Bu sayfa, 26. Dünya Psikiyatri Kongresi'nde sunulan çalışmanın yapay zekâ desteğiyle hazırlanmış Türkçe özetidir. Çalışmanın sahibi sunan yazarlardır; atıf için orijinal kaynağa başvurun.

SO177

Demansta ajitasyon ve saldırganlığın fizyolojik verilerle ve yapay zeka modelleriyle öngörülmesi ve erken tanınması

PREDICTION AND EARLY IDENTIFICATION OF AGITATION AND AGGRESSION IN DEMENTIA USING PHYSIOLOGICAL DATA AND ARTIFICIAL INTELLIGENCE MODELS

Giyilebilir cihazdan elde edilen çok modlu fizyolojik veriyle demansta ajitasyon ve saldırganlık atakları başlamadan 10 dakika önce klinik olarak anlamlı doğrulukta öngörülebilmektedir.

Çalışma, demansta psikomotor ajitasyon ve saldırganlık (psychomotor agitation and aggression in dementia, PAAD) ataklarını başlangıcından 10 dakika önce belirleyebilecek derin öğrenme modellerinin geliştirilmesini ve karşılaştırmalı değerlendirilmesini amaçlamaktadır. Veriler daha önce yayımlanmış çalışmalardan alınmış olup, Empatica E4 giyilebilir cihazıyla 17 demanslı kişiden 140 izlem günü boyunca toplanan ivmeölçer, kan hacmi nabzı, elektrodermal etkinlik ve cilt sıcaklığı sinyallerini içermekte ve veri setinde klinik olarak doğrulanmış 182 ajitasyon olayı bulunmaktadır. On altı klinik açıdan anlamlı öznitelik çıkarılmış; sınıf dengesizliği, zamansal kaymalar ve kliniğe yönelik başarım ölçütleri gözetilerek üç transformer temelli model (Multimodal Clinical Transformer, Sensitivity Optimised Clinical Transformer ve Adaptive Ensemble) ile Doğrusal Karmaşıklıkta Fizyolojik Durum Uzayı Modeli (Linear Complexity Physiological State Space Model, LC-PSSM) karşılaştırılmıştır. Veri seti ileri derecede dengesiz olmasına karşın LC-PSSM birçok boyutta en iyi başarımı göstermiş; ROC eğrisi altındaki alan (AUC-ROC) 0,7558, kesinlik duyarlılık eğrisi altındaki alan (AUC-PR) 0,5312 ve klinik puan 0,7062 olarak bulunmuş, model hesaplama açısından da verimli kalmıştır. Özet metninde bu modelin duyarlılığı (sensitivity) %65,7, özgüllüğü (specificity) %70,6; duyarlılık için eniyilenmiş transformerin duyarlılığı ise %90,4 olarak, orta düzey özgüllükle bildirilmektedir; topluluk (ensemble) modellemesi dengeli başarım vermiştir. Poster figürlerinde transformer modeli için ROC AUC 0,724 ve PR AUC 0,471 (taban değer 0,250) gösterilmektedir. Sonuç olarak sürekli fizyolojik veri, PAAD ataklarının önceden belirlenmesini olanaklı kılmakta ve demans bakımında tepkisel yönetimden önleyici, gerçek zamanlı girişime geçiş için zemin oluşturmaktadır. Yazarlar, klinik kullanıma geçmeden önce daha büyük ve çok merkezli veri setlerinde doğrulama ile klinik iş akışlarına entegrasyonun gerektiğini belirtmektedir.

Tüm WCP 2026 özetleri