Bir algoritma belirtiler ortaya çıkmadan demans riskini fark edebilir mi? + test

• Yeterince ilgi görmeyen bir ara aşama
• Tek bir belirteç değil, bulmacanın tamamı
• Bir ağ olarak beyin
• Noktaları birleştiren bir tahmin aracı
• Daha ilk günden düzenlemeye uyum
• Proje geriye ne bırakıyor
• Özet
• AI-Mind ve demans riski — kendini sına (test)

⇑Yeterince ilgi görmeyen bir ara aşama

Hafif bilişsel bozukluk, normal yaşlanma ile demans arasında yer alır. Bellek ya da dikkat, yaşın tek başına açıklayabileceğinden daha fazla zayıflar; yine de gündelik yaşam az çok normal biçimde sürer. 10 milyondan fazla Avrupalı bu durumla yaşıyor.

Sorun, bu grubun çok karışık olması. Yaklaşık %50 kişi beş yıl içinde demansa ilerleyecek, geri kalanı ilerlemeyecek. Klinisyenlerin şu anda, önleyici tedbirlerden yararlanabilecek en yüksek riskli kişileri yeterince erken belirleyecek uygun maliyetli araçları yok.

⇑Tek bir belirteç değil, bulmacanın tamamı

AB tarafından finanse edilen AI-Mind projesi, tek bir biyobelirtece güvenmek yerine İspanya, Finlandiya, İtalya ve Norveç’teki önde gelen hastaneler ve araştırma merkezleriyle ortaklık kurarak çok modlu bir veri tabanı oluşturdu. Yapay zekâ tabanlı karar destek sistemi şunları bir araya getiriyor:

• EEG’den elde edilen beyin bağlantısallığı,
• kan biyobelirteçleri,
• bilişsel değerlendirmeler,
• genetik veriler,
• demografik değişkenler,
• klinik bilgiler.

Her kaynak hasta hakkında farklı bir şey söylüyor; sistem de bu yüzden hepsini birlikte okuyor.

⇑Bir ağ olarak beyin

İlk araç olan AI-Mind Connector, standart EEG kayıtlarından beyin bağlantısallığını analiz ediyor. Mesele yalnızca beynin aktif olup olmadığı değil, farklı bölgelerinin birbiriyle nasıl iletişim kurduğu.

“Gelişmiş sinyal işleme ve yapay zekâ kullanan ‘AI-Mind Connector’, beyin bölgeleri arasındaki iletişimde belirtiler ortaya çıkmadan yıllar önce görülebilen ince değişiklikleri yakalıyor” diyor proje koordinatörü, Oslo Üniversite Hastanesi Cognitive Health Research grubundan Ira Haraldsen.

⇑Noktaları birleştiren bir tahmin aracı

İkinci araç olan AI-Mind Predictor, EEG verilerini bilişsel test sonuçları, genetik veriler, kan biyobelirteçleri, demografik bilgiler ve klinik geçmişle birleştiriyor. Makine öğrenmesi algoritmaları, hafif bilişsel bozukluğu olan kişilerden oluşan ileriye dönük bir boylamsal kohort üzerinde eğitildi: 1 000’den fazla katılımcı ve yaklaşık 4 000 klinik ziyaret. Modeller bu verilerden, gelecekteki klinik sonuçlarla bağlantılı karmaşık ilişkileri öğreniyor.

Sonuçlar cesaret verici oldu. “Beyin ağı bağlantısallığı ölçümleri, yeni ortaya çıkan kan biyobelirteçlerini beklenenden de iyi tamamladı; bu da daha kesin risk sınıflandırması için fırsatlar vadediyor” diyor Haraldsen. Burada risk sınıflandırması, hastaları durumlarının kötüleşme olasılığına göre sıralamak anlamına geliyor.

⇑Daha ilk günden düzenlemeye uyum

Tıbbi bir yapay zekâ aracının doğru olmasının yanı sıra yasal da olması gerekir. Ekip çalışmasını Genel Veri Koruma Tüzüğü ilkeleri, FAIR veri standartları, Tıbbi Cihaz Tüzüğü ve Yapay Zekâ Yasası ile uyumlu hâle getirdi. “Böylece, baştan düzenleyici hazırlık gözetilerek tasarlanmış, Avrupa’nın klinik odaklı ilk yapay zekâ ekosistemlerinden biri ortaya çıktı” diye ekliyor Haraldsen.

Konsorsiyum ayrıca herkesin erişebileceği bir erken sağlık teknolojisi değerlendirme çerçevesi hazırladı. Bu çerçeve, sağlık hizmeti sağlayıcılarının ve politika yapıcıların, yeni bir teknolojinin maliyetini haklı çıkaracak kadar iyileşme sağlayıp sağlamadığını değerlendirmesine yardımcı oluyor.

⇑Proje geriye ne bırakıyor

AI-Mind, algoritmalarının ötesinde; çok modlu sağlık verileri, otomatik EEG işleme, sentetik veri üretimi, kalite kontrollü yapay zekâ geliştirme ve mevzuata uygun yazılım hatları için yeniden kullanılabilir bir altyapı kurdu. Bu kaynaklar eBrain-Health, FluiDX-AD ve TEF-Health gibi diğer Avrupa girişimlerini şimdiden destekliyor. Bu iş için kurulan bir spin-off şirket, çalışmayı klinik kullanıma ve ticari uygulamaya taşıyor.

⇑Özet

AI-Mind, demans riskinin erken tespitinin, kliniklerin zaten kullandığı testlere dayanabileceğini gösteriyor; yeter ki bu testler akıllıca birleştirilsin. Bu tür araçlar gündelik uygulamaya girerse, bakım; belirtiler ortaya çıktıktan sonra tanı koymaktan hassas önlemeye ve her hastaya göre uyarlanmış müdahalelere kayabilir.

⇑AI-Mind ve demans riski — kendini sına (test)