Güney Kore İleri Bilim ve Teknoloji Enstitüsü (KAIST) öncülüğünde geliştirilen yeni bir yapay zeka sistemi, yaşlı kişilerde inme başta olmak üzere beyin damar hastalıklarının erken belirtilerini günlük yaşam alışkanlıklarını analiz ederek haftalar öncesinden tespit edebiliyor.
Araştırmaya göre sistem, hastane tetkiklerine ihtiyaç duymadan bireylerin ev ortamındaki davranış değişikliklerini izleyerek risk artışına ilişkin erken uyarılar verebiliyor.
Beyin damar hastalıkları, beyni besleyen damarları etkileyen rahatsızlıkları kapsıyor. İnme ise dünya genelinde ölüm ve kalıcı sakatlığın önde gelen nedenleri arasında yer alıyor. Uzmanlar, hızlı tedavinin hayati önem taşıdığını ancak erken belirtilerin çoğu zaman fark edilmediğini belirtiyor.
Araştırmada Prof. Lisa Lim liderliğindeki ekip, 1224 yaşlı bireye ait verileri inceledi. Çalışmada, LivOn Care platformundan elde edilen 13 bin 362 adet iki haftalık yaşam kaydı analiz edildi.
Yapay zeka modeli; günlük hareketlilik, uyku düzeni, gün içindeki aktivite dağılımı, ev içi nem oranı ve diğer çevresel verilerin yanı sıra yaş ve kronik hastalıklar gibi kişisel sağlık bilgilerini de değerlendirerek beyin damar hastalıklarının erken dönemine işaret eden örüntüleri belirlemeye çalıştı.
Araştırmacılar, riskin arttığı bireylerde özellikle gece 22.00 ile 02.00 saatleri arasında normalden daha fazla hareketlilik görüldüğünü tespit etti. Bu durumun biyolojik saatin bozulmasına ve uyku düzenindeki gecikmelere işaret ettiği belirtildi.
Tanı konulmasına yaklaşıldıkça ise akşam saat 18.00-22.00 arasındaki fiziksel aktivitenin azaldığı, hareketsiz geçirilen sürenin arttığı görüldü. Düşük ev içi nem oranının da önemli risk göstergelerinden biri olduğu belirlendi.
Çalışmanın en dikkat çekici sonuçlarından biri, zamanlama analizinde elde edildi. Yapay zeka, tanıdan önceki son dört haftaya ait veriler ile yaklaşık 12 hafta öncesine ait kayıtları yüzde 96,53 doğruluk oranıyla birbirinden ayırmayı başardı. Bu bulgu, hastalık ilerledikçe günlük yaşam alışkanlıklarındaki değişimlerin daha belirgin hale geldiğine işaret ediyor.
Araştırmacılar ayrıca sistemin yalnızca risk tahmini yapmakla kalmadığını, hangi davranış ve çevresel faktörlerin bu sonuca yol açtığını da açıklayabildiğini vurguladı.
Bilim insanları, geliştirilen teknolojinin özellikle sağlık durumundaki değişiklikleri ifade etmekte zorlanan yaşlı bireyler için önemli bir dijital sağlık aracı olabileceğini belirtti. Bununla birlikte sistemin tek başına teşhis koymadığı ve doktor değerlendirmesinin yerine geçemeyeceği vurgulandı.
