Alzheimer hastalığında MRI görüntülerinden hipokampüs hacimlerinin segmentasyonu için derin öğrenme modellerinin değerlendirilmesi

Bu araştırma aileler için neden önemli

Alzheimer hastalığı, belirtiler belirginleşmeden çok önce hafızayı ve bağımsızlığı yavaşça aşındırır. Doktorlar, hipokampüs adı verilen küçük bir beyin yapısının hastalık ilerledikçe küçüldüğünü biliyor, ancak beyin taramalarında bu küçülmeyi elle ölçmek yavaş ve zordur. Bu çalışma, modern yapay zekanın MRI görüntülerinde hipokampüsü otomatik olarak çizebilip çizemeyeceğini ve beynin her iki tarafında ne kadar kayıp olduğunu güvenilir şekilde tahmin edip edemeyeceğini araştırıyor; bu da doktorlara erken beyin değişikliklerine daha hızlı ve nesnel bir pencere sağlayabilir.

Hafızada büyük rolü olan küçük bir beyin bölgesi

Her iki tarafta temporal lobların derininde yer alan hipokampüs, yeni anılar oluşturmamıza ve çevremizde gezinmemize yardım eder. Önceki araştırmalar, hipokampüs hacminin Alzheimer hastalarında azalma eğiliminde olduğunu ve bu kaybın resmi bir tanıdan yıllar önce başlayabileceğini göstermiştir. Sol hipokampüs sözel ve otobiyografik anılarla daha yakından ilişkiliyken, sağ taraf mekansal bellek ve yön bulmada daha büyük rol oynar. Her iki tarafın boyutunun zaman içindeki değişimini izlemek, yalnızca hastalığın varlığını değil, aynı zamanda günlük düşünme ve işlevselliği nasıl etkileyebileceğini de ortaya koyabilir.

Hipokampüsü ölçmenin neden bu kadar zor olduğu

MRI görüntüsünde hipokampüs, her görüntü diliminin çok küçük bir parçası olan karmaşık şekilli bir yapı olarak görünür. Geleneksel olarak uzmanlar sınırlarını 25–30 dilim boyunca elle çizer ve bu alanları birleştirerek hacmi hesaplar. Bu el ile yapılan yaklaşım altın standart olarak kabul edilir, ancak özel eğitim gerektirir, zaman alır ve büyük çalışmalarda veya yoğun kliniklerde toplanan binlerce taramaya uygulanması zordur. Mevcut otomatik yazılımlar daha büyük, daha basit beyin bölgelerini iyi işleyebilse de, farklı tarayıcılar ve görüntü kaliteleri arasında hipokampüsün ince ayrıntılarını tutarlı şekilde yakalamakta sıkça zorlanır.

Derin öğrenmeyi teste sokmak

Bu zorluğu ele almak için araştırmacılar görüntülerde nesneleri bulup çevreleyen üç derin öğrenme modelini değerlendirdiler. Alzheimer Hastalığı Nörogörüntüleme Girişimi’nden 300 kişinin MRI taramalarını kullandılar: 100 Alzheimer hastası, 100 hafif bilişsel bozulma (muhtemel erken evre) ve 100 sağlıklı yaşlı erişkin. Bir nörolog binlerce görüntü diliminde hipokampüsü dikkatle etiketledikten sonra ekip modelleri bu yapıyı tanımlayan görsel desenleri öğrenmeleri için eğitti. Her bir modelin öngördüğü sınırların uzman etiketleriyle ne ölçüde örtüştüğüne odaklanarak birkaç standart doğruluk ölçütü kullanılarak performans karşılaştırıldı.

Kazanan model ve ortaya koydukları

Üç yaklaşım arasında U-Net adlı model, her iki beyin yarım küresinde de hipokampüs etrafında doğru sınırlar çizmede açıkça en iyi performansı gösterdi. Tüm üç grupta uzman etiketleriyle en yüksek örtüşmeyi sağlayarak popüler bir nesne algılama modeli olan YOLO-v8 ve DeepLab-v3 adlı diğer ileri yöntemi geride bıraktı. Eğitildikten sonra U-Net modeli ayrı bir test görüntü setinde hipokampüsü segmentlemek ve hacimleri hesaplamak için kullanıldı. Sonuçlar belirgin bir desen gösterdi: Alzheimer hastalarının hipokampüs hacimleri en küçüktü, hafif bilişsel bozulması olanlar ara hacimlere sahipti ve sağlıklı kontroller en büyük hacimlere sahipti. Her grupta sol taraf genellikle sağdan biraz daha küçüktü.

Sol ve sağ arasındaki ince farklılıklar

İki tarafı doğrudan karşılaştırarak araştırmacılar her grupta hipokampüsün ne kadar simetrik olduğunu da incelediler. Sağlıklı yaşlı erişkinlerde sağ tarafın soldan belirgin şekilde daha büyük olduğunu ve en yüksek asimetrinin burada görüldüğünü buldular. Buna karşılık, Alzheimer hastaları ve hafif bilişsel bozulması olan kişiler daha küçük toplam hacimler ve sol ile sağ arasında yalnızca hafif farklar gösterdiler. Bu, hastalık ilerledikçe her iki hipokampüsün de küçüldüğünü ve hacimlerinin daha benzer hale geldiğini; bunun da hafıza ve diğer bilişsel yeteneklerin nasıl değiştiği hakkında bilgi taşıyabileceğini düşündürür.

Gelecekteki bakım için bunun anlamı

Uzman olmayanlar için çıkarılacak mesaj şu: yapay zeka artık uzman performansına eşdeğer düzeyde, ancak sıkıcı ve kritik bir adımı — beyin taramalarında hipokampüsü çevrelemeyi — yerine getirebiliyor. Bu çalışmada U-Net modeli bu görev için özellikle güvenilir olduğunu kanıtladı ve her iki yarım kürede hipokampüs hacminin hızla hesaplanmasına olanak sağladı. Daha büyük ve daha çeşitli veri kümelerinde daha fazla doğrulandığı takdirde, bu tür araçlar klinisyenlerin erken beyin değişikliklerini daha kolay izlemesine, daha erken ve daha güvenli tanı koymasına ve tedavilerin hastalık ilerlemesini ne ölçüde yavaşlattığını veya değiştirdiğini izlemeye yardımcı olabilir. Bu çalışma, rutin MRI taramalarını derin öğrenmeyle güçlendirilmiş pratik bir biyobelirteç olarak günlük klinik uygulamaya yaklaştırıyor.

Atıf: Pusparani, Y., Lin, CY., Jan, YK. et al. Evaluation of deep learning models for segmentation of hippocampus volumes from MRI images in Alzheimer’s disease. Sci Rep 16, 7878 (2026). https://doi.org/10.1038/s41598-026-38220-4

Anahtar kelimeler: Alzheimer hastalığı, hipokampüs hacmi, beyin MRI, derin öğrenme segmentasyonu, U-Net