Hasta Yakınlarında Şizofreninin Erken Belirtilerinin Belirlenmesinde Yapay Zeka Kullanımı

Sevgini paylaş!

Kısa Özet: Beyin görüntüleme yöntemleri ile yapay zeka (artificial intelligence-AI) teknolojisini birleştiren araştırmacılar, ailesinde psikiyatrik bozukluk öyküsü olan bir bireyde şizofreni gelişme olasılığını doğru bir şekilde tahmin ettiler.

Alberta Üniversitesi araştırmacıları, beyin görüntülerini inceleyerek şizofreni gelişimini tahmin edebilecekleri bir yapay zeka aracı geliştirmek için bir araya geldiler.

Son zamanlarda yayınlanan bu araştırmada, yapay zeka aracı şizofreni hastalarının 57 sağlıklı birinci derece akrabasının (kardeşleri veya çocukları) fonksiyonel manyetik rezonans (fMRI) görüntülerini analiz etmek için kullanıldı. Yapay zeka teknolojisi, bireyin kendi bildirimine dayalı Şizotipal Kişilik Ölçeğinde en yüksek puanı alan 14 kişiyi doğru bir şekilde tanımladı.

300 bin Kanadalıyı etkileyen şizofreni, sanrılar, halüsinasyonlar, disorganize konuşma, düşünce (içerik-süreç) bozukluğu ve motivasyon eksikliğine neden olabilmektedir. Genellikle ilaç, psikoterapi ve beyin uyarımı kombinasyonu ile tedavi edilmektedir. Genel nüfus için yaşam boyu şizofreni gelişme riski riski yüzde birden az iken hastaların birinci derece akrabalarında bu oran yüzde 19’a kadar yükselmektedir.

Alberta Üniversitesi Tıp & Diş Hekimliği Fakültesi’nde makine öğrenmesi uzmanı ve araştırmanın baş yazarı Sunil Kalmady Vasu, “”Kanıta dayalı yapay zeka aracımız, yalnızca belirtilerin öznel değerlendirmesiyle teşhis edilmekten daha doğru olma potansiyeli ile beyinde nöral sinyalleri incelemektedir.”

Kalmady Vasu, aracın bir karar destek aracı olarak tasarlandığını ve bir psikiyatrist tarafından teşhisin yerini almayacağını belirtti. Ayrıca, şizotipal kişilik özelliklerine sahip olmanın insanları psikoza daha açık hale getirebileceğini ancak tam anlamıyla şizofreni geliştireceğinin kesin olmadığını ekledi.

Alberta Makine Zekası Enstitüsü’nün de bir üyesi olan Kalmady Vasu, “Amaç, aracın erken teşhise yardımcı olması, şizofreninin hastalık sürecini incelemesi ve belirtilerin belirlenmesine yardımcı olması” dedi.

EMPaSchiz (Multiple Parcellations for Schizophrenia prediction algoritması) olarak adlandırılan araç, daha önce hastaların beyin görüntülerini inceleyerek şizofreni teşhisini yüzde 87 doğrulukla tahmin etmek için kullanılıyordu. EMPaSchiz, Alberta Üniversitesi ve Hindistan’daki Ulusal Ruh Sağlığı ve Sinir Bilimleri Enstitüsü’nden bir grup araştırmacı tarafından geliştirilmiştir. Ekip ayrıca, Alberta Üniversitesi Nörobilim ve Ruh Sağlığı Enstitüsü’nün üç üyesinden ve Fen Fakültesi’nden Kanada CIFAR AI Başkanı Russ Greiner’den ve son makalenin yazarı olan psikiyatrist Andrew Greenshaw ve Serdar Dursun’dan oluşmaktadır.

Kalmady Vasu, araştırmanın sonraki adımlarında, aracın şizotipal özelliklere sahip ailesinde psikiyatrik öyküsü olmayan bireyler üzerindeki doğruluğunu test edileceğini ve ilerleyen dönemlerde şizofreni gelişip gelişmediğini öğrenmek için prospektif çalışmalarla değerlendirilecek ve bu bireylerin izleyeceğini söyledi.

Kalmady Vasu, Kanada VIGOR Merkezi aracılığıyla kardiyovasküler hastalarda kalp yetmezliği için ölüm ve yeniden hastaneye yatış gibi sonuçları tahmin etmek için de algoritmalar geliştirmek için aynı ilkeleri kullanmaktadır.

Kalmady Vasu, “Ciddi ruhsal bozukluklar ve kardiyovasküler problemler, fonksiyonel engelliliğe neden olmakta ve yaşam kalitesini bozmaktadır” dedi. “İnsanlığı etkileyen bu karmaşık bozukluklar için nesnel, kanıta dayalı araçlar geliştirmek çok önemli.” diye ekledi.

Kaynakça ve İleri Okumalar:

Çeviri Kaynak:Com (2021). AI used to predict early symptoms of schizophrenia in relatives of patients. Retrieved from https://neurosciencenews.com/ai-schizophrenia-risk-17623/
Orijinal Makale: Kalmady, S. V., Paul, A. K., Greiner, R., Agrawal, R., Amaresha, A. C., Shivakumar, V., Narayanaswamy, J. C., Greenshaw, A. J., Dursun, S. M., & Venkatasubramanian, G. (2020). Extending schizophrenia diagnostic model to predict schizotypy in first-degree relatives. NPJ schizophrenia, 6(1), 30. https://doi.org/10.1038/s41537-020-00119-y