İlaç Keşfinde Yapay Zeka Çıkmazı: Milyar Dolarlık Biyolojik Veri Krizi

Yapay Zekanın İlaç Sektöründeki Beklenmedik Engeli

Yaşam bilimleri ve ilaç keşfi alanında yapay zeka (AI) teknolojilerinin entegrasyonu için her yıl milyarlarca dolar harcanıyor. İlaç endüstrisi, yapay zekanın araştırma-geliştirme süreçlerini dramatik bir şekilde hızlandıracağına dair büyük bir inanç taşıyor. Ancak piyasaya baktığımızda, doğrudan yapay zeka atılımlarına atfedilebilecek yeni ilaçların veya devrim niteliğindeki terapilerin bir sel gibi aktığını henüz göremiyoruz. Potansiyel bu kadar büyükken, üretkenlikteki bu devasa boşluğun kök nedeni tek bir kavrama dayanıyor: Veri kalitesi.

Sanal hücre modelleri gibi araştırmaları kökten dönüştürme potansiyeline sahip en gelişmiş algoritmalar, biyolojik verilerle eğitilir. ChatGPT veya Claude gibi devasa genel dil modellerini (LLM) eğitmek için kullanılan internet tabanlı devasa veri setleriyle karşılaştırıldığında, biyoloji alanında yapay zeka modellerini eğitmek için kullanılabilecek nitelikli veri miktarı adeta okyanusta bir damla kalmaktadır.

Biyolojinin Tekrarlanabilirlik Krizi

Durumu daha da vahim kılan unsur, sadece veri miktarının azlığı değil, araştırmacıların kendi veri tabanlarındaki ve yayınlanmış literatürdeki verilere duyduğu güvensizliktir. Sektörel anketler, biyomedikal araştırmacıların yaklaşık dörtte üçünün, alanın ciddi bir tekrarlanabilirlik krizi (reproducibility crisis) pençesinde olduğuna inandığını gösteriyor. Amerikan Ulusal Sağlık Enstitüleri (NIH) bu durumun ciddiyetinin farkına vararak, replikasyon ve tekrarlanabilirliği “altın standart bilim”in temel bir parçası haline getirmek için yeni girişimler başlattı.

“Eğer alanın uzmanları eğitim verilerine güvenmiyorsa, yapay zeka ilaç keşfi sorununu nasıl çözebilir?”

Ancak çözüm, model geliştirmeyi yavaşlatmak veya odak noktasını tamamen klasik ıslak laboratuvara (wet lab) geri çekmek değildir. Aksine, yapay zeka tam da bu noktada devreye girmeli; hem modellere hem de araştırmacılara fayda sağlayacak, yüksek kaliteli veri setlerini planlamak ve üretmek için bir kaldıraç olarak kullanılmalıdır. Biyolojinin kronik tekrarlanabilirlik sorununu çözmek için elimizdeki en büyük fırsat veri pratiklerimizi iyileştirmekten geçiyor.

Başarı İstisnası: Protein Veri Bankası (PDB) ve AlphaFold

Tüm bu karamsar tablonun içinde parlayan bazı yıldızlar var. AlphaFold gibi protein yapısı tahmin modelleri, bahsi geçen veri problemine rağmen muazzam bir başarı elde etti. Bunun temel nedeni, dayandıkları verinin kalitesidir. Protein Veri Bankası (PDB) sadece son derece organize olmakla kalmaz, aynı zamanda içerdiği veriler olağanüstü derecede güvenilirdir.

Biyolojideki diğer birçok eğitim verisi türü, özellikle ‘-omik’ veriler (genomik, proteomik vb.), tamamen aynı fiziksel başlangıç materyallerine, aynı laboratuvar ekipmanlarına ve standart metodolojilere erişim olmadan tekrarlanması son derece zor olan verilerdir. Bugün yeni veri standartları belirlense ve bunlara harfiyen uyulsa bile, yeni veri tabanlarının PDB’nin kalitesine yaklaşan setlerle doldurulması mevcut hızda on yıllar sürebilir.

Fiziksel Materyalden Dijital Hataya: Milyarlarca Dolarlık Kayıp

Altın standart bilim, doğrulanmış biyolojik materyaller gerektirir. Yapay zeka modelleri veri birleştirmeden (agregasyon) beslenir; yani model eğitimi için aynı biyolojik materyaller üzerindeki birçok veri setinin birleştirilmesi gerekir. Ancak araştırmacıların üzerinde çalıştığı hücre hatları (cell lines), mikrobiyal suşlar ve organoidler fiziksel ve canlı varlıklardır.

Pratikte, biyolojik materyaller her zaman göründükleri gibi olmayabilir. Örneğin, hücre hattı genomları genellikle kararsızdır; pasajlama işlemleri sıklıkla mutasyonlara ve genomik yeniden düzenlemelere yol açar. Kendi hücre hatlarının kopyalarını kullanarak önceki çalışmaları tekrarlamaya çalışan araştırmacılar, sahip oldukları dijital dizi verilerinin test edilen gerçek hücre hattından ne kadar saptığını fark etmeyebilirler.

