- Anthropic CEO’su Dario Amodei, yapay zeka sayesinde kanser ve kalp hastalıklarının on yıldan kısa sürede geçmişte kalabileceğini söylüyor. İlaç tasarımından kişiye özel gen tedavilerine uzanan araştırmalar önemli bir dönüşüme işaret ediyor. Ancak bilgisayarda tasarlanan bir molekülün güvenli ve etkili bir tedaviye dönüşmesi, aşılması gereken pek çok bilimsel sorun barındırıyor.
DOĞAN BARIŞ ABBASOĞLU
Yapay zeka, bilimsel araştırmaları hızlandırarak insanlığın en ağır hastalıklarını kısa sürede ortadan kaldırabilir. Anthropic CEO’su Dario Amodei’nin gelecek tasavvurunun merkezinde bu düşünce bulunuyor. Amodei, son açıklamasında kanser, Alzheimer ve kalp hastalıklarının on yıldan kısa sürede geçmişte kalacağını öne sürdü.
Bu iddia, yapay zekanın yeni deneyler tasarlayarak ve sonuçları değerlendirerek araştırmaları hızlandırması beklentisine dayanıyor. Amodei, Ekim 2024’te yayımladığı “Machines of Loving Grace” başlıklı yazısında, biyolojide normal koşullarda 50–100 yılda gerçekleşebilecek ilerlemenin beş-on yıla sığabileceğini savunmuştu.
Ancak bu takvim, birçok bilimsel alanda en yetkin insanları aşabilen, araştırmalar yürütebilen ve laboratuvar araçlarını kullanabilen güçlü yapay zekanın ortaya çıkmasıyla başlıyor. Dolayısıyla bugünkü başarılardan hesaplanmış kesin bir tıbbi takvimden değil, yeni teknolojik sıçramalara dayalı bir gelecek senaryosundan söz ediliyor.
Araştırmalar, yapay zekanın tedavi geliştirmede önemli kazanımlar sağlayabileceğini destekliyor. Kanser ve kalp hastalıklarının tüm biçimleriyle on yıl içinde ortadan kalkacağını gösteren bilimsel kanıt ise bulunmuyor.
İlaç geliştirmenin değişen yöntemi
İlaç geliştirme, hastalıkla ilişkili biyolojik mekanizmanın anlaşılmasıyla başlayabilir. Araştırmacılar hedeflenebilecek protein, hücre veya moleküler süreci belirler; ardından bunu etkileyebilecek maddeleri araştırır. Laboratuvarda adayların etkinliği ve olası zararları incelenirken insan çalışmalarında uygun doz, güvenlik ve tedavi etkisi değerlendirilir. Hücre kültüründeki başarı, hastalarda aynı sonucu garanti etmez.
Yapay zeka, genetik veriler ve araştırma sonuçları arasındaki ilişkileri saptayabilir, molekülleri tarayabilir ve yeni yapılar önerebilir. Böylece laboratuvarda sınanmaya değer adayların seçilmesine yardımcı olur.
Başarısızlık ihtimali yüksek adayların erken elenmesi, kaynakların daha güçlü seçeneklere yönlendirilmesini sağlayabilir. Burada başarıyı, üretilen molekül sayısından çok güvenli ve etkili tedaviye dönüşen adayların oranıyla ölçmek gerekiyor.
Deneysel sonuçlarla güncellenen sistemler bu nedenle önem taşıyor. Model aday öneriyor, laboratuvar bunu sınıyor ve sonuçlar modele geri veriliyor. Araştırmayı hızlandıran, hesaplama ile deney arasındaki bu döngü.
Genomu okumak ile hastalığı çözmek arasındaki fark
Bir insanın genetik dizisini DNA dizileme teknolojileriyle belirlemek bugün mümkün. Yapay zeka ise elde edilen büyük miktardaki verinin yorumlanmasına katkı sunuyor.
