Bilimsel Araştırma 22 Nisan 2026

Parkinson Hastalığının Tanımlanması İçin Plazma Proteomiklerine Dayalı Makine Öğrenmesi Modeli

Önemli Tıbbi Uyarı: Bu içerik sadece bilimsel bilgilendirme amaçlıdır; kesinlikle doktor tavsiyesi yerine geçmez. Lütfen uzman bir hekime danışmadan herhangi bir ilaç veya tedavi yöntemi uygulamayınız.
Doğrulanmış Kaynak Brain : a journal of neurology Orijinal Kaynak
Tier 1

Hasta ve Yakınları İçin Anlatım

Bilim insanları, Parkinson hastalığını sadece bir kan testiyle teşhis edebilmek için yapay zeka destekli yeni bir yöntem geliştirdiler. Araştırmada, kanda bulunan binlerce protein incelendi ve Parkinson hastalarında seviyeleri değişen 11 özel protein belirlendi. Geliştirilen yapay zeka modeli, bu proteinleri analiz ederek Parkinson hastalarını sağlıklı bireylerden ve benzer belirtiler gösteren diğer sinir sistemi hastalıklarından yüksek doğrulukla ayırt edebildi. Bu yöntem, gelecekte Parkinson hastalığının daha hızlı ve kesin teşhis edilmesini sağlayabilir, ayrıca hastalığın vücuttaki iltihaplanma süreçleriyle nasıl bir ilişkisi olduğunu daha iyi anlamamıza yardımcı olabilir.
Doktor Özeti:
Bu çalışma, Parkinson hastalığını (PH) sağlıklı kontrollerden ve diğer nörolojik bozukluklardan ayırt edebilecek güvenilir biyobelirteçBiyobelirteçNormal bir biyolojik süreç, patojenik bir süreç veya bir farmakolojik müdahaleye yanıtın bir göstergesi olarak objektif olarak ölçülen ve değerlendirilen bir özelliktir.ler geliştirmek amacıyla yüksek verimli proteomikProteomikBir organizma veya sistemdeki tüm proteinlerin yapısını, işlevini ve etkileşimlerini inceleyen bilim dalı. analiz ve makine öğrenmesi (ML) tekniklerini kullanmıştır. Olink Explore 3072 platformu kullanılarak 698 katılımcıdan elde edilen plazma proteomikProteomikBir organizma veya sistemdeki tüm proteinlerin yapısını, işlevini ve etkileşimlerini inceleyen bilim dalı. profilleri analiz edilmiştir. Boruta algoritması ile seçilen 11 protein (APOH, ARG1, CCN1, CXCL1, CXCL8, DDC, GRAP2, IL1RAP, OSM, PRL ve SPRY2) kullanılarak bir 'stacking ensembleStacking EnsembleBirden fazla makine öğrenmesi modelinin tahminlerini birleştirerek daha yüksek performans elde etmeyi amaçlayan öğrenme yöntemi.' ML modeli oluşturulmuştur. Model, iç test setinde 0.939 AUC değeri elde ederken; UK Biobank, PDBP ve PPMI gibi bağımsız dış kohortlarda da yüksek doğruluk (0.789 - 0.909 AUC) sergilemiştir. SHAP analizi ve ağ analizleri, modelin öngörücü gücünü inflamatuar mediyatörler, ErbB sinyali ve lipid metabolizması gibi biyolojik yolaklarla ilişkilendirmiştir.

Önemli Bulgular:
11 proteinli plazma paneli, Parkinson hastalığı için yüksek doğruluklu bir biyobelirteçBiyobelirteçNormal bir biyolojik süreç, patojenik bir süreç veya bir farmakolojik müdahaleye yanıtın bir göstergesi olarak objektif olarak ölçülen ve değerlendirilen bir özelliktir. setidir.
Makine öğrenmesi modeli, farklı ülkelerden ve veri tabanlarından (UK Biobank, PPMI vb.) gelen verilerle test edilmiş ve tutarlı sonuçlar vermiştir.
Çalışma, Parkinson patofizyolojisinde inflamasyon (iltihaplanma) ve yağ metabolizmasının kritik rol oynadığını biyokimyasal düzeyde desteklemektedir.
Plazma proteomikProteomikBir organizma veya sistemdeki tüm proteinlerin yapısını, işlevini ve etkileşimlerini inceleyen bilim dalı.leri, invaziv olmayan (cerrahi müdahale gerektirmeyen) ve klinik olarak uygulanabilir bir tanıTanıBir hastalığın veya durumun belirlenmesi süreci. aracı olma potansiyeline sahiptir.

Kayıt Bilgileri

PMID / DOI

42015416 | 10.1093/brain/awag140

Dergi

Brain : a journal of neurology

* Yasal Uyarı: Bu sayfadaki bilgiler bilimsel veri tabanlarından otomatik olarak çekilmekte ve AI tarafından özetlenmektedir. Bu bilgiler kesinlikle tıbbi tavsiye niteliği taşımaz. Tedavi planlamanız için mutlaka bir uzman tıp doktoruna başvurunuz.