Fiziksel biyolojik örneklerin bu değişkenliği gerçek ve devasa maliyetler doğurur. Laboratuvar araştırmalarında yaygın olarak kullanılan HEp-2 ve INT 407 gibi hücre hatlarındaki HeLa hücresi kontaminasyonu vakasını ele alalım:

• 2021’de yapılan çarpıcı bir analiz, yalnızca bu iki yanlış/kontamine hücre hattının 10.000’e yakın yayımlanmış makalede kullanıldığını ortaya koydu.
• Her makalenin ortalama beş atıf aldığı varsayıldığında, doğrulanmamış bu iki hücre hattına dayanan araştırmaları desteklemek için 4.9 milyar dolardan fazla fon harcandığı tahmin ediliyor.
• Daha kapsayıcı bir hesaplamayla bu maliyetin 14.8 milyar dolara kadar çıkabileceği belirtiliyor.

Geciken keşiflerin insani maliyeti ve bilime duyulan güvenin zedelenmesi de hesaba katıldığında, tablonun vahameti daha da netleşmektedir.

Eksik Meta Veriler ve Düşen Ar-Ge Verimliliği

Sorun sadece hücre bazında değil, veri etiketleme bazında da büyüyor. Meta veriler (metadata) bu krizin çarpan etkisini yaratıyor. Clinical Infectious Diseases dergisinde yayınlanan bir analiz, halka açık dizi veri tabanlarındaki gıda kaynaklı mikrobiyolojik örneklerin dörtte birinden fazlasında temel meta veri özelliklerinin eksik olduğunu ortaya koydu.

Standartlaştırılmış ve eksiksiz meta veriler olmadan araştırmacılar veri setlerini çalışmalar arasında güvenilir bir şekilde karşılaştıramaz, yöntemleri değerlendiremez veya iki farklı deneyin gerçekten aynı şeyi test edip etmediğini doğrulayamaz. Böylesine kusurlu veri setleriyle eğitilen yapay zeka modelleri, araştırmacıların aşmaya çalıştığı tutarsızlıkları kendi bünyesinde kodlama ve daha da yayma riski taşır.

İlaç geliştirmede bu durumun faturası çok ağırdır. İlaç Ar-Ge verimliliğinde son elli yılda yaşanan düşüşün bir yansıması olarak, yeni ve özgün bir ilacın Ar-Ge maliyeti günümüzde 3.5 milyar doları aşmış durumdadır. Bu üretkenlik açığının büyük bir kısmı, doğrulanmamış biyolojik varsayımlar üzerine inşa yapmanın yarattığı zincirleme verimsizliğin sonucudur.

Çözüm: Güçlü Veri Altyapısı ve Biyobankalar

Dijital biyoloji çağının zorluklarını aşmak, dijital verilerin doğrulanmış biyolojik materyallere sıkı sıkıya bağlandığı, standartlaştırılmış meta verilerle desteklendiği ve verinin kaynağından nihai sonuca kadar izlenebilirliğini sağlayan birlikte çalışabilir (interoperable) bir altyapı gerektirir.

Araştırmacıların, çalıştıkları her veri seti için şu üç temel sorunun cevabını talep etmesi bilimsel bir zorunluluktur:

1. Bu veri nereden geldi?
2. Nasıl üretildi ve nasıl doğrulandı?
3. Bilinen, doğrulanmış ve sertifikalı bir biyolojik kaynağa kadar izlenebiliyor mu?

Bu sorular yalnızca bir form üzerindeki işaretlenecek kutucuklar (check-the-box) olamaz; veriye güvenilebilmesinin yegane şartları olmalıdır.

Doğrulanmış biyolojik referans koleksiyonları geliştiren kurumlar (örneğin ATCC gibi kuruluşlar), biyobankalar ve küratörlü veri depoları bu pratik standartları oluşturmada kritik bir role sahiptir. Yapay zeka ve otomasyon, doğrulanmış fiziksel materyallerle inşa edildiğinde veri edinimini ve model eğitimini inanılmaz derecede hızlandırabilir.

Gelecek: Veri Odaklı ve Yapay Zeka Destekli Biyoloji

Biyolojik veri elde etmek zahmetlidir; eline bir kez bile pipet almış herkes, biyolojik deneyleri tasarlamanın, yürütmenin ve sonuçları doğrulamanın ne kadar büyük bir çaba gerektirdiğini bilir. 21. yüzyılın büyük bölümünde DNA dizileme maliyetleri Moore Yasası’ndan bile daha hızlı bir şekilde düşerken, ilaç keşfinin maliyeti tam tersi yönde artmıştır. Eğer üretilen her bir veri setini “anlamlı ve güvenilir” kılabilirsek, bu eğilimi tersine çevirme şansımız var.

Biyoloji tarihindeki birçok kırılma noktası, bilimin pratiğini ve dilini değiştiren yeni bakış açılarının akınıyla ortaya çıkmıştır. Yapay zekanın laboratuvarlara girişi de biyolojiyi nasıl yaptığımızı değiştiriyor. Artık “hesaplamalı olmayan” biyologlar yapay zekanın yardımıyla kod yazmayı ve karmaşık biyoinformatik analizler yürütmeyi öğreniyor. Yapay zeka uzmanları ise algoritmalarını ilk kez organik yapılara uyguluyor.

CRISPR uygulamalarından sanal hücre modellerine ve nadir hastalıklar için kişiselleştirilmiş terapilere kadar yeni nesil yapay zeka destekli keşifler, laboratuvarın dondurucusunda yatan fiziksel materyaller kadar derinden güvenilebilecek kusursuz veri setleri gerektirmektedir. Sektör, dijital ve fiziksel biyoloji arasındaki bu uçurumu kapatabildiği ölçüde geleceğin tıbbına yön verecektir.