
Yeni bir kavram kanıtı çalışmasının sonuçları, benzersiz bir makine öğrenimi aracının, bipolar bozukluğun (BD) ortaya çıkmadan yıllar önce başlangıcını tahmin etmede umut vaat ettiğini göstermiştir. Devam eden ileriye dönük bir kohort çalışmasının erken sonuçları, 18 yaşındaki bireylerde intihar riski, yaygın anksiyete bozukluğu ve ebeveyn fiziksel istismarı gibi faktörlerin 22 yaşında bir BD teşhisi için öngörücü olduğunu göstermektedir. Araştırmacılar makine öğrenimi için güçlü bir araç olabileceğini ifade etmişler ve hastalığın daha az dirençli olabileceği bir zamanda BD'nin prognozunu ve erken tespitini iyileştirmenin, bunun tedavi yanıtını da öngörebileceğini belirtmişlerdir.
Brezilya, Porto Alegre, Rio Grande do Sul Federal Üniversitesi'nde doktora öğrencisi olan Francisco Diego Rabelo-da-Ponte bir açıklamasında hastalığın başlangıcından önce tespitte elde edilen bu 4 yıllık potansiyel kazancın, gençlerin yaşamlarında büyük bir fark yaratabileceğini belirtmiştir. Ancak Rabelo-da-Ponte, Medscape Medical News'e çalışmanın bir kavram kanıtı çalışması olduğunu ve daha fazla araştırmaya ihtiyaç olduğunu ifade etmiştir.
Çalışmanın bulguları, COVID-19 salgını nedeniyle çevrimiçi gerçekleştirilen 33. Avrupa Nöropsikofarmakoloji Koleji (ECNP) Kongresi'nde sunulmuştur. Araştırmacılar, BD'nin dünya çapında engelliliğin altıncı önde gelen nedeni olmasına rağmen, bunu tanımlamanın zor olduğunu belirtmişler ve sonuç olarak, ilk semptomlar ile klinik tanı arasında ortalama 6 yıllık bir gecikme olduğunu dahası, depresif dönem ile başvuran BD'li bireylerin sadece %20'sinin ilk yıl içinde teşhis edilmekte olduğunu ifade etmişlerdir. Araştırmacılar, bu faktörlerin birlikte zararlı sonuçları olduğunu belirtmişlerdir.
BD'nin başlangıcını tahmin etmek için araştırmacılar ileriye dönük, popülasyon temelli bir çalışma yürütmüş ve 1993 Pelotas Doğum Kohort Çalışması olarak bilinen, yenidoğan olarak kaydolan 5249 katılımcıdan 3778 bireyle ilgili verileri içerdiğini bildirmişlerdir. Çalışmada katılımcılar doğumda değerlendirilmiş ve 11, 15, 18 ve 22 yaşlarında değerlendirmelere tabi tutulmuşlardır. Çalışmada saklama oranı %76,3 olarak bildirilmiştir. Katılımcılar Mini-Uluslararası Nöropsikiyatrik Görüşmeyi 22 yıllık takipte tamamlamışlar ve önceki değerlendirmelerin her birinde, araştırmacılar demografik durum, sosyoekonomik durum, tıbbi geçmiş, ebeveyn sağlığı ve diğer bilgi türleri hakkında veri toplamışlardır.
Makine öğrenimi protokolü kullanımı
Çalışmada popülasyon, kohortun %80'ini temsil eden bir eğitim veri kümesine ve %20'yi temsil eden bir test veri kümesine bölündüğü bildirilmiştir. Verilerdeki dengesizlikleri düzeltmek için bir makine öğrenimi protokolü kullanılmış ve 22 yaşında BD'yi tahmin etmek için esnek bir ağ algoritması kullanılmıştır. Araştırmacılar katılımcılardan 255'inin son ziyaretlerinde BD teşhisi aldıklarını ve bunların çoğunda bipolar I bozukluk olduğunu belirtmişlerdir. Algoritma, takip ilerledikçe BD'yi artan doğrulukla tahmin etmekle birlikte en yüksek performansının 18 yaşında, BD teşhisinden tam 4 yıl önce olduğu bildirilmiştir. Bu noktada, algoritmanın dengeli doğruluğu 0.75, duyarlılığı 0.72, özgüllüğü 0.77, pozitif tahmin değeri 0.18 ve negatif tahmin değeri 0.97 olarak gözlemlenmiştir. 18 yıllık takip verilerini kullanan algoritma, 22 yaşında BD'yi 0.82'lik bir eğrinin altında bir alanla tahmin etmiş ve 18 yaşında sonraki bir BD teşhisinin açık ara en büyük prediktörünün, neredeyse tüm hastalarda mevcut olan intihar riski olduğu belirtilmiştir. Bunu genelleştirilmiş anksiyete bozukluğu, ebeveyn fiziksel istismarı, mali sorunlar ve fiziksel olmayan saldırganlıkla meşgul olma izlemiştir. Ancak araştırmacılar, modelin tahmini pozitif değerinin düşük olduğunu ve daha fazla sayıda yanlış pozitif sonuca yol açtığını belirtmişlerdir. Çalışmaya dahil olmayan New York, Mount Sinai'deki Icahn Tıp Fakültesi'nde klinik psikiyatri profesörü olan Joseph F. Florid Goldberg, ayırıcı tanının geniş olduğunu ve birçok faktörün ortaya çıkışını ve sunumunu etkileyebileceğini belirtmiş ve ayrıca modelin düşük pozitif tahmin değerinin altını çizmiş ve değişkenlerin herhangi bir spesifik bozukluğa özgüllüğü olmadığını sözlerine eklemiştir.
Liam Davenport, Novel Tool May Predict Bipolar Disorder Long Before Onset, Medscape, Sep 18, 2020
+ Tüm Referansları Göster