Erhan PARILTAY, Zeki SAKALLI
Ege Journal of Medicine - 2026;65(3):638-648
Amaç: Tıbbi genetik, hastalıkların kalıtsal temellerini aydınlatmayı ve tanı ile tedavi süreçlerinde kullanılmak üzere gen ve gen ürünlerinin analizini hedefleyen bir bilim dalıdır. Sanger dizilemesi, PCR ve İnsan Genom Projesi gibi dönüm noktalarını izleyen teknolojik ilerlemeler, 2010'lu yıllarda yeni nesil dizileme (NGS) yöntemlerinin klinik pratiğe girmesiyle hız kazanmış; çoklu gen panelleri ve tüm ekzom dizileme gibi testler daha erişilebilir hale gelmiştir. Bu gelişmeler özellikle nadir hastalıklarda tanı süresini kısaltmış ve tanısal doğruluğu artırmıştır. Bununla birlikte NGS'nin ürettiği devasa veri yükü, varyantların konvansiyonel yöntemlerle değerlendirilmesini güçleştirmiş; biyoinformatik araçlar yaygınlaşsa da varyantların klinik olarak anlamlandırılması ve fenotiple bütünleştirilmesi aşamalarında sınırlılıklar devam etmiştir. Bu bağlamda yapay zeka (YZ) ve makine öğrenmesi, genetik verilerin hızlı, hassas ve ölçeklenebilir biçimde analiz edilmesini sağlayarak klinik genetik uzmanları ve araştırmacılar için önemli bir destek aracı olarak öne çıkmaktadır. Bu derleme, tıbbi genetikte YZ uygulamalarını ve güncel araçları özetlemeyi amaçlamaktadır. Gereç ve Yöntem: YZ, milyonlarca varyant arasından olası patojenik adayların önceliklendirilmesi, nadir hastalıklarda etken varyantın saptanması, kompleks hastalıklarda risk tahmini ve klinik karar destek süreçlerinin hızlandırılmasında kullanılmaktadır. Protein yapı tahmininde AlphaFold, protein katlanma probleminde deneysel doğruluğa yakın performans sunarak yapısal biyolojide ve hedefe yönelik ilaç tasarımında yeni olanaklar yaratmıştır; yeni sürümlerle protein dışı biyomoleküler etkileşimlerin modellenmesi de genişlemiştir. Bulgular: Genomik veri işleme ve varyant çağrımında DeepVariant gibi araçlar dizileme kaynaklı hataları azaltarak analiz güvenilirliğini artırırken, AlphaGenome ve AlphaMissense gibi modeller varyantların moleküler ve fonksiyonel etkilerinin yorumlanmasına katkı sağlar. SpliceAI, splicing üzerindeki etkileri öngörerek özellikle nadir hastalıkların tanısında kritik bilgi üretir. Varyant sınıflandırmasının standartlaştırılmasında ClinGen VCI gibi platformlar klinik kürasyon süreçlerini destekler. Fenotip tabanlı yaklaşımlarda Face2Gene ve GestaltMatcher gibi yüz analizi araçları dismorfoloji değerlendirmesine katkı sunarken, büyük dil modelleri genetik danışmanlıkta özetleme ve eğitim materyali üretimi gibi görevleri destekleyebilir. Son olarak, veri gizliliği, algoritmik önyargı, şeffaflık/yorumlanabilirlik ve düzenleyici gereksinimler, YZ'nin güvenli klinik entegrasyonu için temel etik ve teknik başlıklar olarak ele alınmalıdır. Sonuç: YZ sistemleri bağımsız karar verici değil; insan uzmanlığını tamamlayan, sorumluluğu klinisyende kalan karar destek araçları olarak konumlandırıldığında tıbbi genetikte tanı, kişiselleştirilmiş tedavi ve ilaç keşfi süreçlerine anlamlı katkı sağlayacaktır.
