Beyninizin Yaşı Nedir? EEG Algoritması Problemleri Tarıyor

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

• Bir kişinin dinlenme durumundaki EEG'deki değişiklikler, Alzheimer gibi dejeneratif hastalıkların erken belirtilerini gösterebilir.

• Araştırma bulguları, Frontiers in Neuroergonomics'da yayınlandı ve beyin sağlığı taramaları için proaktif bir yaklaşım sunuyor.

Araştırmacılar, bir kişinin kronolojik yaşı ile beyin yaşı arasındaki farkı hesaplamak için yeni bir yöntem geliştirdi. Bu makine öğrenimi modeli, bir beynin dinlenme durumundaki (uyanık ama herhangi bir görev yapmadan) elektriksel aktiviteyi ölçmek için EMOTIV EPOC X headset'lerini kullanır ve bunu sağlıklı yetişkinler arasındaki istatistiksel verilerle karşılaştırır.

Kounios ve arkadaşları (2024), algoritmayı, yüz yüze ve uzaktan çevrimiçi katılımcılardan toplanan EPOC X beyin verileriyle ve ek eğitim veri setleriyle eğitti. Toplamda, çalışma beş birleşik veri seti kullandı.

Beyin Yaşı Neden Önemlidir?

İnsan beyni her zaman değişir, hayatımız boyunca yeni bağlantılar ekler ve eski bağlantıları onarır. Yaralanmalar ve hastalıklar, bir beynin gelişim aşamasını geciktirebilir veya hızlandırabilir ve bu da "beyin yaşı farkı" yaratır. Bu farklar, yaşla ilişkili hastalıklar için uyarı işareti olarak hizmet edebilir. Ne yazık ki, beyin taramaları genellikle pahalı ve zaman alıcıdır ve hastalık semptomları belirdiğinde sadece bir kez yapılır.

Yazarlar, erken orta yaş veya daha genç bireyleri taramanın, yaşla ilişkili nörolojik bozuklukları en erken aşamalarında tespit etme ve tedavi etme olasılığını artırdığına dikkat çekiyor.

Yazarlar, "EEG beyin yaşı tahminine yaklaşımımızın birkaç umut verici uygulaması var," diyor. "Beyin yaşı farkı, belirli tanısal testlerle takip edilebilecek temel yaşla ilgili patolojinin olasılığını öne süren bireyleri tanımlamak için nispeten ucuz bir tarama aracı olarak kullanılabilir. Ayrıca, EMOTIV EPOC X headset'inin göreceli olarak düşük maliyeti sayesinde EEG beyin yaşı tahmini, sonuçların doğrulanması ve zaman içindeki değişikliklerin tespit edilmesi için tekrar tekrar yapılabilir."

Bu beyin yaşı veri seti ayrıca, nörolojik yaşlanmayı yavaşlatmak veya tersine çevirmek için potansiyel müdahaleleri test etmekte de yararlı olabilir. Örneğin, 2020 yılında Ulusal Yaşlanma Enstitüsü tarafından finanse edilen bir çalışma, belirli sağlıklı yaşam tarzı faktörlerinin Alzheimer riskini %60 oranında azaltabileceğini buldu (Dhana et al., 2020).

Kablosuz EEG Kurtarıcıdır

Kounios ve meslektaşları, EPOC X'i uygun fiyatlı ve erişilebilir olduğu için övdü. Bu, insanların evde veya işte beyin yaşlarını tahmin etmelerini sağlıyor. Bu, yaşla ilişkili bilişsel gerileme ve bilişsel sağlık için yaşam tarzı müdahaleleri konularında daha fazla araştırmaya yol açabilir.

Beyin yaşını hesaplamayı öğrenmek, başka olasılıkları da barındırıyor. Örneğin, "bilişsel süper yaşlılar" adı verilen 80'li ve 90'lı yaşlarındaki bir grup insan var ki, bu grup istatistikleri alt üst etmektedir. Bilişsel süper yaşlıların hafıza performansı, 20-30 yaş daha genç olan yetişkinlere benzer. Günümüzdeki çalışmalar, bu olağanüstü birey grubundan öğrenmeyi ve o bilgiyi sağlıklı beyin yaşlanmasını teşvik etmek için kullanmayı hedefliyor.

Nörobilimciler ve diğer araştırmacılar, diyet, çevre, yaşam tarzları ve genetik faktörlerin beynimizin yaşlanmasında nasıl rol oynadığını daha iyi anlamayı umuyorlar.

Yazarlar, beyin yaşı tarama modellerinin uzun bir süre boyunca kestirim gücünün değerlendirilmesinin önemini vurgulamaktadır. Bu bulguları doğrulamak için daha büyük ve daha çeşitli bir beyin EEG veri örneği ile gelecekte araştırmalara da ihtiyaç vardır.

Kaynaklar:

Dhana, K., Evans, D. A., Rajan, K. B., Bennett, D. A., & Morris, M. C. (2020). Sağlıklı yaşam tarzı ve Alzheimer demansı riski. Neurology, 95(4). https://doi.org/10.1212/wnl.0000000000009816

Kounios, J., Fleck, J. I., Zhang, F., & Oh, Y. (2024). Düşük maliyetli bir EEG headset ile beyin yaşı tahmini: etkinlik ve büyük ölçekli tarama ile beyin optimizasyonu için sonuçları. Frontiers in Neuroergonomics, 5. https://doi.org/10.3389/fnrgo.2024.1340732