kanıt arasındaki mesafe. Yapay zekâ ajanları:

• hücre, hayvan veya insan deneyleri yürütmedi;
• bir ADC’nin seçiciliğini, dozunu, farmakokinetiğini, toksisitesini ya da direnç profilini ortaya koymadı;
• bir tedavi üretmedi;
• klinik bir çalışmada hastalara fayda sağladığını göstermedi. 12

Diğer bilim insanları da platformun, ilaç keşfindeki belirleyici sınav olan deneysel doğrulamadan henüz geçmediğine dikkat çekti. Tarihsel korelasyonlar hangi çalışmaların önceliklendirileceğine yardımcı olabilir; fakat veri kalitesi sorunları, karıştırıcı etkenler veya gelecekte tekrarlanmayan örüntüler de bu ilişkileri etkileyebilir. 1

Bir sonraki kritik aşama: deneysel doğrulama

Virtual Biotech’in en değerli kullanım alanı, çok geniş bilimsel arama alanını daraltmak ve kanıt taramasını daha sistematik hâle getirmek olabilir. Soruyu tanımlamak, temel kanıtları incelemek, biyolojik makullüğü değerlendirmek ve hangi hipotezin araştırmaya değer olduğuna karar vermek ise hâlâ insan bilim insanlarının sorumluluğunda. 12

B7-H3 önerisinin anlamlı biçimde doğrulanması için bağımsız tekrar çalışmalarının ardından hedef biyolojisi, ADC’nin bağlanması ve seçiciliği, etkililik, toksisite, farmakokinetik ve direnç üzerine laboratuvar araştırmaları gerekir. Bir tedavinin hastaların sonuçlarını iyileştirip iyileştirmediğini yalnızca uygun tasarlanmış klinik denemeler belirleyebilir. 12

Özetle sonuç umut verici ancak temkin gerektiriyor: Çok ajanlı yapay zekâ, biyomedikal kanıtları hızlı biçimde düzenleyebilir ve sınanabilir hipotezler üretebilir. Buna rağmen dikkatli deneysel bilimin ve her kritik aşamadaki insan muhakemesinin yerini almış değil.