Nörodejeneratif hastalıkları erken teşhis etme çabaları devam ederken, araştırmacılar makine öğrenimi modellerini kullanarak hastaların seslerinden Parkinson hastalığının belirtilerini 'dinlemeyi' hedefledi.
Henüz yayınlanmamış olan araştırmalarında, North Texas Üniversitesi'nden biyoinformatikçi Aniruth Ananthanarayanan ve meslektaşları, "Bulgularımız, ses tabanlı makine öğrenimi modellerinin, belirgin motor belirtiler ortaya çıkmadan önce bile hastalık imzalarını tespit edebileceğini gösteriyor." açıklamasında bulundu.
Parkinson, dünya genelinde yaklaşık 9 milyon insanı etkileyen bir hastalık. Genellikle ince hareketleri kontrol etmede zorluk ve uzuvlarda titreme ile karakterize olsa da, aynı zamanda ruh hali, düşünme ve hafıza gibi konularda da sorunlara neden olabiliyor.
Hastalığın altında yatan mekanizmalar az çok bilinse de, fonksiyon kaybını tetikleyen unsurlar tam olarak anlaşılamamış durumda. İşlenmiş gıdalardan pestisitlere kadar birçok faktör ilişkilendirilmiş ve genetik bir bileşenin de rolü olduğu düşünülüyor.
Parkinson hastalığının şu anda bir tedavisi bulunmuyor. Bu nedenle hastaların ve yakınlarının umudu, belirtileri yavaşlatan terapilere bağlı. Bu tedaviler ne kadar erken başlarsa, sağladığı faydalar o kadar artıyor.
Dolayısıyla, erken teşhisin bir hastanın yaşam kalitesi üzerinde büyük bir etkisi olabilir.
Ananthanarayanan ve ekibi, yalnızca ses verilerine dayanarak bir grup gönüllünün Parkinson hastası olup olmadığını belirlemek için makine öğrenimi modelleri kullandı.
Modellerini 31 kişiden alınan 195 ses kaydı üzerinde test edip eğittiler. Bu kişilerden 23'üne Parkinson teşhisi konulmuştu. Desen arayan program, hastaları yüzde 90 doğrulukla tespit etmeyi başardı.
Modellerin değerlendirdiği vokal özellikler arasında, düzensiz ses tellerinin titreşiminden kaynaklanan titremeler (jitter), glottisin düzgün kapanmamasının bir işareti olan gürültü-harmonik oranları ve ses sinyalindeki düzensizlik ölçüleri yer alıyor.
Bu özellikler daha önce Parkinson hastalığının iyi bilinen belirtileriyle ilişkilendirilmişti. Bunlar arasında ses kısıklığı, zayıf vokal kasları nedeniyle konuşma güçlüğü ve hareketlerde yavaşlama veya sendeleme bulunuyor.
Araştırmacılar, "Disfoni gibi vokal belirtiler, tanısal potansiyellerine rağmen yeterince kullanılmıyor." diye belirtiyor.
Ancak araştırmacılar, modellerin sadece 31 kişiden alınan ses verileriyle eğitilmesi nedeniyle, bu yöntemlerinin gerçek dünya koşullarında (farklı yaşlar, aksanlar ve çevresel faktörler) tüm ses farklılıklarını ne kadar iyi yakalayabileceğini test etmek için daha fazla çalışma yapılması gerektiği konusunda uyarıyor.
Bu ses tabanlı yaklaşım, erken tarama aracı olarak "gerçek bir potansiyel gösteriyor."
Eğer bulgular daha geniş popülasyonlarda da tutarlı kalırsa, vaka sayılarının artmaya devam ettiği günümüzde, böyle bir araç kolayca ölçeklenebilir ve uygun maliyetli bir erken tarama seçeneği olabilir.
Bu araştırma henüz hakem değerlendirmesinden geçmedi ve bir açık erişim platformuna yüklendi.
