AI Modeli Migrain Ataklarını 91’lik Doğrulukla Öngörebilir: Çalışma

Yüksek gerçek dünya veri setini analiz eden yeni bir çalışma, yapay zeka modelinin ertesi günkü migraine riskini %91,2 doğrulukla öngörebileceğini gösteriyor. Modelin bulguları, yayımlanan Neurology Open Access dergisinde açıklandı.

Model, kişinin önceki 30 günlük baş ağrısı şiddeti ve kalıplarının, ataktan hemen önceki prodromal (erken) belirtilerden daha bilgilendirici olduğunu ortaya koydu. Araştırmacılar, teknolojinin hastaları tanılamak veya migraine tedavisini değiştirmek için değil, onlara hazırlanmalarına yardımcı olmak amacıyla tasarlandığını vurguladı ve daha fazla araştırmaya hala ihtiyaç olduğunu belirtti.

Migraine Migraine, Amerika Birleşik Devletleri’nde çok yaygın olup nüfusun yaklaşık most prevalent bölümünü etkileyerek ülkenin en sık görülen nörolojik bozukluklarından birini oluşturuyor. Migrain atakları çoğu zaman prodromal phase ile başlar ve bu evre migraine belirtilerinden saatler hatta günler önce ortaya çıkabilir.

Sık tekrarlayan prodromal kalıplar, genellikle bir atağın gelişmekte olduğunu gösteren erken uyarı işareti olarak hizmet verir. Bu kişisel uyarı işaretlerinin belirlenmesi, kişinin yaklaşan bir atağı tanımasına ve uygun olduğunda atağın şiddeti veya süresini azaltmaya yardımcı olabilecek erken tedavi planını başlatmasına izin verebilir.

Şimdi, 53.000’den fazla migraine hastasından toplanan verilerle eğitilen bir makine öğrenmesi modelinin, kişinin ertesi gün migraine geçireceğini %91 doğrulukla öngörebileceği sugeriliyor.

Dikkat çezici bulgulardan biri de en güçlü öngörü bilgisinin prodromal belirtilerden gelmediğiydi. Bunun yerine model, büyük ağırlığı önceki 30 günlük baş ağrısı kalıplarına verdi.

Araştırmacılar öncelikle prodromal belirteçlere odaklanmak yerine, hastaların semptom geçmişindeki uzun vadeli kalıpları inceledi. 2020 yılı Ocak ile 2025 yılı Temmuz arasında toplanan 770.473 günlük rapor içeren 53.065 Nerivio uygulaması kullanıcısından veri analiz etti.

Veri setine elektronik migraine defterleri, anketler, demografik özellikler ve konum tabanlı hava durumu verileri dahil edildi.

Araştırmacılar ardından 7 makine öğrenmesi algoritmasını test ederek bu verilerin ertesi gün migraine geçirme ihtimali yüksek kişileri belirleyebileceğini değerlendirdi. En iyi performansı gösteren model, XGBoost adlı bir algoritmanın özelleştirilmiş versiyonuydu.

Model %91,2 doğruluk elde etti; bu, kişinin ertesi gün migraine geçirme ihtimali yüksek olduğunu öngördüğünde, tahminin çalışma veri setinde yaklaşık %91 oranında doğru olduğu anlamına gelir. Model aynı zamanda şunları da başardı:

%81 genel doğruluk, %80 duyarlılık (ertesi günkü migraine olaylarını ne kadar iyi belirlediğini ölçer), %83 özgüllük (migraine olmayan günleri ne kadar iyi belirlediğini ölçer) ve 0.893 eğri altındaki alan (AUC), bir öngörü modelinin iki sonuç arasında ne kadar iyi ayrım yaptığını gösteren yaygın bir ölçümdür.

Araştırmacılar, sonucun hafif ile orta derecede ve şiddetli ağrıyı içeren migraine ataklarını kapsadığını, yalnızca daha engelleyici migraine ataklarıyla sınırlı olmadığını belirtti.

Çalışmanın dikkat çezici bulgulundan biri de en güçlü öngörü bilgisinin prodromal belirteçlerden gelmediğiydi. Bunun yerine model, büyük ağırlığı önceki 30 günlük baş ağrısı kalıplarına verdi. Özellikle son bir aylık baş ağrısının kayar ortalaması, en etkili bireysel özellikiydi. Bir ataktan önceki 30 günden hesaplanan özellikler kolektif olarak model performansının yaklaşık %56’sını açıkladı. Karşılaştırma için, prodromal belirteçlere dair bilgi yaklaşık %11’ini açıkladı.

Bu, migraine riskinin yalnızca atağın hemen sonrasında yaşananlardan değil, aynı zamanda birkaç hafta içinde ortaya çıkan kalıplardan da etkilenebileceğini gösteriyor.

Migraine öngörebilmek, potansiyel olarak kişilere bir atağa hazırlanmaları için daha fazla zaman verebilir. Örneğin, ertesi gün riskinin yükseldiğini bilen biri, programını planlayabilir, uykuya öncelik verebilir, düzenli yemek ve sıvı alımını sürdürebilir veya reçeteli tedavilerini temin edebilir.

Çalışmanın yazarları, daha iyi öngörünün aynı zamanda hastaların migraine atakları arasında yaşadığı belirsizlik ve kaygının bir kısmını azaltmaya da yardımcı olabileceğini öne sürüyor.