DNA’daki bir farklılığın genlerin çalışmasını nasıl etkilediğini ve hastalıkla ilişkisini anlamak, diziyi okumaktan daha zor olabilir. Ocak 2026’da Nature’da yayımlanan AlphaGenome çalışması, DNA dizilerinden genlerin etkinliği ve düzenlenmesi hakkında tahminler üretmede ilerleme gösterdi.
Ancak moleküler etkileri tahmin etmek, hastanın gelecekteki bütün sağlık durumunu bilmek anlamına gelmiyor. Yaygın hastalıklarda genetik etkenler, çevresel koşullar ve yaşam boyunca biriken biyolojik değişiklikler birlikte rol oynuyor. Tedaviye yanıtı değerlendirmek için yaş, organ işlevleri, bağışıklık sistemi ve kullanılan diğer ilaçları da hesaba katmak gerekiyor.
Kişiye özel tedavinin farklı düzeyleri
Kişiye özel tıp, her hasta için sıfırdan ilaç üretmek anlamına gelmiyor. İlk düzey, mevcut ilaçlar arasından uygun seçeneğin ve dozun belirlenmesi.
ABD Ulusal İnsan Genomu Araştırma Enstitüsünün açıkladığı farmakogenomik yaklaşım, genetik farklılıkların ilaçlara verilen yanıtı nasıl etkilediğini inceliyor. Bazı insanlar belirli ilaçları daha yavaş parçalayabilir; bazı genetik özellikler ciddi yan etki riskini artırabilir. Bu bilgiler ilaç ve doz seçimine yol gösterir. Yapay zeka değerlendirmeyi kolaylaştırsa da alanın temelleri daha önce atıldı.
İkinci düzey, aynı hastalık içindeki farklı biyolojik gruplara farklı tedaviler uygulanması. Kanserde tümörün moleküler özelliklerine göre tedavi seçilmesi buna örnek. Burada kişinin kalıtsal genetik yapısının yanı sıra tümörde sonradan oluşan değişiklikler de dikkate alınıyor.
Üçüncü düzeyde ise tedavi doğrudan belirli bir hastanın biyolojisine göre hazırlanıyor.
Tek bir hastaya hazırlanan tedaviler
2025’te New England Journal of Medicine’de yayımlanan bir araştırmada, CPS1 enziminin eksikliğine bağlı ağır bir metabolik hastalıkla doğan bebeğe, kendi genetik değişikliğini hedefleyen gen düzenleme tedavisi geliştirildi. İlk haftalarda bebeğin daha fazla protein alabilmesi ve amonyağın uzaklaştırılmasına yardımcı olan ilaç gereksiniminin azalması gibi olumlu bulgular bildirildi.
Çalışma, tek bir hastaya yönelik tedavi tasarımının mümkün olduğunu gösterdi. Ancak erken sonuçlar, uzun vadeli güvenliği kesinleştirmiyor. Bu başarıyı doğrudan yapay zekaya mal etmek de doğru olmaz. Araştırma, gen düzenleme teknolojileri, laboratuvar çalışmaları ve klinik uzmanlığın birleşimiyle gerçekleştirildi.
Kişiselleştirilmiş kanser aşılarında ise tümördeki değişiklikler incelenerek bağışıklık sistemine tanıtılabilecek hedefler seçiliyor. Amaç, kanser hücrelerine karşı daha etkili bir bağışıklık yanıtı oluşturmak.
2024’te Lancet’te yayımlanan, 157 hastanın katıldığı randomize çalışma, kişiye özel mRNA temelli bir tedavinin ameliyat edilmiş yüksek riskli melanom hastalarında bağışıklık tedavisine eklenmesini değerlendirdi. Sonuçları bütün kanser türlerine doğrudan aktarmak mümkün değil.
Yapay zeka hedef seçimini ve tasarımı hızlandırabilir. Tedavinin üretilmesi, doğru dokuya ulaştırılması ve hastadaki etkisinin gösterilmesi ise ayrı çalışmalar gerektiriyor.
