Parkinson hastalığı, dünya genelinde milyonlarca kişiyi etkileyen ve nöronların yavaş yavaş işlevini yitirmesiyle ilerleyen bir hastalık. Ancak hastalığın seyri kişiden kişiye o denli farklılık gösteriyor ki tek tip bir tedavi veya takip protokolü oluşturmak güçleşiyor. İşte bu sorunu çözmek için bir araştırma ekibi, beynin bağlantı mimarisini hesaba katan özgün bir modelleme yaklaşımı geliştirdi.
Araştırmacılar, beyindeki bölgeler arası bağlantı ağını yani konnektomu bir çerçeve olarak kullanarak hastalığın zaman içinde nasıl yayıldığını taklit eden dinamik bir model kurdu. Bu model, her hastanın hastalık sürecindeki konumunu bireysel olarak tahmin ederken aynı zamanda verideki doğal kümelenmeleri de otomatik olarak keşfediyor.
Model, Parkinson's Progressive Markers Initiative (PPMI) adlı kapsamlı hasta kohortundan elde edilen 85 farklı görüntüleme ve klinik biyobelirtece uygulandı. Sonuçta beyin morfolojisi bakımından birbirinden ayrışan dört alt tip ortaya çıktı. Bu alt tipler, yalnızca istatistiksel gruplamalar değil; klinik pratikte gözlemlenen motor belirtiler ve Parkinson riskini artıran genetik varyantlarla da anlamlı bir uyum içinde.
Araştırmacılar modellerini bağımsız bir kesitsel veri seti üzerinde doğruladı ve aynı eğitim-doğrulama protokolüyle SuStaIn adlı mevcut yöntemle karşılaştırdı. SuStaIn klinik ve genetik verilerle anlamlı bir örtüşme yakalayamazken yeni model bu bağlantıyı tutarlı biçimde yeniden üretebildi.
Bu çalışmanın önemi yalnızca teknik bir gelişmeyle sınırlı değil. Parkinson hastalarının hangi alt tipe girdiğini erken dönemde belirleyebilmek, hem hastalığın nasıl ilerleyeceğini öngörmeye hem de kişiye özel tedavi stratejileri geliştirmeye kapı aralayabilir. Konnektom kısıtlı dinamik modelleme, nörodejeneratif hastalık araştırmalarında umut verici bir araç olarak öne çıkıyor.