Bununla birlikte, yapay zeka (AI) aracı, tedavi kararları vermek yerine migraine olasılığı hakkında bilgi sağlamak için tasarlandı. press release‘nda, Nerivio uygulamasına sahip ve geliştiren Theranica, makine öğrenmesi modelini uygulamaya entegre eden ‘Your Day Ahead’ özelliğinin migraine tanılamadığı veya reçeteli tedavinin değiştirilmesini önermediğini belirtiyor. Çalışmanın yazarlarının çoğunun da Theranica ile bağlantılı olduğu worth noting.

Medical News Today, Vernon Williams, Los Angeles’taki Cedars-Sinai Orthopedics and Sports Medicine ve B-ASE Performance, Inc’deki Spor Nörolojisi ve Ağrı Tıbbı Merkezi’nin kurucu direktörü ve spor nörologu olan ancak çalışmaya dahil olmayan bir uzmanla, uygulama kişinin ertesi günkü migraine riskinin yüksek olduğunu öngördüğünde ne yapmayı düşünebileceği konusunda görüştü.

Eğer uygulama ertesi gün quelqu’unun migraine riskinin yüksek olacağını öngörürse, bu, migrate riskini azaltmaya yardımcı olan yaşam tarzı alışkanlıklarına özellikle tutarlı olmaya dair faydalı bir hatırlatma olabilir. Yeterli ve düzenli uyku almak, iyi sıvı alımını sürdürmek, düzenli aralıklarla besin yemek ve gereksiz stresi azaltmak, bireyin migraine geliştirme eşiğini yükseltebilir. Başka bir deisle hedef, beyni bilinen tetikleyicilere daha duyarlı olmaktan çıkarmaktır.

Vernon Williams, MD

“Ayrıca kişisel migraine kalıplarına dikkat etmek önemlidir. Eğer biri belirli yemeklerin, alkolün, atlanan yemeklerin, uyku eksikliğinin veya migrate ataklarını tetiklemesi yaygın olan diğer faktörlerin olduğunu biliyorsa, yüksek risk tahmini bu tetikleyicilerden özellikle kaçınmak için iyi bir sebep olabilir,” dedi Williams.

“Bununla birlikte, insanlar migraine-öngörü uygulamalarının tanı aygıtları değil, yalnızca araçlar olduğunu unutmamalıdır. Tahminleri kendi deneyimlerini, klinik muhakemelerini veya sağlık sağlayıclarından aldıkları tavsiyeleri değiştirmesine izin vermek yerine bu tahminleri ek bilgi kaynağı olarak kullanmalıdırlar,” diye vurguladı Williams.

Williams ayrıca uygulamanın, defterlerin/günlüklerin ve yaşam tarzı önlemlerinin yalnızca sık ve engelleyici migraine atağı yaşayan insanlar için yeterli olmayabileceğini de alt çizdi.

“Migraine sıklığını azaltabilecek etkili önleyici ilaçlar olduğu kadar bir atağı başladığında durdurmayı tasarlayan ilaçlar da var. Sık A person’s own headache history is particularly important yaşayan herkes, bireyselleştirilmiş tedavi planı geliştirmek için bu seçenekleri sağlık sağlayıcısıyla görüşmelidir,” dedi.

Büyük veri setine rağmen bulgulalar modelin her migraine hastası için aynı derecede iyi performans göstermeyeceğini ortaya koymuyor. Katılımcılar tümüyle Nerivio uygulaması kullanıcılarıydı, bu nedenle çalışma popülasyonu genel migraine nüfusuyla farklılaşabilir. Ayrıca kohort daha sık migraine yaşayanlar ve tedavile aktif olarak ilgilenenler yönünde eğilimliydi.

Bu nedenle araştırmacılar bulgulaların daha geniş migraine popülasyonlarında doğrulanması gerektiğini belirtiyor. Başka önemli bir husus da öngörü modelinin tanı testi veya tedaviyle aynı olmadığıdır. Yükselmiş migraine riski tahmini bir atağın gerçekleşeceğini garanti etmez ve düşük öngörülen riskin atağın gerçekleşemeyeceği anlamına gelmez.

Yüksek risk tahmini migrate’in kaçınılmaz olduğu anlamına gelmez ve düşük risk tahmini onun gerçekleşmeyeceğini garanti etmez. İnsanlar bu tahminleri ek bilgi kaynağı olarak kullanmalı, ancak uygulamanın kendi deneyimlerini, klinik muhakemelerini veya sağlık sağlayıclarından aldıkları tavsiyeleri değiştirmesine izin vermemelidir.

Vernon Williams, MD

Çalışma aynı zamanda rastgele klinik deneme yerine gözlemsel, gerçek dünya uygulama verilerine dayanıyordu; bu da tahminlere hareket ederek migraine sonuçlarının iyileşip iyileşmediğini test etmiyordu.

Bulgular, uzun vadeli, hastanın ürettiği verilerin migraine ataklarını öngörmek için faydalı sinyaller içerebileceğine dair kanıt sağlıyor. Geleceğin migraine-öngörü araçları, yalnızca prodromal belirteçlere güvenmek yerine baş ağrısı sıklığı, şiddeti, yakın atak kalıpları, bireysel özellikler ve çevresel faktörlerle ilgili bilgiyi birleştirebilir.

Migraine yaşayan insanlar için pratik değer nihayetinde daha doğru öngörü günlük hayatta anlamlı iyileşmelere yol açıp açmayacağına bağlı olacaktır; bu da daha iyi hazırlık, azaltılmış kesinti, azalmış kaygı veya atakların daha iyi yönetimi olabilir.

Şimdilik sonuçlar, makine öğrenmesinin rutin olarak toplanan migraine defteri verilerinde kalıpları belirleyip bu kalıpları ertesi günkü bilgi sağlamak için kullanabileceğini gösteriyor; ancak klinik tanı veya reçete kararlarını değiştirmiyor.