---
type: "NewsArticle"
title: "Makine öğrenimi modeli Parkinson’da gelecekteki bilişsel bozulmayı öngördü"
description: "Retrospektif çalışmada TabPFN modeli için iç doğrulamada AUC 0,822, bağımsız dış kohortta 0,742 bildirildi. Yazarlar klinik kullanımdan önce ileriye dönük, çok merkezli doğrulama gerektiğini belirtiyor."
resource: "https://nootropikler.com/tr/news/parkinsons-tabpfn-cognitive-impairment-prediction"
tags: ["araştırma", "beyin", "biliş"]
timestamp: 2026-10-05T14:46:07Z
language: "tr"
---

# Makine öğrenimi modeli Parkinson’da gelecekteki bilişsel bozulmayı öngördü

Retrospektif çalışmada TabPFN modeli için iç doğrulamada AUC 0,822, bağımsız dış kohortta 0,742 bildirildi. Yazarlar klinik kullanımdan önce ileriye dönük, çok merkezli doğrulama gerektiğini belirtiyor.

Author: Nootropik News Editöryal Ekibi
Published: 2026-10-05T14:46:07Z
Update: 2026-10-05T14:46:07Z
News/source date: 2026-09-30
Production: AI-assisted sourced summary and translation; no independent medical expert review is claimed.

## Çalışmanın tasarımı

Retrospektif analiz, başlangıçta bilişsel açıdan normal olan Parkinson hastalığı tanılı 91 kişiyi içeriyordu; izlemde 45 kişide bilişsel bozulma gelişti. Araştırmacılar rutin klinik ve laboratuvar verileriyle TabPFN modeli kurdu ve modeli bağımsız PPMI kohortunda değerlendirdi.

## Bulgular

Modelin AUC değeri iç doğrulamada 0,822, dış doğrulamada 0,742 idi. Yaş ve başlangıç biliş puanı öne çıkan belirleyicilerdi; trigliserit ölçümleri de tahmine katkı sağladı. Ayrı bir analizde, sonradan bilişsel bozulma gelişenlerle bilişsel açıdan stabil kalanların trigliserit seyirleri farklıydı.

## Sınırlılıklar ve yorum

Tahmin başarısı trigliseritlerin bilişsel gerilemeye neden olduğunu göstermez. İç kohort küçüktü; geriye dönük veriler seçim ve ölçüm farklılıklarından etkilenebilir. Makale, klinik uygulamadan önce ileriye dönük çok merkezli doğrulama gerektiğini vurguluyor.

## Sources

- [Prediction of cognitive impairment in Parkinson’s disease using TabPFN: an integrative analysis of clinical data, longitudinal trajectories, and lipidomics](https://doi.org/10.3389/fnagi.2026.1905374) — 2026-09-30
