Dikkat Eksikliği ve Hiperaktivite Bozukluğu (DEHB), son yıllarda özellikle çocuklarda daha sık görülmeye başladı. Günümüzde DEHB tanısı genellikle uzmanların yaptığı uzun gözlemler ve testlerle konuyor. Bu süreç hem zaman alıyor hem de kişiden kişiye değişebiliyor. Tanıyı daha hızlı ve doğru hale getirmek için geliştirilen yapay zeka destekli yeni sistemler ise bu alanda dikkat çekici bir yenilik sunuyor. Bu amaçla Yaşar Üniversitesi Lisansüstü Eğitim Enstitüsü Elektrik-Elektronik Mühendisliği Doktora Programı Öğrencisi Gürcan Taşpınar, tezinde DEHB belirtilerini analiz ederek tespit yapabilen bir yapay zeka uygulaması ortaya koydu. Taşpınar, "Dikkat Eksikliği ve Hiperaktivite Bozukluğunun Makine Öğrenme Yöntemleri ile fMRI Tabanlı Tespiti" adlı doktora tezinde mevcut yöntemleri geliştirmeyi amaçladı. Çalışmada, fonksiyonel manyetik rezonans görüntüleme (fMRG) verileri derin öğrenme algoritmalarıyla analiz edilerek, DEHB tanısında davranışsal gözlemler yerine nörobiyolojik göstergelerin kullanılabileceği nesnel bir model geliştirildi.
Tez, Yaşar Üniversitesi Yapay Zeka Mühendisliği Ana Bilim Dalı Başkanı ve Elektrik - Elektronik Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Nalan Özkurt ve İnsan ve Toplum Bilimleri Fakülte Dekanı, Psikoloji Bölümü Öğretim Üyesi Prof. Dr. Hakan Çetinkaya danışmanlığında gerçekleşti.
"Geleneksel yöntemlerin hatalarını azaltmaya çalışıyoruz"
Doktora tezinin amacına vurgu yapan Gürcan Taşpınar, "Görüntüleme ve makine/derin öğrenmedeki hızlı gelişmeler sayesinde, teşhisi acil ve önemli olan DEHB için artık geçmişte geleneksel yöntemlerle kullanılanlardan daha güvenilir teşhis yöntemleri mevcut. Yapay zeka uygulamaları, DEHB görüntülerinden çıkarılan bir takım ayırt edici özelliklerin sisteme defalarca kez uygulanıp, sistemin öğrenmesi ile tespit ediliyor. Bu uzun öğrenme sürecinden sonra sistem yeni bir görüntüyü hasta/sağlıklı şeklinde sınıflandırıyor. Biz bilim insanları ise bu sınıflandırma başarımlarının oranlarını arttırmaya çalışarak geleneksel yöntemlerdeki muhtemel subjektif hataları düşürmeye çalışıyoruz. Çünkü geleneksel yöntemler eninde sonunda türlü tanı kriterleri için bir uzmanın subjektif değerlendirmesi ile DEHB teşhisi koyuyor" diye konuştu.
Öznel değerlendirmeyle tanı konuluyor
Mevcut tanı sistemlerindeki eksikleri anlatan Tez Danışmanı Prof. Dr. Çetinkaya, "Dijital uyaranların artışı ve oyun alanlarının azalmasıyla birlikte, özellikle çocuklarda tanı oranlarında belirgin bir yükselme gözleniyor. Ancak hâlen en temel güçlük, tanının büyük ölçüde öznel değerlendirmelere dayanmasıdır. Çalışmanın dikkat çekici yönlerinden biri, mevcut tanı sistemlerinde "Birleşik" tip tanılarının orantısız biçimde yüksek çıkmasının, hiperaktif çocukların çoğu zaman aynı zamanda dikkat eksikliği gösterdiği varsayımıyla değerlendiriliyor olmasından kaynaklanabileceğine işaret etmesidir. Bu bulgu, DEHB tanılamasında davranışsal gözlemlerin nörobiyolojik verilerle desteklenmesinin önemini açık biçimde ortaya koydu. Böylece çalışma, klinik uygulamalarda nesnel tanı yaklaşımlarına geçiş için güçlü bir bilimsel dayanak sunuyor. Bu yaklaşım, psikoloji ve nörobilim alanlarında hem tanı anlamında doğruluğu artıran hem de bozukluğun doğasına ilişkin kavrayışımızı derinleştiren önemli bir adım niteliğindedir. Uzun vadede, bu tür modellerin klinik uygulamalara entegre edilmesi, bireylerin daha erken, doğru ve kişiye özgü müdahalelere erişimini kolaylaştıracak" diye konuştu.
Daha hızlı ve doğru tanı
Tez Danışmanı Doç. Dr. Nalan Özkurt ise "Yapay zeka yöntemleri DEHB tespitinde büyük miktarda veriyi analiz ederek gizli kalmış örüntüleri fark edebiliyor. Bu sayede doktorların gözden kaçırabileceği ayrıntıları ortaya çıkarabiliyor. Makine öğrenmesi gibi teknikler, davranışsal verilerden ya da beyin dalgalarından elde edilen bilgileri değerlendirerek tanının daha hızlı ve doğru konmasına yardımcı oluyor. Bu çalışma ile de DEHB’nin erken ve kişiye özel teşhisi için yapay zeka destekli bir araç geliştirmiş olduk" dedi.
