Sarkopeni̇ hastalığının nöro bi̇li̇şsel beli̇rteçleri̇ni̇n işlevsel yakın kızılaltı spektroskopi̇si̇ ve yapay zeka yaklaşımları kullanılarak beli̇rlenmesi̇ / Bora Mert Şahin; thesis advisor Aykut Eken.

Tez (Yüksek Lisans)--TOBB ETÜ Fen Bilimleri Enstitüsü Ağustos 2025

Yaşlanma ile birlikte kas kütlesi, kuvvet ve fonksiyonlarında görülen azalma olarak tanımlanan sarkopeni, yaşam kalitesini ciddi oranda etkileyen önemli bir hastalıktır. Yakın zamanda yapılan çalışmalar, sarkopeninin yalnızca fiziksel kayıplarla sınırlı kalmayıp, nörolojik fonksiyonları da olumsuz yönde etkileyebileceğini öne sürmüştür. Bu tez çalışmasında, sarkopeninin motor ve bilişsel görevler sırasındaki kortikal hemodinamik etkileri ve bu etkilerin klinik ölçümlerle ilişkisi fonksiyonel yakın kızılaltı spektroskopisi (fNIRS) ile incelenmiştir. Ek olarak, fNIRS verilerinden elde edilen fonksiyonel bağlantısallık özniteliklerinin, makine öğrenmesi modelleri aracılığıyla, sarkopenik bireyleri sağlıklı bireylerden ayırt etmedeki başarımı değerlendirilmiştir. Çalışmaya toplamda 68 kişi (38 sağlıklı, 30 sarkopenik) katılmıştır. Katılımcılara kavrama kuvveti, N-Geri ve Oddball deneyleri uygulanarak fNIRS verileri alınmış, kavrama deneyinde elektromiyografi (EMG) ve el dinamometresi verileri de kaydedilmiştir. Verilerin istatistiksel analizi, t-test, tekrarlı ölçümlü ANOVA ve korelasyon ile gerçekleştirilmiştir. Sonuçlar, sarkopenik bireylerin motor görevlerde EMG ve dinamometre ölçümlerinde anlamlı şekilde düşük performans sergilediklerini ortaya koymuştur. Ayrıca, kavrama, N-Geri ve Oddball deneyleri sırasında precentral gyrus (PcG), middle frontal gyrus (MFG) ve superior frontal gyrus (SFG) bölgelerindeki hemodinamik tepkilerin, sarkopeni grubunda kontrol grubuna kıyasla farklılıklar gösterdiği bulunmuştur. Motor ve bilişsel görevler arasındaki korelasyon analizleri ise, sarkopenik bireylerde motor ve bilişsel fonksiyonların ortak kortikal temsiliyetlere sahip olduğunu desteklemiştir. Makine öğrenmesi ile gerçekleştirilen sınıflandırma sonucunda, sarkopenik ve sağlıklı bireyler yüksek doğruluk (%80-86) ve eğri altı alan değerleri (0.86-0.95) ile sınıflandırılmıştır. Bu sonuçlar, fNIRS tabanlı nörolojik belirteçlerin, sarkopeni tanısı ve klinik değerlendirmede önemli bir potansiyele sahip olduğunu göstermektedir.

Sarcopenia, defined as a decline in muscle mass, strength and function associated with aging, is a significant disease that severely impacts quality of life. Recent studies suggest that sarcopenia is not limited to physical deterioration alone but may also negatively affect neurological functions. In this thesis, the cortical hemodynamic effects of sarcopenia during motor and cognitive tasks and their relationship with clinical measurements were investigated using functional near-infrared spectroscopy (fNIRS). Additionally, the efficacy of distinguishing sarcopenic individuals from healthy individuals using machine learning models utilizing functional connectivity features derived from fNIRS data was assessed. A total of 68 participants (38 healthy, 30 sarcopenic) were included in the study. Participants underwent hand grip, N-Back and Oddball tasks to collect fNIRS data, and electromyography (EMG) and hand dynamometer data were additionally recorded during the grip strength task. Statistical analysis of the data was performed using t-tests, repeated measures ANOVA, and correlation analysis. The results revealed that sarcopenic individuals exhibited significantly lower performance on motor tasks, as indicated by EMG and dynamometer measurements. Furthermore, during grip, N-Back and Oddball tasks, hemodynamic responses in the precentral gyrus (PcG), middle frontal gyrus (MFG) and superior frontal gyrus (SFG) regions differed between the sarcopenic and control groups. Correlation analyses between motor and cognitive tasks supported the notion of shared cortical representations for motor and cognitive functions in sarcopenic individuals. Classification using machine learning yielded high accuracy (%80-86) and area under the curve (AUC) values (0.86-0.95) in distinguishing sarcopenic and healthy individuals. These findings indicate that fNIRS-based neurological biomarkers hold significant potential for diagnosing and clinically assessing sarcopenia.