• Yeni bir makine öğrenimi (ML) algoritması, bir kişinin beyin yaşını hesaplamak için yapay zeka (AI) ve Emotiv EEG kullanıyor.

• Bir kişinin dinlenme durumundaki EEG'sindeki değişiklikler, Alzheimer gibi dejeneratif hastalıkların erken belirtilerine işaret edebilir.

• Frontiers in Neuroergonomics yayınlanan araştırma bulguları, beyin sağlığı taramalarına proaktif bir yaklaşım sunuyor.

Araştırmacılar, bir kişinin kronolojik yaşı ile beyin yaşı arasındaki farkı hesaplamak için yeni bir yöntem geliştirdiler. Bu makine öğrenimi modeli, beynin dinlenme durumundaki (uyanık ancak gerçekleştirilecek bir görev olmadan) elektriksel aktivitesini ölçmek için Emotiv Epoc X başlıklarını kullanıyor ve bunu sağlıklı yetişkinler arasındaki istatistiksel verilerle karşılaştırıyor.

Kounios ve arkadaşları (2024), algoritmayı yüz yüze ve uzaktan çevrimiçi katılımcılardan toplanan Epoc X beyin verileri ile ek eğitim veri setleri kullanarak eğitti. Çalışmada toplamda beş birleşik veri seti kullanıldı.

Beyin Yaşı Neden Önemlidir?

İnsan beyni yaşamımız boyunca sürekli değişir, yeni bağlantılar kurar ve eskileri onarır. Hasar ve hastalık, bir beynin gelişim aşamasını geciktirebilir veya hızlandırabilir, bu da bir "beyin yaşı açığına" neden olur. Bu açıklar, yaşa bağlı hastalıklar için uyarı sinyali görevi görebilir. Maalesef, beyin taramaları genellikle maliyetli ve zaman alıcıdır ve yalnızca hastalık semptomları ortaya çıktığında gerçekleştirilir.

Yazarlar, bireyleri erken orta yaşta veya daha gençken taramanın, yaşa bağlı nörolojik bozuklukları en erken aşamalarında tespit etme ve tedavi etme olasılığını artırdığını öne sürmektedir.

Yazarlar, "EEG beyin yaşı tahminine yönelik yaklaşımımızın ümit verici birkaç uygulaması var," diye belirtiyor. "Beyin yaşı açığı, belirli tanı testleriyle takip edilebilecek yaşa bağlı olası altta yatan patolojilere işaret eden bireyleri tanımlamak için nispeten ucuz bir tarama aracı olarak kullanılabilir. Ayrıca, Emotiv Epoc X başlığının nispeten düşük maliyeti sayesinde, sonuçları doğrulamak ve zaman içindeki değişiklikleri tespit etmek için EEG beyin yaşı tahmini tekrar tekrar yapılabilir."

Bu beyin yaşı veri seti, nörolojik yaşlanmayı yavaşlatmaya veya tersine çevirmeye yönelik potansiyel müdahaleleri test etmek için de yararlı olabilir. Örneğin, Ulusal Yaşlanma Enstitüsü tarafından finanse edilen 2020 tarihli bir çalışma, bazı sağlıklı yaşam tarzı faktörlerinin Alzheimer riskini %60 oranında azaltabileceğini bulmuştur (Dhana ve ark., 2020).

Kablosuz EEG Yardıma Koşuyor

Kounios ve meslektaşları, EPOC X'i uygun fiyatlı ve erişilebilir olduğu için övdü. İnsanların evde veya işte beyin yaşlarını tahmin etmelerine olanak tanıdığını söylediler. Bu, yaşa bağlı bilişsel gerileme ve bilişsel sağlık için yaşam tarzı müdahaleleri üzerine daha fazla araştırmaya yol açabilir.

Beyin yaşının nasıl hesaplanacağını öğrenmek başka olasılıkları da beraberinde getiriyor. Örneğin, 80'li ve 90'lı yaşlarında olan ve istatistiklere meydan okuyan "bilişsel süper yaşlılar" adı verilen bir grup insan var. Bilişsel süper yaşlılar, kendilerinden 20-30 yaş daha genç yetişkinlerinkine benzer bir hafıza performansına sahiptir. Mevcut çalışmalar, bu istisnai gruptan bir şeyler öğrenmeyi ve bu bilgileri sağlıklı beyin yaşlanmasını teşvik etmek için kullanmayı amaçlamaktadır.

Nörologlar ve diğer araştırmacılar; diyetin, çevrenin, yaşam tarzlarının ve genetiğin beynimizin yaşlanma şeklindeki rollerini daha iyi anlamayı umuyorlar.

Yazarlar, beyin yaşı tarama modellerinin stabilitesini uzun bir süre boyunca değerlendirmenin önemini vurgulamaktadır. Gelecekte, bu bulguları daha geniş ve daha çeşitli bir beyin EEG veri örneği ile doğrulamak için de araştırmalara ihtiyaç vardır.

Referanslar:

Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Healthy lifestyle and the risk of Alzheimer dementia. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816

Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Brain-age estimation with a low-cost EEG-headset: effectiveness and implications for large-scale screening and brain optimization. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732