YouTube

Got a YouTube account?

New: enable viewer-created translations and captions on your YouTube channel!

Turkish subtitles

← Yapay zekânın tıptaki potansiyeli ve metabolitler

Get Embed Code
35 Languages

Showing Revision 7 created 01/24/2020 by Cihan Ekmekçi.

  1. 2003 yılında,
  2. insan genomunu düzenlediğimizde
  3. birçok hastalığın tedavisini
    bulacağımızı düşünmüştük.
  4. Fakat gerçekler bundan daha farklı
  5. çünkü genlerimizin yanı sıra
  6. ciddi hastalıklara yakalanmamızda
    çevrenin ve yaşam biçiminin de
  7. büyük rolü var.
  8. Bunun bir örneği
    yağlı karaciğer hastalığı,

  9. bütün dünyanın %20'sini
    etkileyen bir hastalık,
  10. hiçbir tedavisi yok ve karaciğer kanserine
  11. veya karaciğer yetmezliğine yol açıyor.
  12. Yani DNA dizisi bize
    etkili tedavi bulmak için
  13. yeterli bilgi vermez.
  14. Olumlu yönden bakarsak vücudumuzda
    birçok diğer molekül bulunmakta.

  15. Hatta 100.000'den fazla metabolit mevcut.
  16. Metabolitler, çok küçük moleküllerdir.
  17. Bilinen örnekleri glikoz,
    fruktoz, yağlar, kolesterol.
  18. Her zaman duyduğumuz şeyler.
  19. Metabolitlerin
    metabolizmada işlevleri var.
  20. Ayrıca DNA'nın birer parçası,
  21. yani hem genlerimiz hem de
    yaşam tarzımız ile ilgili bilgi taşırlar.
  22. Metabolitleri anlamak, birçok hastalığa
    tedavi bulmak için önemli.
  23. Her zaman hastaları
    tedavi etmek istemiştim.

  24. Buna rağmen 15 yıl önce
    tıp okulundan ayrıldım
  25. çünkü matematiği özlemiştim.
  26. Kısa bir süre sonra
    çok güzel bir şey öğrendim.
  27. Tıp alanında çalışmak için
    matematik kullanabilirdim.
  28. O zamandan beri biyolojik veri
    analizi için algoritmalar geliştiriyorum.
  29. Sözde kulağa kolay geliyor:
  30. Hadi bütün vücudumuzdaki
    metabolitlerden bilgi toplayalım,
  31. bir hastalıkta nasıl değiştiklerini
    açıklayan matematiksel modeller yapalım
  32. ve bu değişikliklere engel olarak
    hastalığı tedavi edelim.
  33. Sonra neden bunu daha önce
    kimsenin denemediğini anladım,

  34. bu aşırı derecede zor bir iş.
  35. (Gülüşmeler)

  36. Vücudumuzda çok fazla metabolit var.

  37. Her biri birbirinden farklı.
  38. Bazı metabolitlerin kütlesini,
  39. kütle spektrometresi aletleri
    kullanarak hesaplayabiliyoruz.
  40. Ama aynı kütleye sahip olan diyelim ki
    10 tane molekül olabileceği için
  41. tam olarak ne olduklarını bilmiyoruz
  42. ve eğer hepsini tek tek
    ayırt etmek istiyorsak
  43. daha çok deneyler yapmamız gerekir,
    bu da onlarca yıla
  44. ve milyarlarca dolara mal olur.
  45. Biz de bunu yapması için bir yapay zekâ
    ya da AI platformu geliştirdik.

  46. Biyolojik verinin büyümesine
    katkıda bulunduk,
  47. metabolitlerle ve onların diğer
    moleküllerle tepkimelerini kapsayan
  48. her bilgiyle bir veri tabanı oluşturduk.
  49. Bu verinin hepsini bir mega ağda topladık.
  50. Sonrasında dokudan
    veya hastalarımızın kanından,
  51. metabolitlerin kütlelerini hesapladık
  52. ve bir hastalıkta
    değişen kütleleri bulduk.
  53. Ama önceden de belirttiğim gibi
    tam olarak ne olduklarını bilmiyoruz.
  54. Moleküler kütlesi 180 ise
    glukoz, galaktoz veya fruktoz olabilir.
  55. Hepsinin kütlesi aynı
  56. fakat işlevi farklı.
  57. Bizim yapay zekâ algoritmamız
    bu belirsizlikleri göze alıyor.
  58. Sonra da mega ağın derinliklerine inip
  59. hastalığa sebep olan metabolik kütlelerin
  60. birbirlerine bağlantısını buluyor.
  61. Ve bağlanma şekillerinden yola çıkarak
  62. her metabolitin kütlesini bulabiliyoruz,
  63. mesela buradaki 180 glukoz olabilir
  64. ve daha da önemlisi glukoz
    ve diğer metabolitlerdeki değişimlerin
  65. nasıl hastalıklara
    yol açtığını keşfediyoruz.
  66. Hastalık mekanizmasına olan
    yeni anlayışımız da
  67. onu hedef alan tedaviler
    geliştirmemize olanak sağlıyor.
  68. Biz de bu teknolojiyi markete sunmak
    ve insanların hayatlarını etkilemek

  69. amacıyla bir şirket oluşturduk.
  70. Şimdi benim takımım ve ben,
    ReviveMed'te metabolitlerin
  71. ana sorun olduğu hastalıklara
    tedavi bulmak için çalışıyoruz,
  72. mesela yağlı karaciğer hastalığı gibi
  73. çünkü bu hastalık, karaciğerdeki
    metabolit tipleri olan
  74. yağların birikmesi ile ortaya çıkar.
  75. Daha önce de bahsettiğim gibi bu,
    tedavisi olmayan çok yaygın bir hastalık.
  76. Ve yağlı karaciğer hastalığı
    sadece bir örnek.

  77. İleride, tedavisi olmayan
    birçok hastalığı ele alacağız.
  78. Ve metabolitler hakkında
    daha çok veri topladıkça
  79. ve metabolitlerdeki değişimin
    nasıl hastalığa dönüştüğünü anladıkça
  80. algoritmamız daha da zeki olacak
  81. ve doğru hastalar için
    doğru tedavileri keşfedecek.
  82. Ve yazdığımız her bir satır kod ile
  83. hayat kurtarma amacımıza
    daha çok yaklaşmış olacağız.
  84. Teşekkür ederim.

  85. (Alkışlar)