UTF öğretim üyeleri Parkinson hastalığında erken tanı yöntemi geliştirdi

İstanbul Medipol Üniversitesi Uluslararası Tip Fakültesi Tıbbi Mikrobiyoloji Öğretim Üyesi olan Prof. Dr. Süleyman Yıldırım ve proje ekibi, TÜBİTAK destekli 1003 projesi kapsamında makine öğrenme algoritmaları geliştirerek tükürük ve beyin görüntüleme ile Parkinson hastalığında kognitif bozulmanın erken evrede tanı ve teşhisi için potansiyel biyobelirteçleri tanımladı.

PARKİNSON DÜNYA ÇAPINDA 6 MİLYONDAN FAZLA İNSANI ETKİLİYOR

Prof. Dr. Süleyman Yıldırım, Parkinson hastalığının nörodejeneratif bir hastalık olup dünya çapında 6 milyondan fazla insanı etkilediği ifade etti. Yıldırım, çalışma hakkında şu bilgileri verdi: “Parkinson yaşlanan nüfus nedeniyle hızla artacağı tahmin edilen karmaşık bir nörodejeneratif hastalıktır. En yaygın motor olmayan semptomlarından biri bilişseldir. Hastaların yaklaşık yarısı PH teşhisten sonraki yıllarda önce bilişsel bozukluk geliştirirler ve ardından demans (bunama) dönemine girerler bu nedenle de bakımları çok zorlaşır. PH hastalığında kullanılan klinikteki biyobelirteçler genelde beyin omurilik sıvısı (BOS) alımına dayalı olup hastalara rahatsızlık veren invazıv yöntemlerdir. Klinikte kabul gören bilişsel bozukluk tanısı için geliştirilmiş biyobelirteçler henüz mevcut değil. Biz projemizde invazıv olmayan ve hastalara rahatsızlık vermeden elde edilebilecek koltuk altı sürüntüsü, tükürük ve beyin görüntülemeye dayanan biyobelirteçler tanımlamayı amaçladık. Bu biyobelirteçleri kullanarak hastaları bilişsel alt tipine göre sınıflandırmak, gerekli farmakolojik ve rehabilite edici terapi planlamak için çok önemli olacak.”

MAKİNE ÖĞRENME ALGORİTMALARI GELİŞTİRİLDİ

Yıldırım şöyle devam etti: “PH hastalarının hemen hepsinde görülen aşırı tükürük sekresyonu, aşırı terleme hastalığın seyrinde önemli ölçüde kötüleşir. Oral mikrobiyota ile yutkunma güçlüğü (disfaji), salya ve tükürük asitliği bilişsel bozulma ile önemli ölçüde ilişkilidir. Biz yayına hazırladığımız makalelerimizde koltuk altından aldığımız sürüntü örneklerindeki mikrobiyota profili (1) ile ya da tükürük örneklerindeki proteomik ve mikrobiyota profillerini makine öğrenimi algoritmalarıyla entegre ederek tanımladığımız biyobelirteçlerin bilişsel bozukluk alt tiplerini ayırt edebildiğini gösterdik. Bunlara ek olarak dinlenme durumu fonksiyonel MRİ (rs-fMRİ) tekniği kullanarak hastalar uyanık ve dinlenme durumunda beyin ağları iletişimlerindeki bozulmaları tespit edip bozulan beyin ağlarının bilişsel bozukluk alt tiplerini ayırt etmekte kullanılabileceğini gösterdik (3).”

İŞ BİRLİĞİ BAŞARI GETİRDİ

Proje kapsamında makine öğrenimi algoritmaları geliştirilmesinde Erciyes Üniversitesi Mühendislik Fakültesi Bilgisayar Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Ufuk Nalbantoğlu görev aldı. Projenin tıp ayağını ise Medipol Mega Üniversite Hastanesi Nöroloji Kliniği ve fniCAN (fonksiyonel nörogörüntüleme ve bilişsel-duygusal nörobilim) laboratuvarı üyesi Prof. Dr. Lütfü Hanoğlu yürütürken Doç. Dr. Nesrin Helvacı Yılmaz, Prof. Dr. Mazhar Osman ve Ruh Sağlığı ve Sinir Hastalıkları Eğitim ve Araştırma Hastanesi Nöroloji Kliniğinden Prof. Dr. Aysu Şen katkıda bulundu. Projeye Zürih Üniversitesinden Prof. Dr. Mutlu Özcan ise danışmanlık yaptı. Projede göreve alan uzman araştırmacılar ve bursiyerler ise şöyle: Prof. Dr. Zübeyir Bayraktaroğlu, Dr. Muzaffer Arıkan, Dr. Özlem Güven, Dr. Farzın Hajebrahimi, Dr. Miray Budak, Dr. Halil Aziz Velioğlu, Dr. Zeynep Temel Yıldız, Dr. Tuğçe Kahraman Demir, Nur Damla Korkmaz, Esra Zeynep, Tuğçe Nur Bahçeci.

Kaynak

1.       Arikan vd. 2022. https://pubmed.ncbi.nlm.nih.gov/35138147/

2.       https://www.medrxiv.org/content/10.1101/2022.12.29.22284030v1

3.       https://www.medrxiv.org/content/10.1101/2023.05.13.23289935v1