Dikkat Eksikliği ve Hiperaktivite Bozukluğu (DEHB), son yıllarda özellikle çocuklarda daha sık görülmeye başladı. Günümüzde tanı, uzmanların yaptığı uzun gözlemler ve testlerle konuluyor. Ancak bu süreç hem zaman alıyor hem de kişisel değerlendirmelere bağlı olarak değişkenlik gösterebiliyor. Bu duruma çözüm üretmek isteyen Yaşar Üniversitesi Lisansüstü Eğitim Enstitüsü Elektrik-Elektronik Mühendisliği Doktora Programı öğrencisi Gürcan Taşpınar, yapay zeka destekli yeni bir teşhis sistemi geliştirdi.
“Dikkat Eksikliği ve Hiperaktivite Bozukluğunun Makine Öğrenme Yöntemleri ile fMRI Tabanlı Tespiti” adlı tezinde Taşpınar, fonksiyonel manyetik rezonans görüntüleme (fMRG) verilerini derin öğrenme algoritmalarıyla analiz ederek, DEHB tanısında davranışsal gözlemler yerine nörobiyolojik göstergelere dayalı nesnel bir model geliştirdi.
Tez, Yaşar Üniversitesi Yapay Zeka Mühendisliği Ana Bilim Dalı Başkanı Doç. Dr. Nalan Özkurt ve Psikoloji Bölümü Öğretim Üyesi Prof. Dr. Hakan Çetinkaya danışmanlığında yürütüldü.
“Geleneksel yöntemlerin hatalarını azaltmaya çalışıyoruz”
Çalışmasının amacını anlatan Taşpınar, “Görüntüleme ve makine öğrenmedeki gelişmeler sayesinde DEHB gibi hızlı teşhis gerektiren durumlarda artık daha güvenilir sistemler geliştirilebiliyor. Yapay zeka, fMRG görüntülerinden çıkarılan verileri analiz ederek hasta ya da sağlıklı şeklinde sınıflandırabiliyor. Biz de bu sınıflandırmanın doğruluğunu artırarak geleneksel yöntemlerdeki subjektif hataları azaltmayı hedefliyoruz” dedi.
“Tanı büyük ölçüde öznel değerlendirmelere dayanıyor”
Tez Danışmanı Prof. Dr. Hakan Çetinkaya ise mevcut tanı sistemlerindeki temel sorunun öznel değerlendirmelere dayanması olduğunu belirterek, “Çalışma, davranışsal gözlemler yerine nörobiyolojik verilerle desteklenen tanıların önemine dikkat çekiyor. Bu sayede klinik uygulamalarda daha nesnel ve bilimsel yaklaşımlara geçişin önü açılıyor” ifadelerini kullandı.
“Doktorların gözden kaçırabileceği detayları yakalıyor”
Doç. Dr. Nalan Özkurt ise yapay zekanın büyük miktarda veriyi analiz ederek gizli kalmış örüntüleri fark edebildiğini belirterek, “Bu sistem, doktorların gözden kaçırabileceği ayrıntıları ortaya çıkarabiliyor. Geliştirilen modelle DEHB’nin erken, doğru ve kişiye özel teşhisine katkı sağlamayı amaçlıyoruz” dedi.
