Yakın zamanda yapılan bir araştırmada, demansın ilerleyen evrelerini tahmin etmek için kullanılan yeni bir yapay zekâ modelinin etkileyici sonuçlar sunduğu ortaya çıktı. Bu çalışma, mevcut demans riski tahmin modellerini aştığını gösterdi. Araştırmacılar, yapay zeka modellerinin özellikle 2 yıl içinde demans teşhisi konulma olasılığını belirlemedeki başarısını değerlendirdi. Bu modeller, katılımcıların demans olma ihtimalini belirlemede geleneksel modellere göre daha etkili oldu.
Araştırmada, 15.307 katılımcıyı kapsayan geniş bir veri seti incelendi. Veriler, katılımcıların ilk başta hafıza klinik ziyaretlerinde kaydedilen verilere dayanarak incelendi. Çalışmada kullanılan dört farklı makine öğrenimi algoritması kullanıldı: lojistik regresyon (Logistic Regression), destek vektör makinesi (Support Vector Machine), rastgele orman (Random Forest) ve gradyan artırılmış ağaçlar (Gradient Boosting Framework (XGB)). Bu algoritmalar, katılımcıların demans olup olmayacağını belirlemek için ilk hafıza klinik ziyaretinde kaydedilen değişkenlere dayanıyordu. Araştırmacılar, bu modellerin genel doğruluğunu, hassasiyetini ve özgüllüğünü değerlendirdi. Ayrıca, modellerin demansın farklı alt tiplerini tanıma yeteneklerini ve mevcut demans riski tahmin modelleri ile karşılaştırdı.
Çalışmanın dikkat çeken bir bulgusu, yapay zekâ modellerinin var olan modellere kıyasla daha az değişkenle benzer performansı elde edebileceği oldu. Araştırmacılar, modellerin en iyi performansını gösteren değişken sayısını belirledikten sonra, sadece 22 değişkenin kullanılmasının optimal performanstan istatistiksel olarak ayırt edilemez sonuçlar elde etmek için yeterli olduğunu gösterdi. Altı temel risk faktörünün belirlenmesi, bu modellerin karmaşıklığını azaltarak klinik uygulamada daha kullanışlı hale getirilebilecek önemli bir adım olarak değerlendirildi. Bu altı faktör, bellek, bilişsel yetenekler, davranış, işleri yönetme yeteneği, motor ve hareket değişikliklerindeki düşüşleri içeriyordu.
Araştırmanın bir başka önemli bulgusu da yapay zekâ modellerinin, demans teşhisi konulan bazı katılımcılarda başlangıçta yapılan teşhisin daha sonraki değerlendirmelerde geri alınabileceğini göstermesiydi. Bu durumda, katılımcıların demans olma olasılığı daha düşük olarak değerlendirildi. Rastgele orman modeli, bu tür durumları tanıma konusunda diğer modellere kıyasla daha başarılı oldu.
Sonuç olarak, bu araştırma, yapay zekâ modellerinin demans risk tahmini alanında önemli bir potansiyele sahip olduğunu ve klinik uygulamalarda kullanıldığında mevcut modellere göre daha etkili olabileceğini göstermektedir. Bu modeller, daha az değişkenle bile benzer performansı sağlayarak klinik kullanım için daha uygun hale getirilebilir ve demansın doğru teşhisini ve yönetimini iyileştirebilir.
Kaynakça:
James, C., Ranson, J. M., Everson, R., & Llewellyn, D. J. (2021). Performance of machine learning algorithms for predicting progression to dementia in memory clinic patients. JAMA Network Open, 4(12). https://doi.org/10.1001/jamanetworkopen.2021.36553
