Hafif bili\u015fsel bozukluklar\u0131 olan ki\u015filerin yakla\u015f\u0131k %40\u2019\u0131 tan\u0131dan sonraki \u00fc\u00e7 y\u0131l i\u00e7inde bunama geli\u015ftiriyor. Bu h\u0131zl\u0131 ilerleyi\u015f, en riskli hastalar\u0131 belirlemek i\u00e7in g\u00fcvenilir ara\u00e7lara sahip olman\u0131n \u00f6nemini vurguluyor. Yak\u0131n zamanda yap\u0131lan bir \u00e7al\u0131\u015fma, yayg\u0131n olarak ula\u015f\u0131labilir ve d\u00fc\u015f\u00fck maliyetli bir g\u00f6r\u00fcnt\u00fcleme tekni\u011fi olan beyin taramalar\u0131ndan elde edilen vol\u00fcmetrik analiz sayesinde bu ilerleyi\u015fin tahmin edilebilece\u011fini g\u00f6steriyor.<\/p>\n
Ara\u015ft\u0131rmac\u0131lar, hafif bili\u015fsel bozukluklar\u0131 olan 791 hastan\u0131n verilerini analiz etti. Bunlar\u0131n %40\u2019\u0131 \u00fc\u00e7 y\u0131l i\u00e7inde bunama geli\u015fti. Sonu\u00e7lar, bunama geli\u015fen ki\u015filerin ortalama olarak daha ya\u015fl\u0131, daha s\u0131k kad\u0131n ve Alzheimer hastal\u0131\u011f\u0131 riskini art\u0131ran bilinen bir gen varyant\u0131n\u0131n ta\u015f\u0131y\u0131c\u0131s\u0131 oldu\u011funu g\u00f6sterdi. Klinik testler ile de\u011ferlendirilen ba\u015flang\u0131\u00e7 bili\u015fsel durumlar\u0131 da daha bozuktu.<\/p>\n
Taramalar\u0131n analizi, beynin baz\u0131 b\u00f6lgelerinde belirgin farkl\u0131l\u0131klar ortaya \u00e7\u0131kard\u0131. Bunama geli\u015fen hastalarda, alt lateral ventrik\u00fcllerin geni\u015flemesi ve parietal ve oksipital b\u00f6lgelerdeki beyin omurilik s\u0131v\u0131s\u0131 ile dolu alanlarda daha belirgin bir art\u0131\u015f g\u00f6zlendi. Bu de\u011fi\u015fiklikler, genellikle Alzheimer hastal\u0131\u011f\u0131n\u0131n ilerlemesiyle ili\u015fkili olan beyin atrofisini, yani beyin hacminin azalmas\u0131n\u0131 yans\u0131t\u0131yor.<\/p>\n
Bu ilerleyi\u015fi tahmin etmek i\u00e7in bilim insanlar\u0131, yapay zek\u00e2ya dayal\u0131 bir model geli\u015ftirdi. Bu model, ya\u015f veya bili\u015fsel test sonu\u00e7lar\u0131 gibi klinik verileri, taramalardan elde edilen vol\u00fcmetrik \u00f6l\u00e7\u00fcmlerle birle\u015ftiriyor. Model, neredeyse %84\u2019l\u00fck bir do\u011fruluk oran\u0131yla risk alt\u0131ndaki hastalar\u0131 do\u011fru bir \u015fekilde ay\u0131rt etme kapasitesine ula\u015ft\u0131. Alt\u0131 fakt\u00f6r \u00f6zellikle belirleyici oldu: ya\u015f, gen varyant\u0131, ba\u015flang\u0131\u00e7taki bili\u015fsel bozukluk d\u00fczeyi ve bahsedilen b\u00f6lgelerdeki beyin atrofisinin \u00fc\u00e7 \u00f6zel \u00f6l\u00e7\u00fcm\u00fc.<\/p>\n
Taramalar\u0131n kullan\u0131m\u0131, b\u00fcy\u00fck bir avantaj sunuyor: Bu teknik, t\u00fcm\u00f6rler veya vask\u00fcler olaylar gibi bili\u015fsel bozukluklar\u0131n di\u011fer nedenlerini ekarte etmek i\u00e7in klinik uygulamada zaten yayg\u0131n olarak kullan\u0131l\u0131yor. Dolay\u0131s\u0131yla, bu vol\u00fcmetrik analizi entegre etmek ek muayeneler gerektirmiyor, bu da yakla\u015f\u0131m\u0131 hem pratik hem de ekonomik hale getiriyor. MRG veya beyin omurilik s\u0131v\u0131s\u0131ndaki biyobelirte\u00e7ler gibi di\u011fer y\u00f6ntemlerin aksine, tarama, \u00e7o\u011fu hastanede ula\u015f\u0131labilir ve invaziv olmayan prosed\u00fcrler gerektirmiyor.<\/p>\n
