Depresyonu beyin MRG’sinden tahmin etmek ve depresyonla ilişkili beyin biyolojisini belirlemek için makine öğrenimi ve derin öğrenmenin uygulanması

Duygu durumu için beyin taramaları ve algoritmalar neden önemli?

Depresyon dünya çapında yüz milyonlarca insanı etkiliyor, ancak doktorların kimin risk altında olduğunu belirleyecek ya da tedaviyi kişiselleştirmeye yardımcı olacak nesnel testleri hâlâ yok. Bu çalışma basit ama acil bir soruyu yanıtladı: ayrıntılı beyin taramaları modern bilgisayar teknikleriyle birleştirildiğinde depresyon için güvenilir bir sinyal sağlayabilir mi? Araştırmacılar, İngiltere BiyoBankası’ndan elde edilen binlerce beyin MRG görüntüsünü analiz ederek ve geleneksel makine öğrenimini derin öğrenme yöntemleriyle karşılaştırarak, gri madde yapısında depresyon hakkında ne kadar bilginin gerçekten yazılı olduğunu araştırdılar.

Binlerce beyin taramasında desen aramak

Ekip, İngiltere BiyoBankası’nın yapısal MRG taramalarını kullandı; odak noktasını majör depresif bozukluk öyküsü olan ve olmayan kişiler oluşturdu. 1.400’den fazla depresyonlu birey ve 29.000’den fazla dikkatle taranmış kontrol ile çalıştılar ve ardından modellerini eğitmek ve test etmek için dengeli bir alt küme oluşturdular. Beyni büyük bölgelere ortalamak yerine, gri madde boyunca küçük birimlerden oluşan ince taneli, üç boyutlu bir ızgarayı —voxel adı verilen— korudular. Bu yaklaşım, veriler ağır şekilde basitleştirildiğinde kaybolabilecek ince, yerel beyin yapısı farklılıklarını korur. Tüm görüntüler, her bir voxelin bireyler arasında anlamlı şekilde karşılaştırılabilmesi için ortak bir şablona işlenip hizalandı.

Klasik bir modeli derin öğrenme ile karşılaştırmak

Araştırmacılar iki tür öngörücü eğitti. Biri BLUP adı verilen istatistiksel bir makine öğrenimi yaklaşımıydı; bu yöntem yüz binlerce voxeldan gelen bilgiyi doğrusal olarak birleştirip tek bir beyin-temelli risk skoruna dönüştürür. Diğeri ise MRG hacimlerinden doğrudan karmaşık desenleri öğrenmeye çalışan modern bir derin öğrenme modeli (3B ResNet) idi. Yaklaşık 2.500 kişiden oluşan bağımsız bir grupta test edildiğinde, BLUP skoru depresyonluları kontrollerden ayırt etmede mütevazı ama güvenilir bir yeteneğe sahip olduğunu gösterdi. Depresyonlu kişiler genelde biraz daha yüksek skorlara sahipti ve BLUP skorundaki her bir standart artış, majör depresyon olma olasılığında yaklaşık %28 artışla ilişkilendirildi. Buna karşılık, derin öğrenme modeli şansa kıyasla sadece biraz daha iyi performans gösterdi ve daha sıkı istatistiksel denetimlerden sonra dayanmadı.

Beyin skorunun ana bölgeler hakkında neyi ortaya çıkardığı

Beyin skorunu daha yorumlanabilir kılmak için yazarlar skoru anatomik bölgelere ayırdı. Hangi alanların, kendi başlarına değerlendirildiğinde, tahmine en güçlü katkıyı yaptığını sordular. Hipokampus ve amigdala gibi depresyonda rol oynadığı daha önce şüphe edilen birkaç bölge beklenen yönde sinyaller gösterdi; ayrıca talamus, serebellum ve belirli frontal ve temporal bölgelerde de işaretler vardı. Ancak test edilen çok sayıda bölge için düzeltme yapıldığında bu bölgeye özgü etkilerin hiçbiri anlamlılığını koruyacak kadar güçlü değildi. Farklı bir ekipmanla taranan küçük bir klinik örneklem çoğunlukla tutarlı etki yönleri gösterdi, ancak herhangi bir ilişkiyi kesin olarak doğrulayacak büyüklükten yoksundu.

Beyin yapısını genetik riskle tartmak

Genlerin de depresyonu etkilediği için ekip, beyin tabanlı skorlarını birçok genetik varyantı özetleyen bir poligenik skor ile karşılaştırdı. Beyin skoru ile genetik skor arasında mütevazı bir korelasyon vardı; bu, her ikisinin de bazı paylaşılan biyolojik yatkınlıklara işaret ettiğini düşündürüyor. Önemli olarak, genetik skora beyin skorunu eklemek tahmin doğruluğunda yalnızca çok küçük bir iyileşme sağladı. Yazarlar ayrıca genel olarak, gri madde yapısının örneklemde kimin depresyona sahip olduğu varyansının yalnızca yaklaşık %6’sını açıkladığını tahmin ettiler; ideal bir dünyada bile bu, yalnızca yapı temelli bir beyin öngörücüsünün performansını nispeten mütevazı bir düzeyde sınırlayacaktır.

Gelecekteki testler ve tedaviler için ne anlama geliyor?

Halk için özet şu: mevcut yapısal beyin MRG’si, sofistike araçlarla analiz edilse bile, henüz depresyon için güvenilir bir tek başına test olarak hizmet edemiyor. BLUP modelinin performansı istatistiksel olarak belirgindi ancak klinik karar alma için gereken doğruluktan uzak kaldı ve derin öğrenme daha basit yöntemlerin üzerine çıkmadı. Yine de çalışma, hangi beyin alanlarının ve özelliklerinin en bilgilendirici olduğuna, ayrıca beyin yapısının genler ve zihinsel sağlığı şekillendiren yaşam deneyimleriyle nasıl ilişkilendiğine dair değerli ipuçları sunuyor. Yazarlar gelecekteki ilerlemenin muhtemelen birden fazla beyin verisi türünün, genetiğin ve çevresel bilginin birleştirilmesinden ve depresyonu tek bir geniş kategori olarak ele almak yerine belirli belirti desenlerine odaklanmaktan geleceğini savunuyorlar.

Atıf: Jiang, JC., Brianceau, C., Delzant, E. et al. Applying machine-learning and deep-learning to predict depression from brain MRI and identify depression-related brain biology. Transl Psychiatry 16, 171 (2026). https://doi.org/10.1038/s41398-026-03889-8

Anahtar kelimeler: depresyon, beyin MRI, makine öğrenimi, nörogörüntüleme, genetik risk