Araştırmacılar, dünyanın en yaygın nörolojik hastalıklarından birinin tanı ve tedavisini yeniden şekillendirebilecek biyolojik örüntüleri belirlemek için 43 binden fazla kişinin genetik verilerini ve yapay zekâyı kullandı.
Onlarca yıldır migren çoğunlukla eski usul yöntemlerle teşhis ediliyor: Doktorlar, hastalara baş ağrılarının nasıl hissettirdiğini soruyor.
REKLAM
REKLAM
Hastalığı kesin olarak tanımlayabilecek bir kan testi, görüntüleme ya da başka yerleşik bir biyobelirteç yok. Bunun yerine klinisyenler, çoğu zaman bulantı ve ışığa ya da sese hassasiyetle birlikte görülen şiddetli baş ağrılarından oluşan tanıdık bir belirti dizisine dayanıyor.
Ancak yeni araştırmalar, migrenin bu belirtilerin gösterdiğinden çok daha geniş bir biyolojik iz bıraktığını düşündürüyor.
Norveçli araştırmacılar, baş ağrısı belirtilerini içermeyen bilgilerden yararlanarak migreni olan kişileri makine öğrenimiyle tespit etti, ardından yapay zekâ kullanarak migren hastalarını farklı gruplara ayırdı.
Neurology (kaynak İngilizce) dergisinde yayımlanan bulgular, migrenin aslında tek bir hastalık olmayıp “yalnızca baş ağrısına özgü belirtilerle değil, geniş klinik ve biyolojik verilerle tanımlanıp sınıflandırılabilen bir spektrum bozukluğu” olabileceğini düşündürüyor.
Norveç Bilim ve Teknoloji Üniversitesi'nde (NTNU) hekim ve baş ağrısı araştırmacısı olan Anker Stubberud, dedi (kaynak İngilizce)ve “Migren tanısında birçok tutarsızlık var. Yapay zekânın doğru tanı koymamıza yardımcı olabileceği anlaşılıyor” yorumunu yaptı.
Bu durum, tedavi açısından da önem kazanabilir. Farklı migren türlerinin farklı biyolojik imzalara sahip olması halinde doktorlar, bir gün hangi hastaların hangi tedavilere yanıt vereceğini öngörebilir ve böylece Stubberud'un sözleriyle, insanlar “büyük ölçüde deneme yanılmaya dayanmak yerine, mümkün olan en iyi tedaviyi” alabilir.
Araştırmacılar, klinik bilgileri 1990'lar ve 2000'lerde toplanan büyük bir Norveç nüfus çalışması olan Trøndelag Sağlık Araştırması'nın verilerini analiz etti. Tanısal analizlerine, yaklaşık 9 bin migren hastasının da aralarında bulunduğu 43.197 kişi dahil edildi.
Araştırmacılar, demografik özellikler, ruh sağlığı, kardiyovasküler ve kas-iskelet sistemi hastalıkları, uyku, egzersiz, ilaç kullanımı ve diğer etkenlerin yanı sıra genetik bilgileri içeren onlarca sağlık ve yaşam verisini yapay zekâ modeline yükledi.
Önemli bir nokta, modele migren baş ağrısını tanımlayan ayırt edici özelliklerin verilmemesiydi.
Buna rağmen en iyi performans gösteren model, elde tutulmuş test kümesinde eğri altında 0,80 alan (AUC) elde etti; bu da migren hastaları ile baş ağrısı olmayan kontrolleri ayırt etmede oldukça güçlü bir başarıya işaret ediyor. Genetik bilginin eklenmesi, yalnızca klinik bilgilere kıyasla ancak sınırlı bir iyileşme sağladı.
Stubberud, “Yapay zekânın baş ağrısı hakkında hiçbir bilgi olmadan migreni bu kadar isabetli saptayabilmesi, bu durumun yalnızca ataklarla sınırlı kalmayıp çok daha geniş izler bıraktığını gösteriyor” dedi.
Bu sonuç, migren biyolojisine ilişkin söyledikleri açısından önemli.
Araştırmacıların, modelin tahminlerini hangi özelliklerin yönlendirdiğine ilişkin analizine göre yaş, en önemli belirleyici oldu; bunu boyun ağrısı, regl dönemi ve bulantı gibi etkenler izledi.
Dört tip migren
Çalışma daha sonra ikinci bir adım attı: Araştırmacılar, makineden migrenle migren dışı baş ağrılarını ayırt etmesini istemek yerine, verilerin içinde kendiliğinden ortaya çıkan grupları aramasını istedi.
Baş ağrısına ilişkin yeterince eksiksiz bilgiye sahip 12.185 kişi arasında algoritma, 1.425 kişilik ve yüzde 94'ü araştırmacıların migren kriterlerini karşılayan bir küme belirledi. Çok daha büyük ikinci bir kümede ise baş ağrıları daha çok migren dışı olarak sınıflandırılan kişiler yer aldı.
Migrene benzer özellikler taşıyan bu grup da kendi içinde dört alt gruba ayrıldı.
Bu alt gruplardan biri tamamen erkeklerden oluşuyordu. Bir diğerinde belirgin boyun ağrısı ön plandaydı. Üçüncü grupta ise anksiyete ve depresyona eşlik eden daha fazla kas-iskelet sistemi ağrısı görülüyordu. Dördüncü grup ise doktorların “klasik” migren olarak tanıyabileceği tabloya daha çok benziyordu; bu gruptaki kişilerde, atak öncesinde ya da sırasında ortaya çıkabilen, örneğin ışık çakmaları, zikzak desenler, kör noktalar veya titreşen alanlar gibi geçici nörolojik belirtilerden oluşan migren aurası daha sık görülüyordu; bu aura, ayrıca karıncalanma, uyuşma ve konuşma güçlüğünü de içerebiliyor.
Bu gruplar, genetik sinyalleri açısından da farklılık gösterdi. Araştırmacılar, makine öğrenimine dayalı genetik risk skorlarının, grupları geleneksel poligenik risk skorlarından daha iyi ayırt ettiğini tespit etti.
Stubberud, “Bu, migrenin tek bir hastalık değil, farklı biyolojik durumların çeşitli bir topluluğu olduğu yönündeki hipotezi güçlendiriyor” dedi.
Buradan çıkan sonuç, yalnızca daha iyi bir tanı testinden ibaret olmayabilir.
Bulgular, hastalar ve doktorlar için uzun süredir devam eden bir hayal kırıklığını da açıklamaya yardımcı olabilir: Bir migren hastasında son derece etkili olan bir tedavinin, bir başka hastada neden neredeyse hiçbir işe yaramadığını.