Parkinson teşhisini geliştiren habitat tabanlı MRI radyomikleri

Hastalar ve aileleri için bunun önemi

Parkinson hastalığı sıklıkla yavaşça başlar; yakalanması güç ince titremeler veya sertliklerle kendini gösterir. Bugün doktorlar hâlâ tanı koymak için büyük ölçüde semptomlara ve uzmanlaşmış, pahalı görüntülemelere dayanıyor; bu nedenle erken vakalar kolayca gözden kaçabiliyor. Bu çalışma, birçok hastanenin zaten kullandığı sıradan MRI taramalarından gizli desenler çıkarılabileceğini gösteriyor; bu da Parkinson hastalığını daha hızlı, daha az invaziv ve şaşırtıcı derecede doğru şekilde tespit etmenin bir yolunu sunuyor.

Beyni yeni bir açıdan görmek

Araştırmacılar, hareket kontrolünde merkezi rol oynayan ve Parkinson hastalığında yoğun olarak etkilenen kaudat çekirdek ve putamen olmak üzere iki derin beyin yapısına odaklandı. Her yapıyı tek parça doku olarak ele almak yerine daha ayrıntılı bir soru sordular: bu bölgelerin içindeki farklı yamalar MRI üzerinde farklı davranıyor mu ve bu farklar hastalığı açığa çıkarabilir mi? Bunu araştırmak için, iki hastanede farklı tarayıcılar kullanılarak 308 kişinin—173 Parkinson’lu ve 135 sağlıklı gönüllü—rutin MRI taramalarını topladılar; bu, gerçek klinik ortamlarda bulunan çeşitliliği yansıtıyor.

Beyin “mahallelerinden” dijital parmak izlerine

Habitat tabanlı radyomik adı verilen bir teknik kullanarak ekip, hedef bölgenin her birini MRI görüntülerindeki parlaklık ve doku farklılıklarına dayalı olarak daha küçük “mahalleler” veya habitatlara böldü. Bir bilgisayar algoritması, benzer görüntü özelliklerine sahip voksel (küçük 3B piksel) gruplarını bu habitatlarda bir araya getirdi ve her birinden yüzlerce sayısal özellik çıkardı. Bu özellikler, çıplak gözle görünmeyen ama Parkinson hastalığıyla ilişkili nöron kaybı, skarlaşma veya demir birikimini yansıtabilen küçük düzensizlikleri yakalayan doku sağlığının türü dijital bir parmak izini oluşturur.

Rutin taramalardan tanısal bir model eğitmek

Bu parmak izleriyle bilim insanları, Parkinson’lu hastaları sağlıklı kontrollerden ayırt edebilen bir makine öğrenimi modeli olan destek vektör makinesini eğitti. Beyin bölgelerini tek bir büyük bölgeden on küçük bölgeye kadar farklı şekillerde bölmeyi denediler. Hem ana eğitim seti hem de bağımsız doğrulama seti performansı değerlendirmek için kullanıldı. Bölgeler beş habitat olarak ayrıldığında model en iyi sonucu verdi: yeni, görülmemiş verilerde neredeyse 10 kişiden 9’unda Parkinson’ı doğru olarak tanımladı ve tüm çalışmada genel tanı doğruluğu %94’ün üzerine çıktı. Bu, her beyin bölgesini tek bir birim olarak ele alan ve genellikle %80–85 civarında tıkanan önceki yaklaşımları aştı.

Modelin gerçekte ne gördüğü

Bir “kara kutu” inşa etmekten kaçınmak için ekip, modelin kararlarını hangi görüntü özelliklerinin etkilediğini görmek amacıyla SHAP adlı bir açıklama yöntemini kullandı. En önemli sinyaller yaygın bir klinik dizi olan T2-ağırlıklı MRI’den geldi. Parkinson’lu kişilerde ilgili habitatlar, sağlıklı gönüllülere kıyasla yoğunlukta daha fazla değişkenlik, daha aşırı parlak ve koyu lekeler ve çarpık yoğunluk dağılımları gösterdi. Bu desenler muhtemelen bazal gangliyondaki dopamin üreten nöron kaybı, lokal skarlaşma ve anormal demir birikimleri gibi bilinen hastalık süreçlerini yansıtıyor. Önemli olarak, aynı özellikler veriler farklı şekillerde bölünüp yeniden analiz edildiğinde de ortaya çıktı ve tarayıcılar arasında da stabil kaldı; bu, yöntemin tek bir cihazın rastlantısından ziyade sağlam olduğunu düşündürüyor.

Araştırma aracından kliniğe

Gerçek vakaları yakalamanın faydalarını yanlış alarmların zararlarıyla tartan karar-eğrisi analizleri, modelin kimin gerçekten ek testlere (örneğin DaTscan) ihtiyaç duyduğuna ve kimin ekstra, maliyetli işlemlerden güvenle kaçınabileceğine karar vermede klinisyenlere yardımcı olabileceğini gösterdi. Yöntem yalnızca standart MRI taramalarına ve yazılıma dayandığı için ileri nükleer görüntülemenin bulunmadığı veya çok pahalı olduğu ortamlarda özellikle değerli olabilir. Yazarlar, habitat tabanlı radyomiklerin tanıdık MRI görüntülerini zengin veri haritalarına dönüştürdüğünü, daha erken ve daha doğru Parkinson teşhisi için güçlü, invazif olmayan bir yardımcı sunduğunu ve gelecekte hastalık ilerlemesini izleyebilecek ve tedaviye yol gösterebilecek araçlar için zemin hazırladığını savunuyorlar.

Atıf: Li, YZ., Wang, Y., Cai, C. et al. Habitat-based MRI radiomics for enhanced parkinson’s diagnosis. Sci Rep 16, 4755 (2026). https://doi.org/10.1038/s41598-026-37923-y

Anahtar kelimeler: Parkinson hastalığı, MRI, radyomik, makine öğrenimi, erken teşhis