menu
close

Yapay Zeka Modelleri, Beyin Sağlığını MR Görüntülerinden Tahmin Ediyor

Nature Communications'ta yayımlanan çığır açıcı bir çalışma, yapay zekanın MR verilerinden beyin yaşını doğru şekilde tahmin edebildiğini ortaya koyuyor. Araştırmacılar, tahmin edilen beyin yaşı ile kronolojik yaş arasındaki sapmaları belirlemek için derin sinir ağlarını eğitti ve bu sayede beyin sağlığının değerlendirilmesinde değerli bir biyobelirteç oluşturdu. Bu teknoloji, Alzheimer gibi hastalıkların semptomlar ortaya çıkmadan önce daha erken müdahalelere olanak tanıyabilir.
Yapay Zeka Modelleri, Beyin Sağlığını MR Görüntülerinden Tahmin Ediyor

Bilim insanları, standart MR görüntüleri kullanarak beyin yaşını olağanüstü bir doğrulukla tahmin edebilen gelişmiş yapay zeka modelleri geliştirdi. Bu bulgular, 5 Temmuz 2025 tarihinde Nature Communications dergisinde yayımlandı.

Çalışma, özellikle evrişimli sinir ağları (CNN) gibi derin öğrenme algoritmalarının, yapısal beyin MR verilerini analiz ederek bir kişinin biyolojik beyin yaşını tahmin edebildiğini gösteriyor. Önceki yaklaşımların önceden çıkarılmış özelliklere dayanmasının aksine, bu yapay zeka modelleri doğrudan ham MR verilerinden öğreniyor ve aksi takdirde tespit edilemeyecek ince desenleri yakalayabiliyor.

Yapay zekanın tahmin ettiği beyin yaşı ile kronolojik yaş arasındaki fark, beyin yaş farkı (BAG) veya tahmin edilen yaş farkı (PAD) olarak biliniyor ve beyin sağlığı için güçlü bir biyobelirteç işlevi görüyor. Pozitif bir fark—yani tahmin edilen yaşın kronolojik yaştan büyük olması—bilişsel bozukluklar, nörodejeneratif hastalık riskinde artış ve daha kötü fiziksel ve zihinsel sağlık sonuçları ile ilişkilendiriliyor.

"Beyin yaş farkı, kişinin beyin sağlığını normatif yaşlanma eğrisinden sapmayı ölçerek nicelendirmenin bir yolunu sunuyor," diyor baş araştırmacı. "Bu, Alzheimer veya Parkinson gibi hastalıklara yıllar önce, semptomlar ortaya çıkmadan risk altındaki kişileri belirlemeye yardımcı olabilir."

Araştırma ekibi, modellerini binlerce sağlıklı bireyin beyin taramaları üzerinde eğittikten sonra bağımsız veri setlerinde doğruladı. Modeller, ortalama mutlak hata oranı 4-5 yıl gibi etkileyici bir doğruluk seviyesine ulaştı. Önemli olarak, teknoloji farklı tarama ekipmanları ve protokolleri arasında da yüksek güvenilirlik gösterdi.

Bu gelişme, kişiselleştirilmiş beyin sağlığı takibine doğru önemli bir adımı temsil ediyor. Küresel nüfus yaşlandıkça, bu tür araçlar erken müdahale stratejileri için paha biçilemez olabilir ve klinisyenlerin geri dönüşü olmayan nörodejenerasyon başlamadan önce önleyici tedbirler almasına olanak tanıyabilir. Araştırmacılar, klinik uygulamalarda bilişsel gerilemeyi öngörmede umut verici ilk sonuçlarla bu teknolojinin kullanımını şimdiden araştırmaya başladı.

Source:

Latest News