Sonu\u00e7lar, bu yakla\u015f\u0131m\u0131n sadece bunamaya ilerleyi\u015fi y\u00fcksek do\u011frulukla tahmin etmeyi sa\u011flamakla kalmad\u0131\u011f\u0131n\u0131, ayn\u0131 zamanda en etkili fakt\u00f6rleri de belirleyebildi\u011fini g\u00f6steriyor. \u00d6rne\u011fin, hipokampusa yak\u0131n bir alan olan alt lateral ventrik\u00fcllerdeki atrofi, artm\u0131\u015f riskin g\u00fc\u00e7l\u00fc bir g\u00f6stergesi. Hipokampus, haf\u0131zada kilit bir rol oynuyor ve boyutundaki k\u00fc\u00e7\u00fclme genellikle Alzheimer hastal\u0131\u011f\u0131n\u0131n erken evrelerinde g\u00f6zleniyor. Benzer \u015fekilde, karma\u015f\u0131k bili\u015fsel i\u015flevlerde yer alan n\u00f6ronal a\u011flarla ili\u015fkili olan parietal ve oksipital b\u00f6lgelerdeki de\u011fi\u015fiklikler, hastal\u0131\u011f\u0131n ilerlemesindeki \u00f6nemlerini do\u011fruluyor.<\/p>\n
Bu model, hastalar\u0131n bak\u0131m\u0131nda \u00f6nemli bir etki yaratabilir. K\u0131sa vadede bunama geli\u015ftirme riski y\u00fcksek olan hastalar\u0131 belirleyerek, doktorlar takibi uyarlayabilir, erken m\u00fcdahaleler \u00f6nererek hastalar\u0131 ve yak\u0131nlar\u0131n\u0131 daha iyi bilgilendirebilir. Tersine, d\u00fc\u015f\u00fck riskli ki\u015filer gereksiz muayenelerden veya s\u0131k kons\u00fcltasyonlardan ka\u00e7\u0131nabilir. Risk stratifikasyonu, ayr\u0131ca, h\u0131zl\u0131 ilerleme g\u00f6sterme olas\u0131l\u0131\u011f\u0131 en y\u00fcksek kat\u0131l\u0131mc\u0131lar\u0131 hedefleyerek klinik deneylerin etkinli\u011fini art\u0131rabilir, bu da yeni tedavilerin geli\u015ftirilmesini kolayla\u015ft\u0131r\u0131r.<\/p>\n
\u00c7al\u0131\u015fma, genellikle temel bir tan\u0131 arac\u0131 olarak kabul edilen taramalar\u0131n, prognoz i\u00e7in kilit bir unsur haline gelebilece\u011fini do\u011fruluyor. Zaten mevcut olan verileri kullanarak, bu y\u00f6ntem, hastalar veya sa\u011fl\u0131k sistemleri i\u00e7in ek bir y\u00fck getirmeden ki\u015fiselle\u015ftirilmi\u015f t\u0131bb\u0131n sunulmas\u0131 i\u00e7in ula\u015f\u0131labilir bir \u00e7\u00f6z\u00fcm sunuyor.<\/p>\n
Hafif bili\u015fsel bozukluklar\u0131 olan ki\u015filerin yakla\u015f\u0131k %40\u2019\u0131 tan\u0131dan sonraki \u00fc\u00e7 y\u0131l i\u00e7inde bunama geli\u015ftiriyor. Bu h\u0131zl\u0131 ilerleyi\u015f, en riskli hastalar\u0131 belirlemek i\u00e7in g\u00fcvenilir ara\u00e7lara sahip olman\u0131n \u00f6nemini vurguluyor. Yak\u0131n zamanda yap\u0131lan bir \u00e7al\u0131\u015fma, yayg\u0131n olarak ula\u015f\u0131labilir ve d\u00fc\u015f\u00fck maliyetli bir g\u00f6r\u00fcnt\u00fcleme tekni\u011fi olan beyin taramalar\u0131ndan elde edilen vol\u00fcmetrik analiz sayesinde bu ilerleyi\u015fin tahmin edilebilece\u011fini g\u00f6steriyor.<\/p>\n
Ara\u015ft\u0131rmac\u0131lar, hafif bili\u015fsel bozukluklar\u0131 olan 791 hastan\u0131n verilerini analiz etti. Bunlar\u0131n %40\u2019\u0131 \u00fc\u00e7 y\u0131l i\u00e7inde bunama geli\u015fti. Sonu\u00e7lar, bunama geli\u015fen ki\u015filerin ortalama olarak daha ya\u015fl\u0131, daha s\u0131k kad\u0131n ve Alzheimer hastal\u0131\u011f\u0131 riskini art\u0131ran bilinen bir gen varyant\u0131n\u0131n ta\u015f\u0131y\u0131c\u0131s\u0131 oldu\u011funu g\u00f6sterdi. Klinik testler ile de\u011ferlendirilen ba\u015flang\u0131\u00e7 bili\u015fsel durumlar\u0131 da daha bozuktu.<\/p>\n
