Derin beyin stimülasyonu (DBS), elektrotlar aracılığıyla belirli beyin bölgelerinin uyarılmasına dayanan ve özellikle Parkinson hastalığı, esansiyel tremor ile distoni gibi hareket bozukluklarında onlarca yıldır uygulanan bir nörocerrahi yöntemidir. Yapay zekanın tıp alanına hızla sızmasıyla birlikte araştırmacılar, DBS süreçlerini optimize etmek, stimülasyon parametrelerini kişiselleştirmek ve hedef doku tespitini otomatikleştirmek amacıyla makine öğrenmesi ile derin öğrenme modellerine yöneldi.
Ancak arXiv'de yayımlanan yeni bir sistematik derleme, bu heyecanın arkasında ciddi metodolojik boşluklar bulunduğuna işaret ediyor. Araştırmacılar, çeyrek asrı kapsayan 239 çalışmayı yapay zeka yöntemleri, doğrulama pratikleri ve klinik çevirilebilirlik açısından titizlikle değerlendirdi.
Bulgular net bir tablo ortaya koyuyor: Çalışmaların büyük bölümü iç testlerde etkileyici performans rakamları sunsa da bu başarı dış doğrulamayla nadiren sınanmış. Yani modeller, eğitildikleri veri setinin ötesinde, farklı merkezlerden veya farklı hasta gruplarından gelen verilerle genellikle test edilmemiş. Üstelik çalışmaların dörtte birinden fazlası, yüksek boyutlu ama küçük örneklemli veri setleriyle yürütülmüş; bu durum modellerin gerçek dünyada işe yaramayan kalıpları ezberlemesi, yani aşırı öğrenme riski anlamına geliyor.
Teknoloji hazırlık düzeyi değerlendirmesi açısından bakıldığında, incelenen sistemlerin büyük çoğunluğunun erken ila orta olgunluk aşamasında yer aldığı görüldü. Klinik onay süreçleri için gereken prospektif, çok merkezli ve büyük ölçekli doğrulama çalışmaları ise son derece sınırlı kalmış durumda.
Araştırmanın önemli bir bulgusu da alandaki tematik tekdüzelik. Yapay zeka uygulamalarının neredeyse tamamı Parkinson hastalığı ve subtalamik çekirdek hedeflemesi üzerine yoğunlaşmış. Esansiyel tremor, Huntington hastalığı veya farklı anatomik hedefler gibi konular ise literatürde görece az yer buluyor; bu durum, geliştirilen modellerin genellenebilirliğini de kısıtlıyor.
Derleme, yapay zekanın DBS alanındaki potansiyelini inkâr etmiyor; aksine bu potansiyelin gerçeğe dönüşebilmesi için standart doğrulama protokollerine, çok merkezli iş birliklerine ve şeffaf raporlamaya acilen ihtiyaç duyulduğunun altını çiziyor. Klinik güvenlik açısından yüksek risk taşıyan bu alanda, heyecanın metodolojik titizliğin önüne geçmemesi gerekiyor.