ABU DABİ, 14 Kasım 2026 (WAM) – Muhammed bin Zayed Yapay Zeka Üniversitesi (MBZUAI), risk faktörlerini belirleme ve sağlık ile genetik göstergeleri analiz etmeye yönelik yenilikçi yaklaşımlarla diyabetin erken teşhisini iyileştirmek amacıyla yapay zeka (YZ) kullanan araştırmalarını sürdürüyor. Her yıl 14 Kasım'da kutlanan Dünya Diyabet Günü vesilesiyle üniversite araştırmacıları, bu yılın "Diyabette erken eylem" temasıyla uyumlu olarak, YZ'nin geleneksel tarama yöntemlerinin gözden kaçırabileceği verilerle diyabet riskinin erken belirtilerini nasıl tespit edebileceğini inceliyor.

MBZUAI, BAE'de katılımcıları 25 yıla kadar takip eden, Abu Dabi'de yürütülen ücretsiz ve gönüllü boylamsal bir çalışma olan İnsan Fenotip Projesi'ne (HPP) liderlik ediyor. 18-70 yaş arası BAE vatandaşları ve sakinlerine açık olan proje; genetik bilgi, kan biyobelirteçleri, tıbbi görüntüleme, sürekli glikoz izleme ve uyku takibi dahil 40'tan fazla sağlık verisi katmanını bir araya getiriyor ve yaş ile etnik kökeni dikkate alan sağlık referans standartları oluşturmak için 200'den fazla milletten oluşan nüfustan yararlanıyor. HPP bulguları, açlık glikozu başlangıçta normal görünen bireylerin yüzde 40'ının sürekli izleme sırasında prediyabet aralığında değerler kaydettiğini ortaya koydu.

HPP verileri ayrıca, MBZUAI araştırmacıları ve iş birlikçileri tarafından HbA1c testi gibi yalnızca ortalama ölçümlere dayanmak yerine günlük glikoz dalgalanmalarını analiz etmek için geliştirilen YZ temel modeli GluFormer'ı da destekliyor. Ocak 2026'da Nature dergisinde yayımlanan GluFormer, 10.812 HPP katılımcısından elde edilen 10 milyondan fazla sürekli glikoz izleme ölçümüyle eğitildi ve yalnızca iki haftalık veriyle glikoz örüntülerini belirleyebiliyor. Beslenme bilgilerini içeren çok modlu bir sürümü ise belirli gıdalara verilen bireysel glikoz yanıtlarını simüle edebiliyor.

Bir başka girişim, poligenik risk skorları (PRS) aracılığıyla tip 2 diyabete genetik yatkınlığa odaklanıyor. 2025-2030 yıllarını kapsayan beş yıllık proje, Emirati Genom Programı'nın 900.000 genomluk veri havuzu ile Abu Dabi'nin sağlık bilgi değişim platformu Malaffi üzerinden kaydedilen tip 2 diyabet teşhislerinden yararlanarak Emiratililere özgü bir PRS geliştirmeyi ve doğrulamayı amaçlıyor; böylece büyük ölçüde Avrupa genetik verileriyle geliştirilmiş mevcut modellerin sınırlılıklarını gidermeyi hedefliyor. Ekip ayrıca hekimlerin yüksek risk taşıyan bireyleri daha erken belirlemesine yardımcı olmak için genom çapında ilişkilendirme çalışması yürütecek.

MBZUAI Hesaplamalı Biyoloji Doçenti Prof. Imran Razzak liderliğindeki araştırma, ağız mikropları ile diyabetle ilişkili metabolik değişiklikler arasındaki bağlantıları ortaya koyuyor. Seçilmiş ağız mikrobiyal özelliklerini kullanan YZ modelleri, prediyabetli bireyleri tam mikrobiyal profillere dayalı modellerden daha doğru şekilde ayırt etti. İlgili araştırmalar, meyve, sebze ve lif tüketimi ile Akdeniz tipi ve bütün gıdalara dayalı bitkisel beslenme düzenlerinin belirli mikrobiyal türler ve yolaklarla ilişkili olduğunu gösterdi.

MBZUAI araştırmacıları, yeni gelişen okülomik alanında retina görüntülerinde sistemik hastalık belirtilerini tespit edebilen YZ sistemleri geliştiriyor. Ekim 2025'te Cleveland Clinic Abu Dhabi ile düzenlenen bir araştırma sunumunda MBZUAI, göz taramalarının diyabet, hipertansiyon, Alzheimer ve kalp hastalığıyla ilişkili erken göstergelerin belirlenmesine nasıl yardımcı olabileceğini gösterdi. Kişiselleştirilmiş Tıp Dr. Öğr. Üyesi Prof. Jianing Qiu metabolik ve vasküler işlev bozukluğunun retina biyobelirteçleri üzerine çalışmalara liderlik ederken, Prof. Razzak'ın ekibi kalp yetmezliğinin erken belirtilerini saptamak için retina damar görüntülemesini elektrokardiyogram (EKG) verileriyle birleştiriyor. Bu sistemler, klinisyenlerin yerini almak için değil, onları desteklemek için tasarlandı.

Araştırmalar, sağlığın BAE Ulusal Yapay Zeka Stratejisi 2031'in öncelikli sektörleri arasında yer aldığı ülkenin sağlık teknolojisine yönelik kapsamlı yatırımlarını yansıtırken, Emirati Genom Programı ve Malaffi gibi girişimler hastalık riskinin erken belirlenmesi için gereken veri altyapısını güçlendiriyor.

(Kaynak: WAM.ae)