En erken bilişsel düşüş öngörüsü için içsel bir beyin aktivitesi biyobelirteçinin türetilmesi

Neden erken beyin değişiklikleri önemli?

Birçok yaşlı yetişkin, herhangi bir doktor demansı teşhis etmeden çok önce ince bellek kayıplarının farkına varır. Bu aşamada standart beyin görüntüleri ve kan testleri genellikle normal görünür, ancak altta yatan hastalık süreci çoktan başlamış olabilir. Bu çalışma, basit ve invazif olmayan bir beyin dalgası testi—elektroensefalogram (EEG)—kullanarak beynin işleyişindeki çok erken değişikliklerin açığa çıkarılıp çıkarılamayacağını ve yıllar sonra kimlerin ciddi bilişsel düşüş yaşayacağını güvenilir şekilde öngörebilip öngöremeyeceğini araştırıyor.

Beynin sessiz sinyallerini dinlemek

Araştırmacılar “öznel bilişsel bozukluk” (ÖBB) yaşayan kişilere odaklandı: hafızasının azaldığını hisseden, ancak standart testlerde normal performans gösteren yaşlı yetişkinler. 52–85 yaşları arasındaki 88 gönüllüye, gözleri kapalıyken 20 dakikalık dinlenme EEG’si kaydedildi ve ardından 5–7 yıl süreyle izlendi. İzlem süresince doktorlar her kişinin bilişsel durumunu yerleşik değerlendirme ölçekleriyle takip etti. Bu dönemin sonunda bazı katılımcılar stabil kaldı, bazıları hafif bilişsel bozukluğa veya demansa ilerledi. Bu sonuçlar, başlangıçtaki EEG’deki ince desenlerin kimlerin daha sonra kötüleşeceğini öngörebilip öngöremeyeceği sorusunu sormaya olanak verdi.

Beyin dalgalarını öngörücü bir parmak izine dönüştürmek

EEG’yi gözle incelemek yerine ekip nicel EEG (qEEG) kullandı; bu yöntem ham beyin dalgalarını binlerce sayısal özelliğe çevirir. Bu özellikler farklı frekans bantlarının ne kadar güçlü olduğunu (alfa ve teta ritimleri gibi), uzak beyin bölgelerinin birbirleriyle ne kadar senkronize olduğunu (bağlantı ve faz gecikmesi) ve genel aktivite deseninin ne kadar karmaşık veya düzensiz göründüğünü yakalar. Normal yaşlanma da EEG’yi etkilediği için araştırmacılar tüm özellikleri matematiksel olarak yaşa göre düzeltti ve ardından “sıfır”ın aynı yaştaki sağlıklı bir kişi için beklenen değeri temsil etmesi için standartlaştırdı. Aşırı uyumu önlemek amacıyla, 6.000’den fazla aday ölçü sistematik olarak stabil, gereksiz tekrar içermeyen ve stabil kalanlarla kötüleşenleri en iyi ayıran kompakt bir kümeye indirildi.

Mükemmeliyet kazanan makine öğrenimi

Bu azaltılmış özellik setiyle ekip, her katılımcının gelecekteki düşüş olasılığını tahmin etmek için lojistik regresyon, destek vektör makineleri ve rastgele ormanlar gibi birkaç makine öğrenimi modeli eğitti. Performansı olabildiğince gerçekçi değerlendirmek için tekrarlı çapraz doğrulama ve özel bir bootstrap yöntemi kullanıldı. Modeller genelinde tahmin doğruluğu yaklaşık %80 civarındaydı ve alıcı işletim karakteristiği eğrisi altında kalan alan (AUC) yaklaşık 0,90’daydı; bu, stabil kalanlar ile kötüleşenler arasında güçlü ayırım yapıldığını gösterir. Nihai kilitlenen modeller yalnızca 14 qEEG özelliği kullandı; bunların çoğu az sayıda elektrotla kaydedilen frontal beyin bölgelerinden seçildiği için yöntem rutin klinik kullanım için pratik oldu.

Beyinde neler değişiyor?

Doğru tahminden en çok sorumlu özellikler, beyin bölgelerinin birbirleriyle iletişiminde erken bozulmaya işaret ediyordu. Özellikle faz gecikmesi ve sol ile sağ frontal bölgeler arasındaki asimetri gibi bağlantı ölçüleri modelin merkezindeydi. Alfa ve teta frekans bantlarındaki anormallikler öne çıktı: artmış veya kaymış teta aktivitesi diğer çalışmalarda hipokampal atrofi ve kortikal incelmeyle ilişkilendirilmişken, alfa gücü ve frekansındaki değişiklikler beynin ortaya çıkan hasara karşı ilk telafi çabalarını yansıtabilir. Önemli olan, tek bir EEG ölçütünün tüm hikâyeyi anlatamamasıydı. Riskin yükseldiğini işaret eden şey, belirli kombinasyon—biyobelirteç “parmak izi” idi; bu kombinasyon, belirgin semptomlar ortaya çıkmadan yıllar önce uyarı veriyordu.

Aleti gerçek dünyada teste koymak

Biyobelirteçlerinin orijinal grubun ötesine genellenip genellenemeyeceğini görmek için araştırmacılar onu ABD ve İtalya’dan, her biri kendi kayıt düzenlemelerine ve hasta özelliklerine sahip iki bağımsız kohortta test ettiler. Gerçekten yeni veriler için beklendiği gibi doğruluk ılımlı bir düşüş gösterdi; yaklaşık %60–70’e geriledi, fakat model hala şansa göre çok daha iyi performans gösterdi ve yakaladığı sinyalin sağlam olduğunu düşündürdü. Ekip ayrıca klinisyenlerin karar eşiğini ayarlayabileceğini gösterdi: eşiği düşürmek duyarlılığı artırır (gelecekte kötüleşecek daha fazla kişiyi yakalamak ama daha çok yanlış alarm), eşiği yükseltmek özgüllüğü artırır (daha az yanlış pozitif ama daha çok kaçırılan vaka). Bu esneklik, aracı farklı klinik önceliklere göre uyarlamaya olanak tanır.

Hastalar ve klinisyenler için bunun anlamı

Düz bir dille ifade edilirse, bu çalışma kısa ve ağrısız bir EEG kaydının—yalnızca alın bölgesine birkaç elektrot yerleştirilerek—bugün normal görünen ama önümüzdeki birkaç yıl içinde bilişsel düşüş riski yüksek olan yaşlı yetişkinleri belirlemeye yardımcı olabileceğini öne sürüyor. Daha büyük çalışmalar ve diğer biyobelirteçlerle karşılaştırmalar hâlâ gerekli olsa da, yöntem ucuz, invazif olmayan ve tekrarlanabilir; özellikle gelişmiş görüntüleme veya beyin-omurilik sıvısı testlerinin uygulanamadığı ortamlarda tarama için cazip hale getiriyor. Daha fazla doğrulanırsa, EEG tabanlı bu tür biyobelirteçler doktorların daha erken müdahale etmesine, hastalık ilerlemesini izlemesine ve tedavilerin en etkili olabileceği dönemde klinik denemeler için katılımcı seçimine yardımcı olabilir.

Atıf: Prichep, L.S., Zaidi, S.N., Brink, K. et al. Derivation of an intrinsic brain activity biomarker for the earliest prediction of cognitive decline. Sci Rep 16, 5500 (2026). https://doi.org/10.1038/s41598-026-35144-x

Anahtar kelimeler: erken demans öngörüsü, EEG beyin dalgaları, öznel bilişsel düşüş, makine öğrenimi biyobelirteci, Alzheimer riski