Kolon kanseri: Mikrobiyom, riski tahmin edebilir ve erken tanıya yol gösterebilir.

Bağırsak mikrobiyomu, bir bireyin kolorektal kanser geliştirme riskini öngörebilir ve invaziv olmayan ve kişiselleştirilmiş tarama testlerinin temeli olan gerçek bir erken sağlık göstergesi olabilir. Bu, Bari Aldo Moro Üniversitesi, Üniversitelerarası Fizik Bölümü ve Toprak, Bitki ve Gıda Bilimleri Bölümü, Floransa Üniversitesi ve Ulusal Nükleer Fizik Enstitüsü (INFN) tarafından yürütülen ortak bir çalışmada ortaya konmuştur. Ulusal Araştırma Konseyi (NRRP) tarafından finanse edilen bir projenin parçası olan çalışma, Bari Üniversitesi Profesörü Sabina Tangaro tarafından koordine edilmiş ve bağırsak mikrobiyomu araştırmaları için önde gelen uluslararası bir dergi olan Gut Microbes'ta yayınlanmıştır. Bir basın bültenine göre çalışma, bağırsak mikrobiyal profillerini analiz etmek için açıklanabilir yapay zeka (XAI) kullanımına dayanan kolorektal kanserin erken teşhisine yönelik yenilikçi ve kişiselleştirilmiş bir yaklaşım sunmaktadır. Çalışmanın yazarları, erken teşhise yönelik yenilikçi ve şeffaf bir yaklaşım geliştirmek için uzmanlıklarını birleştiren fizikçiler, hekimler ve biyologlardır.

Bir varsayımla başlayalım: Kolorektal kanser (KRK), dünya çapında kanser kaynaklı ölümlerin ikinci önde gelen nedenidir . Bunu belirlemek için mevcut tanı standardı, genel nüfus tarafından sınırlı kullanımı olan invaziv bir test olan kolonoskopiyi içermektedir. Bu nedenle, risk altındaki kişilerin erken teşhisi için alternatif, invaziv olmayan ve etkili yöntemlerin geliştirilmesine acilen ihtiyaç duyulmaktadır.

Kolon kanseri, sağlıklı epitelden adenoma ve invaziv karsinoma kadar iyi tanımlanmış bir evrimsel sıra ile gelişir , ancak bu ilerlemenin altında yatan moleküler mekanizmalar hala büyük ölçüde bilinmemektedir. Bağırsak mikrobiyomu üzerine yapılan artan çalışmalar, bağırsakta bulunan belirli bakteri türlerinin kolon kanserinin oluşumunda ve ilerlemesinde önemli bir rol oynayabileceğini, inflamasyonu, bağışıklık tepkisini ve hücre metabolizmasını etkileyebileceğini göstermektedir.

Bari ve Floransa Üniversiteleri ile Ulusal Nükleer Fizik Enstitüsü (INFN) tarafından birlikte geliştirilen çalışmada, 453 hastadan alınan dışkı örneklerinden elde edilen genetik dizileme verileri, adenom veya tümör varlığını öngören mikrobiyal biyobelirteçleri belirlemek amacıyla açıklanabilir yapay zekâ (XAI) kullanılarak analiz edildi. Model, risk altındaki bireyleri bağımsız bir İtalyan hasta grubunda bile doğru bir şekilde belirleyerek mükemmel bir performans gösterdi ve gerçekten risk altında olan vakaları belirlemede %89'luk bir doğruluk oranına ulaşarak yanlış alarmları en aza indirdi. Açıklanabilir yaklaşım sayesinde, Fusobacterium ve Peptostreptococcus (artmış riskle ilişkilendirilen) ve Eubacterium eligens grubu (düşük riskle ilişkilendirilen) gibi en alakalı bakteri türlerini belirlemek de mümkün oldu.

Yapay zekâ, riski öngörmenin yanı sıra (açıklamada ayrıntılarıyla anlatılıyor) bakteriler arasındaki gizli bağlantıların ortaya çıkarılmasını da sağladı. Çalışmanın en yenilikçi yönlerinden biri, araştırmacıların tek tek bakterileri tanımlamanın ötesine geçerek mikrobiyal cinsler arasındaki etkileşimleri ve bunların kanser riski üzerindeki birleşik etkilerini analiz etmelerine olanak tanıyan SHAP etkileşim değerlerinin kullanılmasıydı. Böylece mikrobiyom, mikroorganizmaların sinerjik veya antagonistik olarak hareket edebildiği karmaşık bir ağ olarak yorumlandı. Analiz, karsinom hastalarında gözlemlenenlere benzer bakteri profillerine sahip adenom hastalarının alt gruplarını belirleyerek, tümörün klinik başlangıcından önce potansiyel olarak tespit edilebilecek mikrobiyal geçiş durumlarının varlığını düşündürdü.

Özellikle, bu yüksek riskli alt gruplarda, mikrobiyal ağda önemli bir rol oynayan merkezi bakteri cinsleri (merkezler) ortaya çıktı: bazı durumlarda, Peptostreptococcus, Fusobacterium, Parvimonas ve Porphyromonas ile güçlü etkileşimlerle en bağlantılı düğümdü; diğerlerinde, ağın merkezi Fusobacterium tarafından domine edildi ve Lachnospiraceae UCG-010 gibi diğer cinslerden katkılar vardı. Tek tek bakterilerin izole varlığı yerine, bu tekrarlayan mikrobiyal konfigürasyonlar, tek belirteçler yerine mikrobiyal ekosistemin dinamiklerine dayalı bir risk değerlendirmesinin önünü açarak en yüksek risk profilleriyle ilişkili gibi görünüyor. Açıklanabilir yapay zekanın benimsenmesi sayesinde, bu çalışma yalnızca etkili değil, aynı zamanda şeffaf ve yorumlanabilir bir öngörü modeli sunarak, kişiselleştirilmiş kolorektal kanser önlenmesini iyileştirmek için klinik pratiğe entegrasyonunu teşvik ediyor.

"Bu çalışma bize, hangi bakterilerin mevcut olduğunu bilmenin yeterli olmadığını öğretiyor: Birbirlerini nasıl etkilediklerini anlamamız gerekiyor. Farkı yaratan mikrobiyal ağdır," diye açıklıyor proje koordinatörleri Sabina Tangaro ve Amedeo Amedei (Floransa Üniversitesi). "XAI, mikrobiyomu karmaşık bir sistem olarak anlamamızı sağlıyor, ancak bunu klinisyenlerin erişebileceği araçlarla yapıyoruz."