Taramalar\u0131n analizi, beynin baz\u0131 b\u00f6lgelerinde belirgin farkl\u0131l\u0131klar ortaya \u00e7\u0131kard\u0131. Bunama geli\u015fen hastalarda, alt lateral ventrik\u00fcllerin geni\u015flemesi ve parietal ve oksipital b\u00f6lgelerdeki beyin omurilik s\u0131v\u0131s\u0131 ile dolu alanlarda daha belirgin bir art\u0131\u015f g\u00f6zlendi. Bu de\u011fi\u015fiklikler, genellikle Alzheimer hastal\u0131\u011f\u0131n\u0131n ilerlemesiyle ili\u015fkili olan beyin atrofisini, yani beyin hacminin azalmas\u0131n\u0131 yans\u0131t\u0131yor.<\/p>\n
Bu ilerleyi\u015fi tahmin etmek i\u00e7in bilim insanlar\u0131, yapay zek\u00e2ya dayal\u0131 bir model geli\u015ftirdi. Bu model, ya\u015f veya bili\u015fsel test sonu\u00e7lar\u0131 gibi klinik verileri, taramalardan elde edilen vol\u00fcmetrik \u00f6l\u00e7\u00fcmlerle birle\u015ftiriyor. Model, neredeyse %84\u2019l\u00fck bir do\u011fruluk oran\u0131yla risk alt\u0131ndaki hastalar\u0131 do\u011fru bir \u015fekilde ay\u0131rt etme kapasitesine ula\u015ft\u0131. Alt\u0131 fakt\u00f6r \u00f6zellikle belirleyici oldu: ya\u015f, gen varyant\u0131, ba\u015flang\u0131\u00e7taki bili\u015fsel bozukluk d\u00fczeyi ve bahsedilen b\u00f6lgelerdeki beyin atrofisinin \u00fc\u00e7 \u00f6zel \u00f6l\u00e7\u00fcm\u00fc.<\/p>\n
Taramalar\u0131n kullan\u0131m\u0131, b\u00fcy\u00fck bir avantaj sunuyor: Bu teknik, t\u00fcm\u00f6rler veya vask\u00fcler olaylar gibi bili\u015fsel bozukluklar\u0131n di\u011fer nedenlerini ekarte etmek i\u00e7in klinik uygulamada zaten yayg\u0131n olarak kullan\u0131l\u0131yor. Dolay\u0131s\u0131yla, bu vol\u00fcmetrik analizi entegre etmek ek muayeneler gerektirmiyor, bu da yakla\u015f\u0131m\u0131 hem pratik hem de ekonomik hale getiriyor. MRG veya beyin omurilik s\u0131v\u0131s\u0131ndaki biyobelirte\u00e7ler gibi di\u011fer y\u00f6ntemlerin aksine, tarama, \u00e7o\u011fu hastanede ula\u015f\u0131labilir ve invaziv olmayan prosed\u00fcrler gerektirmiyor.<\/p>\n
Sonu\u00e7lar, bu yakla\u015f\u0131m\u0131n sadece bunamaya ilerleyi\u015fi y\u00fcksek do\u011frulukla tahmin etmeyi sa\u011flamakla kalmad\u0131\u011f\u0131n\u0131, ayn\u0131 zamanda en etkili fakt\u00f6rleri de belirleyebildi\u011fini g\u00f6steriyor. \u00d6rne\u011fin, hipokampusa yak\u0131n bir alan olan alt lateral ventrik\u00fcllerdeki atrofi, artm\u0131\u015f riskin g\u00fc\u00e7l\u00fc bir g\u00f6stergesi. Hipokampus, haf\u0131zada kilit bir rol oynuyor ve boyutundaki k\u00fc\u00e7\u00fclme genellikle Alzheimer hastal\u0131\u011f\u0131n\u0131n erken evrelerinde g\u00f6zleniyor. Benzer \u015fekilde, karma\u015f\u0131k bili\u015fsel i\u015flevlerde yer alan n\u00f6ronal a\u011flarla ili\u015fkili olan parietal ve oksipital b\u00f6lgelerdeki de\u011fi\u015fiklikler, hastal\u0131\u011f\u0131n ilerlemesindeki \u00f6nemlerini do\u011fruluyor.<\/p>\n
Bu model, hastalar\u0131n bak\u0131m\u0131nda \u00f6nemli bir etki yaratabilir. K\u0131sa vadede bunama geli\u015ftirme riski y\u00fcksek olan hastalar\u0131 belirleyerek, doktorlar takibi uyarlayabilir, erken m\u00fcdahaleler \u00f6nererek hastalar\u0131 ve yak\u0131nlar\u0131n\u0131 daha iyi bilgilendirebilir. Tersine, d\u00fc\u015f\u00fck riskli ki\u015filer gereksiz muayenelerden veya s\u0131k kons\u00fcltasyonlardan ka\u00e7\u0131nabilir. Risk stratifikasyonu, ayr\u0131ca, h\u0131zl\u0131 ilerleme g\u00f6sterme olas\u0131l\u0131\u011f\u0131 en y\u00fcksek kat\u0131l\u0131mc\u0131lar\u0131 hedefleyerek klinik deneylerin etkinli\u011fini art\u0131rabilir, bu da yeni tedavilerin geli\u015ftirilmesini kolayla\u015ft\u0131r\u0131r.<\/p>\n