Kanser ve kalp hastalıklarının ortak bir son tarihi yok
Kanseri tek bir hastalık gibi düşünmek, “kanserin sonu” iddiasını olduğundan basit gösteriyor. ABD Ulusal Kanser Enstitüsünün vurguladığı gibi, farklı kişilerin tümörleri, hatta aynı tümörün hücreleri farklı genetik değişiklikler taşıyabiliyor.
Tedavi sırasında bazı hücreler yok olurken dirençli hücreler çoğalabilir. Tümörün bağışıklık sistemiyle ilişkisi ve çevresindeki dokular da sonucu etkiler. Bir kanser türündeki ilerleme, bütün kanserlerde aynı başarıyı sağlamaz.
Kalıcı iyileşme, hastalığın uzun süre kontrol altında tutulması ve toplumda yeni vakaların hiç oluşmaması farklı hedefler. Kanserden ölümleri azaltmak büyük bir başarı olsa da hastalığın bütünüyle ortadan kalkması anlamına gelmez.
Kalp hastalıkları da farklı neden ve mekanizmalara sahip. Damar hastalıkları, ritim bozuklukları ve doğumsal sorunlar aynı çözümü beklemiyor. Yapay zeka tanıyı ve tedavi planlamasını geliştirebilir; ancak Dünya Sağlık Örgütünün belirttiği tütün kullanımı, yüksek tansiyon, sağlıksız beslenme, hareketsizlik ve hava kirliliği gibi riskler önemini koruyor. Korunma yöntemlerine ve sağlık hizmetlerine erişim ihtiyacı sürüyor.
Hızın önündeki bilimsel ve toplumsal sınırlar
Yapay zekanın güvenilirliği, kullandığı verinin niteliğine bağlı. Geçmiş verilerdeki başarı, farklı hastanelerde ve hasta gruplarında aynı sonucu garanti etmez. Modellerin bağımsız verilerle ve gerçek kullanım koşullarında değerlendirilmesi gerekiyor.
ABD Gıda ve İlaç Dairesi (FDA) ile Avrupa İlaç Ajansının Ocak 2026’da ortaya koyduğu iyi yapay zeka uygulama ilkeleri de kullanım amacının açıkça tanımlanmasını, riskle orantılı doğrulamayı, veri kalitesini ve sistemlerin sürekli izlenmesini öne çıkarıyor.
Araştırma süresinin tamamı hesaplamadan oluşmuyor. Hücrelerin büyümesi, hastaların izlenmesi ve geç ortaya çıkan etkilerin görülmesi zaman alıyor. Yapay zeka, araştırmalara uygun katılımcıların bulunmasını ve verilerin işlenmesini hızlandırabilir; uzun vadeli etkinliğe ilişkin her soruyu kısa süreli ölçümlerle cevaplayamaz.
Bilimsel başarının toplumsal yarara dönüşmesi için üretim ve erişim sorunlarının da aşılması gerekiyor. Tedavinin geliştirilmesi herkesin ona ulaşabildiği anlamına gelmediği gibi, keşif maliyetinin düşmesi de satış fiyatının kendiliğinden düşmesini sağlamıyor.
Önümüzdeki on yılın daha gerçekçi görünümü
Mevcut bulgular, daha iyi seçilmiş ilaç adayları, genetik verinin daha etkili yorumlanması, kişiselleştirilmiş tedavilerin yaygınlaşması ve gelişmiş modellerle desteklenen deneyler öngörmeyi mümkün kılıyor. Ancak bunlar kesin bir takvim oluşturmuyor.
İlerlemenin hastalıklara göre farklı hızlarda gerçekleşmesi daha gerçekçi görünüyor. Nedeni iyi tanımlanmış bazı genetik hastalıklarda büyük sıçramalar yaşanabilir. Karmaşık kanserlerde ve çok etkenli kronik hastalıklarda ise kazanımlar, farklı tedavilerle korunma yöntemlerinin birlikte geliştirilmesinden doğabilir.