Örebro Üniversitesi‘ndeki araştırmacılar, beynin elektriksel aktivitesini analiz edebilen ve sağlıklı bireyler ile Alzheimer hastalığı dahil olmak üzere demans hastaları arasındaki ayrımı hassas bir şekilde yapabilen iki yeni yapay zeka (YZ) modeli geliştirdi.
Örebro Üniversitesi Bilişim Araştırmacısı Muhammad Hanif, erken teşhisin önemini vurguladı:
“Hastalığın ilerlemesini yavaşlatacak ve hastanın yaşam kalitesini artıracak proaktif önlemlerin alınabilmesi için erken teşhis hayati önem taşıyor.”
Araştırmacılar, “An explainable and efficient deep learning framework for EEG-based diagnosis of Alzheimer’s disease and frontotemporal dementia” (Alzheimer hastalığı ve frontotemporal demansın EEG tabanlı teşhisi için açıklanabilir ve verimli bir derin öğrenme çerçevesi) başlıklı çalışmalarında, zamansal evrişimli ağlar ve LSTM ağları olmak üzere iki gelişmiş YZ yöntemini birleştirdi. Program, EEG sinyallerini analiz ediyor ve bir kişinin hasta mı yoksa sağlıklı mı olduğunu neredeyse kusursuz bir şekilde belirleyebiliyor.
Sağlıklıyı Hastadan Yüzde 80 Kesinlikle Ayırt Edebiliyor
Alzheimer, frontotemporal demans ve sağlıklı bireylerden oluşan üç grup karşılaştırıldığında yöntem, %80‘in üzerinde doğruluk oranına ulaştı. Araştırmacılar ayrıca, EEG sinyalinin hangi kısımlarının teşhisi etkilediğini gösteren açıklanabilir bir YZ tekniği de kullanıyor. Bahsi geçen teknik, doktorların sistemin sonuçlara nasıl ulaştığını yorumlamasına yardımcı oluyor.
“Privacy-preserving dementia classification from EEG via hybrid-fusion EEGNetv4 and federated learning” (Hibrit füzyon EEGNetv4 ve federe öğrenme yoluyla EEG’den gizliliği koruyan demans sınıflandırması) adlı ikinci çalışmada ise araştırmacılar, bir megabaytın altında boyuta sahip, kaynak açısından verimli ve aynı zamanda hasta gizliliğini koruyan küçük bir YZ modeli geliştirdi. Federe öğrenme yardımıyla, birden fazla sağlık hizmeti sağlayıcısı, hasta verilerini paylaşmadan YZ sistemini eğitmek için iş birliği yapabiliyor. Model, gizlilik korumasına rağmen %97‘nin üzerinde bir doğruluk oranına erişiyor.
Örebro Üniversitesi Bilişim Bölümü Kıdemli Öğretim Üyesi Muhammad Hanif, konuya ilişkin “Geleneksel makine öğrenimi modelleri genellikle şeffaflıktan yoksundur ve gizlilik endişeleriyle karşı karşıya kalır. Çalışmamız her iki sorunu da ele almayı amaçlıyor.” ifadelerini kullandı.
YZ Beyindeki Elektriksel Sinyallerin Modellerini Algılıyor
Araştırmacılar, beynin elektriksel sinyallerini yorumlamak için farklı yöntemleri birleştirmeyi başardı. YZ, EEG sinyallerini alfa, beta ve gama dalgaları gibi çeşitli frekans bantlarına bölerek demansla bağlantılı modelleri (pattern) tanımlayabiliyor. Algoritmalar, sinyallerdeki uzun vadeli değişiklikleri tespit edebiliyor ve teşhisler arasındaki ince farkları tanıyabiliyor. Ayrıca, açıklanabilir YZ teknolojisi sayesinde sistem artık bir “kara kutu” olmaktan çıkıyor ve kararlarının temelini net bir şekilde gösteriyor.
Çalışmalarda, araştırmacılar YZ‘nin demansın erken teşhisi için nasıl hızlı, düşük maliyetli ve gizlilik açısından güvenli bir araç haline gelebileceğini gösteriyor. EEG, halihazırda birinci basamak sağlık hizmetlerinde kullanılabilen basit ve ucuz bir yöntemdir. Taşınabilir cihazlarda çalışabilen YZ modelleriyle birleştirildiğinde mevcut gelişme, uzman kliniklerden gelecekteki ev testlerine kadar sağlık hizmetlerinde daha geniş bir kullanım potansiyelinin önünü açıyor.
YZ Testi Gelecekte Evde Kullanılabilir
Hanif, teknolojinin potansiyelini şu ifadelerle açıkladı:
“Hastalığın ilerlemesini yavaşlatan ve yaşam kalitesini artıran proaktif önlemlerin uygulanması için erken teşhis şarttır. Eğer bunun gibi çözümler tam olarak uygulanırsa, hastalar, bakım personeli, hasta yakınları ve sağlık profesyonelleri dahil olmak üzere herkesin yükünü hafifletebilir.”
Çalışmalar, Örebro Üniversitesi araştırmacıları ile İngiltere, Avustralya, Pakistan ve Suudi Arabistan’daki üniversiteler dahil olmak üzere çeşitli uluslararası kurumlar arasındaki iş birliğiyle yürütüldü.
Muhammad Hanif, gelecek hedeflerini şöyle özetledi:
“Daha büyük ve daha çeşitli veri setlerine genişleyerek, daha fazla EEG özelliğini araştırarak ve vasküler demans ile Lewy cisimcikli demans gibi diğer demans türlerini dahil ederek araştırmaya devam etmeyi planlıyoruz. Aynı zamanda, açıklanabilir YZ kullanacağız ve hasta verilerinin sıkı bir şekilde korunmasını sağlayacağız.”
Kaynak: https://www.news-medical.net/news/20251127/New-AI-models-detect-dementia-with-high-accuracy-using-EEG-signals.aspx
