T2-ağırlıklı manyetik rezonans görüntülerinden yenidoğan beyin yaşı tahmini: sığ regresyon analiziyle

Neden zamanlama küçük beyinler için önemlidir

Hayatın ilk haftalarında bir bebeğin beyni şaşırtıcı bir hızla büyür ve gün gün kendini yeniden şekillendirir. Erken doğmuş ve tam dönem bebeklerle ilgilenen hekimler, bu büyümenin yolunda olup olmadığını davranışta gecikmeler görünmeden önce kesin olarak bilmek ister. Bu çalışma, yenidoğan beyinlerinin ayrıntılı MR görüntülerinin nasıl doğru bir “beyin yaşı” tahminine dönüştürülebileceğini gösteriyor; bu da klinisyenlere beyin sağlığına ilişkin hassas ve erken bir pencere sunuyor.

Takvime sığmayan bir yaş ölçümü

Yenidoğanlar genellikle kavramadan bu yana geçen hafta sayısıyla, yani postmenstrüel yaşla tanımlanır. Yine de aynı takvim yaşındaki iki bebeğin beyin olgunluğu ciddi şekilde farklı olabilir, özellikle biri erken doğduysa. Manyetik rezonans görüntüleme (MR), radyasyon kullanmadan beynin yapısını yakalayabilir; bebekler büyüdükçe kıvrımların derinleşmesi ve dokuların değişmesi gibi özellikleri ortaya koyar. Araştırmacılar, bu zengin görüntüleri tek bir sayıya dönüştürmeyi amaçladı: beynin tipik gelişime göre kaç hafta gibi göründüğü. Bu beyin yaşı ile bebeğin gerçek yaşı arasındaki farklar olağandışı yavaş ya da hızlı olgunlaşmayı işaret edebilir.

Yüzlerce yenidoğanın taranması

Ekip, tarama sırasında postmenstrüel yaşı 26 ile 46 hafta arasında olan erken ve tam dönem bebekleri içeren Developing Human Connectome Project’ten 885 yenidoğanın MR verisini kullandı. Tüm bebekler doğal uyku sırasında özel bir yenidoğan MR sisteminde tarandı ve beyin dokuları arasındaki farkları vurgulayan yüksek kaliteli T2-ağırlıklı görüntüler üretildi. Herhangi bir analizden önce kafatası gibi beyin dışı dokular çıkarıldı, görüntü parlaklığı düzeltildi ve farklı bebeklerin beyinlerinin anlamlı biçimde karşılaştırılabilmesi için her beyin standart bir boyut ve çözünürlüğe yeniden örneklendi.

Beyinleri hizalama ve doğru referansı seçme

Çalışmadaki merkezi adımlardan biri, her bebeğin beynini bir referans beyinle yani bir şablonla nasıl hizalayacaklarına karar vermekti. Yazarlar üç seçeneği karşılaştırdı: her bebeğin yaşına yakın bir şablon, 40 haftalık tam dönem beyinlerden oluşturulmuş tek bir şablon ve rastgele seçilmiş bir yenidoğan şablonu. Ayrıca her beyni bu şablonlara uydurmanın iki yolunu test ettiler: beyni ölçeklendirip döndüren daha basit bir lineer ayar ve yerel şekilleri ince ayar yapabilen lineer ile doğrusal olmayanın birleşimi olan daha esnek bir warping. Bu kararlar önemli, çünkü daha iyi hizalama bilgisayarın gerçek gelişimsel farklılıklara odaklanmasını sağlarken ilgisiz kayma ve bozulmaları dışlar.

Görüntüleri bilgisayarın öğrenebileceği sayılara dönüştürme

Her hizalanmış beyin taraması, doğrudan bir tahmin modeline beslemek için fazlasıyla çok olan milyonlarca küçük hacim elemanı (voxel) içerir. Bunu yönetmek için ekip, verileri bebekler arasındaki ana değişim örüntülerini yakalayan daha küçük bir bileşen setine sıkıştıran matematiksel bir teknik kullandı. Daha sonra bu bileşenleri yaşla ne kadar güçlü ilişki gösterdiklerine göre sıraladılar ve yalnızca en bilgilendirici olanları korudular. Bu özelliklerle, beyin yaşını tahmin etmek için üç yerleşik regresyon yöntemini—Gaussian process regression, support vector regression ve relevance vector regression—eğittiler; her bebeğin bir noktada görülmemiş bir test örneği olarak hizmet etmesini sağlamak için tekrarlı çapraz doğrulama ile performansı kontrol ettiler.

Beyin yaşı gerçeğe ne kadar yakın olabilir?

Görüntüler yaşa özgü bir şablona hem lineer hem de doğrusal olmayan warping kullanılarak hizalandığında, beyin yaşı tahminleri dikkat çekici derecede hassastı. En iyi modeller gerçek yaşı ortalama yaklaşık 0,44 hafta—yarım haftadan az—sapmayla yakaladı ve görüntü verileri yaştaki değişimin yaklaşık %95’ini açıkladı. Tam dönem bir şablon kullanmak biraz daha büyük hatalar verdi ve rastgele bir şablon kullanmak özellikle erken doğan bebekler için en kötü performansı gösterdi. Daha esnek kaydetme yöntemi tutarlı olarak basit lineer yaklaşımı geride bıraktı; ancak kazançlar hesaplama gücü sınırlı olduğunda daha basit yöntemi hâlâ cazip kılacak kadar ölçülüydü. Üç tahmin yöntemi arasında Gaussian process regression doğruluk ve kararlılık açısından en iyi dengeyi sundu.

Kırılgan başlangıçlar için bunun anlamı nedir

Yenidoğan beyin taramalarının nasıl hizalanıp özetleneceğini dikkatle seçerek, bu çalışma tek bir MR’in bir bebeğin beyninin ne kadar olgun olduğunu birkaç gün aralığına kadar çok doğru biçimde sağlayabileceğini gösteriyor. Böyle bir “beyin yaşı” ölçüsü, erken doğmuş veya yüksek riskli bebeklerde davranış veya harekette sorunlar görünmeden çok önce gelişimdeki ince gecikmeleri belirlemede yardımcı olabilir. Çalışma tek bir MR türüne ve belirli bir araştırma projesinin verilerine dayansa da, beyin erken gelişimini daha nesnel şekilde izleyebilecek pratik araçların geliştirilmesi için zemin hazırlıyor; bu da beyin yardım almaya özellikle duyarlı olduğu bir dönemde daha erken müdahaleyi destekleyebilir.

Atıf: Taji, S.M., Kazemi, K., Qodrati, Z. et al. Neonatal brain age estimation from T2-weighted magnetic resonance images using shallow regression analysis. Sci Rep 16, 9980 (2026). https://doi.org/10.1038/s41598-026-40336-6

Anahtar kelimeler: yenidoğan beyin gelişimi, beyin yaşı tahmini, yenidoğan MR, erken doğan bebekler, makine öğrenimi