Yapay Zeka “Göz Açıp Kapayıncaya Kadar” Parkinson Tanısı Koyabilir Mi?
- gazigenmet
- 17 Ara 2020
- 2 dakikada okunur
Günümüzde en sık görülen nörodejeneretif hastalıklardan biri olan Parkinson, maalesef bir o kadar da geç tespit edilen bir hastalık. Beynin gri maddesinde nöron kaybı yaşanması ile seyrediyor. Kaslarda katılık ve titreme gibi gözlenebilir belirtiler, nöron kaybı ciddi boyutlara ulaştığında ortaya çıkıyor ve bu da erken tanıyı neredeyse imkansız hale getiriyor. Şu anda uyku bozukluklarının, kardiyak aritmilerin, bağırsak hareketlerinin takibi gibi yollarla erken tanı çalışmaları yapılmakta fakat bunlar takibi zor ve maliyeti yüksek yollar ama Florida Üniversitesinde yapılan bu yeni araştırma, evinizden kendinize Parkinson tanısı koymanıza olanak sağlayabilir!
Beyinde dopamin salgılayan nöronların azalması, Parkinson hastalığının esas sebebi. Bunun pek çok dokuda olduğu gibi gözümüz üzerinde de çeşitli etkileri var. Bunlardan biri dopamin eksikliğine bağlı olarak retina tabakasında incelme, bir diğeri ise gözü besleyen kılcal damarlarda büzüşme. Eğer bu etkileri özel bir lens yardımı ile (belki yakın gelecekte akıllı telefonlarımızla dahi) fotoğraflayabilirsek Parkinson hastalığı taramalar ile erken saptanabilir. Peki, yapay zeka bu fotoğraflara bakarak Parkinson teşhisi koyabilir mi? Henüz kusursuz olmasa da, mümkün.
Bu yöntemin ilk adımı, çekilen fotoğraflardaki damarları belirlemek. UNet adındaki yapay nöral ağ, bunu yapmak için geliştirilmiş. Alttaki resimde UNet ile yapılan bir çalışma örneği görüyoruz. İlk sütunda orijinal fotoğraflar var. İkinci sütun, bu fotoğrafların UNet ile analiz edilmiş halleri. Gördüğünüz gibi damarları belirlemede oldukça başarılı ama en başarılı analizler son sütunda. Bu sütundaki resimler UNet ile analiz edilmeden önce gri tonlamalı hale getirilmiş ve ortaya tam da ihtiyacımız olduğu gibi en ince damarları bile gözlemleyebildiğimiz bir sonuç çıkmış!
UNet ile tanımlanan damar görüntüleri için bir sonraki adım Destek Vektör Makinesi (Support Vector Machine, SVM) ile ayrıştırma. Bu işlem temelde oldukça basit. Yapay zeka, Parkinson olan ve olmayan kişilere ait damar görüntülerini sınıflandırmayı ve aralarına bir “çizgi” çekmeyi öğreniyor. Böylece sizin ona verdiğiniz görüntüyü elindeki verilere göre çizginin “Parkinson Olanlar” veya “Sağlıklı Olanlar” tarafına yerleştirebiliyor.
Yine de ne kadar eğitilirse eğitilsin, yapay zekanın kesin Parkinson tanısı koyması günümüz koşullarında mümkün değil. Her zaman çizginin iki tarafında da istisnalar olacaktır fakat çizgiyi, verilerimize daha uygun bir şekilde çekerek sonuçlardaki doğruluk payını arttırabiliriz. Aşağıdaki ilk resimde çizgimiz, yani karar sınırı (decision boundary) lineer olarak çekilmişken diğer iki resimde ise verilere daha uygun bir sınır görüyoruz. Bu çalışma için bu üç yöntem de test edilmiş. Verilerin %80’i kullanılarak eğitilen (yani Parkinson olan-olmayanlar arasına çizgi çekmeyi öğrenen) yapay zeka, verilerin kalan %20’lik kısmı ile de test edilmiş ve alınan sonuçlar kıyaslanmış.
Peki, bu yöntem ile aldığımız sonuçlar ne kadar gerçekçi olacak? Bunun için yukarıda bahsettiğimiz “eğitim verileri”ni sorgulamamız gerekiyor. Yapay zeka sadece ona verdiğimiz verilere dayanarak sınıflandırma yaptığı için yeterli sayıda ve nitelikte veri kullanılmış olması çok önemli. Bu çalışma için, temelde UK Biobank (UKB)’e ait bir veri seti, buna ek olarak da Florida Üniversitesinde (UF) kaydedilen Parkinson hastalarına ait daha küçük bir veri seti kullanılmış. UKB verilerinde toplamda 87.569 adet sol, 88.255 adet sağ fundus fotoğrafı bulunuyor. Verisi bulunan kişilerin 2.268’i Parkinson hastası. Bu iki veri setinden (UKB ve UF) yarısı Parkinson hastası, yarısı sağlıklı olmak üzere toplamda 620 fotoğraf seçilerek bu çalışmada kullanılmış.
Yöntemimiz ve verilerimiz hakkında bilgi edindik, gelelim sonuçlara. Bu çalışmada elde edilen sonuçlar %70-80 bandında doğruluğa sahip. Elbette ki kullanıma geçmesi için yeterli bir sonuç değil, geliştirilmesi ve daha büyük veri setleri ile çalışılması gerekiyor. Yine de Parkinson hastalığının erken tanısı için çok büyük bir adım. Bir gün akıllı telefonlarımız ile Parkinson tanısı koyabilecek miyiz, hep birlikte göreceğiz!
YAZAN: Sevil Buket Koyuncu
KAYNAKÇA:
– E. Garcia-Martin et. al, “Distribution of Retinal Layer Atrophy in Patients With Parkinson Disease and Association With Disease Severity and Duration,” American Journal of Ophthalmology, Feb. 2014.
– C. Zhu et. al, “An Ensemble Retinal Vessel Segmentation Based on Supervised Learning in Fundus Images,” Chinese Journal of Electronics, Aug. 2016.
Comments