\u00c7al\u0131\u015fma, genellikle temel bir tan\u0131 arac\u0131 olarak kabul edilen taramalar\u0131n, prognoz i\u00e7in kilit bir unsur haline gelebilece\u011fini do\u011fruluyor. Zaten mevcut olan verileri kullanarak, bu y\u00f6ntem, hastalar veya sa\u011fl\u0131k sistemleri i\u00e7in ek bir y\u00fck getirmeden ki\u015fiselle\u015ftirilmi\u015f t\u0131bb\u0131n sunulmas\u0131 i\u00e7in ula\u015f\u0131labilir bir \u00e7\u00f6z\u00fcm sunuyor.<\/p>\n
DOI\u00a0:<\/strong> https:\/\/doi.org\/10.1038\/s41598-026-45439-8<\/a><\/p>\n Titre\u00a0:<\/strong> Scalable CT-based prognostic modeling of dementia conversion in mild cognitive impairment<\/p>\n Revue : <\/strong> Scientific Reports<\/p>\n \u00c9diteur : <\/strong> Springer Science and Business Media LLC<\/p>\n Auteurs : <\/strong> Seongbeom Park; Jehyun Ahn; Duk L. Na; Hee Jin Kim; Hyemin Jang; Jun Pyo Kim; Sung Hoon Kang; Jihwan Yun; Min Young Chun; Sang Won Seo; Kichang Kwak<\/p>\n","protected":false},"excerpt":{"rendered":" Beyin taramas\u0131, bunamaya ilerleyi\u015fi tahmin etmeyi sa\u011fl\u0131yor Hafif bili\u015fsel bozukluklar\u0131 olan ki\u015filerin yakla\u015f\u0131k %40\u2019\u0131 tan\u0131dan sonraki \u00fc\u00e7 y\u0131l i\u00e7inde bunama geli\u015ftiriyor. Bu h\u0131zl\u0131 ilerleyi\u015f, en riskli hastalar\u0131 belirlemek i\u00e7in g\u00fcvenilir ara\u00e7lara sahip olman\u0131n \u00f6nemini vurguluyor. Yak\u0131n zamanda yap\u0131lan bir \u00e7al\u0131\u015fma, yayg\u0131n olarak ula\u015f\u0131labilir ve d\u00fc\u015f\u00fck maliyetli bir g\u00f6r\u00fcnt\u00fcleme tekni\u011fi olan beyin taramalar\u0131ndan elde edilen vol\u00fcmetrik… Okumaya devam et Beyin taramas\u0131, bunamaya ilerleyi\u015fi tahmin etmeyi sa\u011fl\u0131yor<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2],"tags":[],"class_list":["post-38","post","type-post","status-publish","format-standard","hentry","category-saglik","entry"],"_links":{"self":[{"href":"https:\/\/psychiatryfoundation.com\/tr\/wp-json\/wp\/v2\/posts\/38","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/psychiatryfoundation.com\/tr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/psychiatryfoundation.com\/tr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/psychiatryfoundation.com\/tr\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/psychiatryfoundation.com\/tr\/wp-json\/wp\/v2\/comments?post=38"}],"version-history":[{"count":1,"href":"https:\/\/psychiatryfoundation.com\/tr\/wp-json\/wp\/v2\/posts\/38\/revisions"}],"predecessor-version":[{"id":39,"href":"https:\/\/psychiatryfoundation.com\/tr\/wp-json\/wp\/v2\/posts\/38\/revisions\/39"}],"wp:attachment":[{"href":"https:\/\/psychiatryfoundation.com\/tr\/wp-json\/wp\/v2\/media?parent=38"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/psychiatryfoundation.com\/tr\/wp-json\/wp\/v2\/categories?post=38"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/psychiatryfoundation.com\/tr\/wp-json\/wp\/v2\/tags?post=38"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}