Yaşar Üniversitesi Lisansüstü Eğitim Enstitüsü Elektrik-Elektronik Mühendisliği Doktora Programı öğrencisi Gürcan Taşpınar, Dikkat Eksikliği ve Hiperaktivite Bozukluğu (DEHB) tanısını geleneksel ve öznel yöntemlere göre daha hızlı ve güvenilir hale getirmeyi amaçlayan yapay zeka tabanlı bir sistem geliştirdi.
İHA'nın haberine göre Günümüzde uzman gözlemleri ve testlerle konulan, zaman alıcı ve kişiden kişiye değişebilen DEHB tanısını objektif hale getirmeyi hedefleyen Taşpınar, "Dikkat Eksikliği ve Hiperaktivite Bozukluğunun Makine Öğrenme Yöntemleri ile fMRI Tabanlı Tespiti" başlıklı doktora tezinde önemli bulgulara ulaştı.
Nörobiyolojik Verilerle Objektif Tanı Modeli
Çalışma, fonksiyonel manyetik rezonans görüntüleme (fMRG) verilerini derin öğrenme algoritmalarıyla analiz ederek DEHB tanısında davranışsal gözlemler yerine nörobiyolojik göstergelerin kullanılabileceği nesnel bir model ortaya koydu.
Tez danışmanlığını Yaşar Üniversitesi Yapay Zeka Mühendisliği Ana Bilim Dalı Başkanı Doç. Dr. Nalan Özkurt ve Psikoloji Bölümü Öğretim Üyesi Prof. Dr. Hakan Çetinkaya üstlendi.
"Geleneksel Yöntemlerin Hatalarını Azaltmaya Çalışıyoruz"
Doktora öğrencisi Gürcan Taşpınar, yapay zeka uygulamalarının DEHB görüntülerinden ayırt edici özellikleri öğrenerek hasta/sağlıklı şeklinde sınıflandırma yaptığını belirtti. Taşpınar, "Geleneksel yöntemler eninde sonunda bir uzmanın sübjektif değerlendirmesi ile DEHB teşhisi koyuyor. Bizim amacımız ise bu sınıflandırma başarılarının oranlarını artırarak geleneksel yöntemlerdeki muhtemel subjektif hataları düşürmeye çalışıyoruz," diye konuştu.
Öznel Değerlendirmenin Yerine Nesnel Yaklaşım
Tez Danışmanı Prof. Dr. Hakan Çetinkaya, mevcut tanı sistemlerinin büyük ölçüde öznel değerlendirmelere dayandığını vurguladı. Çalışmanın, "Birleşik" tip tanılarının yüksek çıkmasının, hiperaktif çocukların aynı zamanda dikkat eksikliği gösterdiği varsayımıyla değerlendirilmesinden kaynaklanabileceğine işaret ettiğini belirten Çetinkaya, bu bulgunun nörobiyolojik verilerle desteklenen nesnel tanı yaklaşımlarına geçiş için güçlü bir bilimsel dayanak sunduğunu ifade etti.
Tez Danışmanı Doç. Dr. Nalan Özkurt ise yapay zeka yöntemlerinin büyük miktarda veriyi analiz ederek doktorların gözden kaçırabileceği ayrıntıları ortaya çıkarabildiğini ve tanının daha hızlı ve doğru konmasına yardımcı olduğunu dile getirdi. Özkurt, bu çalışmayla DEHB'nin erken ve kişiye özel teşhisi için yapay zeka destekli bir araç geliştirmiş olduklarını ekledi.
Yorumlar
Kalan Karakter: