Dopingle mücadele soruşturmalarında örnek değiştirmeyi tespit etmek için makine öğrenmesi

Neden zeki hileleri yakalamak önemli

Elit spor güvene dayanır: bir atlet kazandığında sonucun temiz olduğuna inanmak isteriz. Modern uyuşturucu testleri çok duyarlıdır, yine de bazı sporcular idrar örneklerini gizlice değiştirerek bunları yanıltmaya çalışır. Bu çalışma, bir sporcunun daha önce alınmış “temiz” bir örneği yeniden kullandığında makine öğrenmesinin bunu nasıl tespit edebileceğini gösteriyor; bu hile günümüz rutin kontrolleriyle yakalanması son derece zor olan bir durum. Çalışma, devasa test veritabanlarını sessizce tarayarak karartma izlerini ortaya çıkarma yoluyla adil oyunu korumanın yeni yollarına işaret ediyor.

Mevcut testlerde gizli bir açık

Dopingle mücadele laboratuvarları genellikle idrarı test eder; çünkü birçok yasaklı madde ve bozunum ürünleri orada uzun süre tespit edilebilir halde kalır. Doğal steroid hormon profilleri Sporcu Biyolojik Pasaportu içinde yıllar boyunca izlenir; bu değerlerde ani bir sıçrama soruşturmayı tetikleyebilir. Başka birinin idrarının örneğe karıştırılması bu uzun vadeli deseni bozar ve çoğu kez tespit edilebilir. Gerçek kör nokta ise bir sporcunun kendi daha önceki, ilaçsız idrarını gizlice yeniden kullanması durumunda ortaya çıkar. Bu durumda steroid deseni geçmişine kusursuz şekilde uyar ve örnek farklı bir laboratuvarda veya orijinal tarihten çok sonra test edilirse, iki örneğin esasen aynı olduğunu otomatik olarak fark edecek bir yöntem şu anda yoktur.

İdrar kimyasını aranan desenlere dönüştürmek

Yazarlar bu sorunu idrarda bulunan doğal steroidlerin ve bunların oranlarının oluşturduğu ayrıntılı “parmak izi”ne odaklanarak ele aldı. 2021–2023 yılları arasında bir Dünya Anti-Doping Ajansı (WADA) akredite laboratuvarından toplanmış 67.651 steroid profilini, hem erkek hem kadın sporcuları kapsayacak şekilde bir araya getirdiler. Her profil testosteron gibi ana hormonları ve birkaç ilgili bileşiği, ayrıca bunlar arasındaki oranları içeriyordu. Örnek yeniden kullanımının gerçek vakaları nadir ve gizli olduğundan araştırma ekibi bu gerçek dünya verisini dikkatle hazırlanmış sentetik profil çiftleriyle birleştirdi: bazı çiftler küçük, gerçekçi ölçüm gürültüsü eklenerek “benzer” hale getirildi; diğerleri ise farklı sporculardan rastgele eşleştirilerek “farklı” kılındı. Bu, bilgisayar modelinin pratikte “neredeyse aynı”nın neye benzediğini öğrenmesi için dengeli bir eğitim materyali sağladı.

Akıllı dedektörün çalışma biçimi

Sistemin çekirdeği, görüntü tanımada yaygın olarak kullanılan konvolüsyonel ağlar olarak bilinen bir yapay sinir ağı türüdür. Burada giriş, resimler yerine yan yana düzenlenmiş iki steroid profilidir. Ağ, iki hormonun ve oranlarının birlikte nasıl değiştiği gibi ince yerel ilişkileri yakalamak için özellikler boyunca tarama yapar. Veriyi daha yönetilebilir ve yorumlanabilir kılmak için araştırmacılar ayrıca temel bileşen analizi (PCA) adı verilen bir teknik kullanarak tüm profilleri üç boyutlu bir uzaya projekte etti; burada basit uzaklık ölçüleri yakın eşleşmeleri vurgulayabilir. Eğitim sırasında ağ, iki profilin aynı temel idrardan gelip gelmediğine dair bir olasılık çıktısı vermeyi öğrenir; böylece gerçek benzerliği, sporcular arasında ve zaman içinde görülen normal biyolojik farklılıklardan ayırır.

Yöntemi teste sokmak

Ekip yaklaşımını birkaç açıdan değerlendirdi. Önce, eğitimin dışında tutulan her yılın verileri üzerinde test ettiler; bu profiller eğitim sırasında görülmemiş ancak beklenen %15 ölçüm belirsizliği içinde değiştirilmişti. Konvolüsyonel ağ sürekli olarak çok yüksek doğruluk elde etti; benzer çiftleri doğru şekilde tespit ederken yanlış alarmları düşük tuttu ve lojistik regresyon, destek vektör makineleri ve ağaç tabanlı modeller gibi daha geleneksel yöntemleri geride bıraktı. Ardından sistemi 800’den fazla “doğrulama” örneğiyle zorladılar—laboratuvarların biraz farklı prosedürlerle yeniden analiz ettiği gerçek idrar örnekleri. Bunlar, tekrarlanan veya yeniden kullanılan örnekler için gerçekçi bir vekil sağlar. Ağ, erkekler ve kadınlar için yine son derece iyi performans gösterdi; gerçek eşleşmeleri yakalamada yüksek duyarlılık ve sahteleri önlemede yüksek özgüllük sundu, bu da gerçek laboratuvar gürültüsü ve biyolojik varyasyonla başa çıkabileceğini düşündürüyor.

Temiz spor için bunun anlamı

Uzman olmayanlar için ana çıkarım şudur: artık sözde yeni bir idrar örneğinin gerçekte daha eski bir örneğin neredeyse kusursuz bir kopyası olduğuna dair işaretleri otomatik olarak taramak mümkün hale geliyor. Önerilen makine öğrenmesi çerçevesi yasaklı maddeler için mevcut testlerin yerini almaz; bunun yerine şüpheli derecede benzer örnekleri daha ayrıntılı adli incelemeye işaretlemek için güçlü bir arka plan kontrolü ekler. Yöntem kısmen simüle edilmiş verilere dayanır ve tam olarak şeffaf olmayan karmaşık “kara kutu” modeller kullanır, ancak yine de spor otoritelerine pratik bir yeni araç sunar. Mevcut Sporcu Biyolojik Pasaportu sistemlerine entegre edilirse, temiz idrarı yeniden kullanma gibi bir zamanlar tespit edilemez hileyi çok daha riskli hale getirerek madalyaların hak ederek kazanıldığına dair güveni güçlendirebilir.

Atıf: Rahman, M.R., Piper, T., Thevis, M. et al. Detection of sample swapping in anti-doping investigations using machine learning. Sci Rep 16, 9230 (2026). https://doi.org/10.1038/s41598-026-43502-y

Anahtar kelimeler: dopingle mücadele, idrar steroid profilleri, örnek değiştirme, makine öğrenmesi, spor bütünlüğü