Parkinson’da daha erken sinyal avı: Temassız çoklu veriyle çalışan AI tarama modeli

npj Parkinson’s Disease’te 2026 yılında yayımlanan yeni bir çalışma, Parkinson hastalığının çok daha erken evresinde olası işaretleri yakalamayı hedefleyen bir yapay zekâ (AI) tabanlı tespit hattını gündeme getirdi. Wan, Wan ve Liu tarafından yürütülen araştırma, hastalığın klinik olarak belirginleşmesinden önce, müdahale şansının teorik olarak daha yüksek olabileceği “en erken pencere”ye odaklanıyor.

Bilimsel ve klinik pratikte tanı süreci çoğu zaman motor belirtiler ile motor olmayan bulguların gözlenmesine dayanıyor. Ancak araştırmacılara göre bu işaretler, Parkinson’a eşlik eden biyolojik hasar süreci ilerledikten sonra daha net biçimde ortaya çıkabiliyor. Çalışmanın amacı, bu gecikmeyi azaltacak bir tarama yaklaşımı geliştirmek: fiziksel temas gerektirmeyen ölçümler üzerinden, erken dönemde yakalanabilecek daha ince fizyolojik ve davranışsal sinyalleri AI ile ayrıştırmak.

Araştırmanın dikkat çeken yönü, “temassız” ölçümlere dayalı olması. Ekip, fiziksel sensör kullanımını gerektirmeyen bir çerçeve kurarak, büyük ölçekli tarama programlarına ve tekrarlı izlemeye daha uygun bir veri toplama fikri geliştiriyor. Bu tür bir yaklaşım, sağlık sistemlerinde taramaya erişimi ve izlem sıklığını etkileyebilecek “uygulama sürtünmesini” azaltmayı amaçlıyor. Araştırmacılar, taramanın yalnızca tek seferlik bir fotoğraf değil, zaman içinde değişimi yakalayabilecek şekilde tasarlanması gerektiğini de ima ediyor.

Modelin çekirdeğinde ise çoklu veri akışlarından öğrenme yeteneği bulunuyor. Çalışma, “çoklu modalite” yaklaşımıyla farklı veri türlerini aynı çatı altında birleştirerek hastalıkla ilişkili olabilecek desenleri yakalamaya çalışıyor. Metin, araştırmacıların aynı anda birden fazla veri akışından öğrenen, yani veriyi tek bir kaynaktan beklemek yerine birlikte işleyen bir model tasarladığını vurguluyor. Böylece, erken evrelerde belirtilerin daha zayıf ve dağınık olabileceği senaryolarda, sinyal zenginliğini artırmayı hedefliyor.

Yapılan açıklamalarda, geliştirilen tespit hattının “yüksek verimlilik” taşıdığı ve klinik kullanıma aktarımı kolaylaştırabilecek şekilde tasarlandığı belirtiliyor. Buradaki vurgu, araştırmanın yalnızca doğruluk tartışmasına değil, aynı zamanda pratikte çalıştırılabilir bir AI sistemine odaklandığı yönünde. Temassız veri toplama fikri ile verimli bir öğrenme mimarisinin birlikte ele alınması, erken tanıya yönelik yaklaşımlarda çoğu zaman göz ardı edilen uygulama boyutunu öne çıkarıyor.