Türkiye'de üç üniversiteden akademisyenler, Parkinson hastalığının tespitine yardımcı olabilecek yeni bir yapay zeka modeli geliştirdi. Beyin MR görüntülerini inceleyen sistem, Parkinson hastaları ile sağlıklı bireyleri ayırt etmede yüzde 94,44 doğruluk oranına ulaştı.
Malatya Turgut Özal Üniversitesi, Kahramanmaraş İstiklal Üniversitesi ve Gaziantep İslam Bilim ve Teknoloji Üniversitesinin ortak çalışmasında 480 kişiye ait MR görüntüleri değerlendirildi. Model, test aşamasındaki 72 görüntünün 68'ini doğru sınıflandırdı.
Araştırmacılar, elde edilen sonuçların bilgisayar destekli tanı sistemlerine katkı sağlayabileceğini belirtti. Ancak geliştirilen yöntemin hastanelerde kullanılabilmesi için daha geniş ve bağımsız hasta gruplarında doğrulanması gerekiyor.
PARKİNSON HASTALIĞI İÇİN YENİ YAPAY ZEKA MODELİ
Üç üniversiteden araştırmacılar, Parkinson hastalığının tespitinde kullanılabilecek bilgisayar destekli bir yöntem üzerinde çalıştı.
Araştırmada tıbbi görüntüleme teknikleri ile derin öğrenme teknolojileri bir araya getirildi.
Geliştirilen yapay zeka modeli, beyin MR görüntülerinde hastalıkla ilişkili ayırt edici özellikleri analiz ederek Parkinson hastaları ile sağlıklı bireyleri sınıflandırmak üzere tasarlandı.
Çalışmada Malatya Turgut Özal Üniversitesinden Doç. Dr. Deniz Korkmaz, Kahramanmaraş İstiklal Üniversitesinden Doç. Dr. Hakan Açıkgöz ve Gaziantep İslam Bilim ve Teknoloji Üniversitesinden Tarık Talan görev aldı.
480 KİŞİNİN BEYİN MR GÖRÜNTÜLERİ İNCELENDİ
Araştırmada uluslararası Parkinson çalışmalarında kullanılan PPMI veri tabanından yararlanıldı.
Bu kapsamda Parkinson hastası 320 kişi ile sağlıklı 160 bireye ait toplam 480 kişinin MR görüntüleri değerlendirildi.
Malatya Turgut Özal Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Deniz Korkmaz, yapay zekanın görüntülerdeki ayırt edici özellikleri öğrenerek sınıflandırma yaptığını söyledi.
Korkmaz, geliştirilen sistemin başarısını farklı yöntemlerle karşılaştırdıklarını da belirtti.
YAPAY ZEKA YÜZDE 94,44 DOĞRULUĞA ULAŞTI
Araştırmanın sonuçlarına göre yapay zeka modeli Parkinson hastalığının tespitine yönelik sınıflandırmada yüzde 94,44 doğruluk oranı elde etti.
Sistemin duyarlılık ve özgüllük değerleri de araştırma kapsamında hesaplandı.
yüzde 94,44
Doğrulukyüzde 91,67
Duyarlılıkyüzde 95,83
ÖzgüllükDoç. Dr. Korkmaz, test sürecinde kullanılan 72 MR görüntüsünün 68'inin sistem tarafından doğru sınıflandırıldığını açıkladı.
Araştırmanın sonuçlarını değerlendiren Korkmaz, "Elde edilen bulgular, önerilen yöntemin Parkinson hastaları ile sağlıklı bireylerin ayrıştırılmasında umut verici bir performans sergilediğini ortaya koydu." dedi.
DERİN ÖĞRENME TEKNOLOJİLERİ KULLANILDI
Araştırmacılar, yapay zeka modelini geliştirirken farklı derin öğrenme yöntemlerinden yararlandı.
Sistemde yoğun bağlantılı sinir ağları, artık öğrenme yapıları ve dikkat mekanizmaları kullanıldı.
Doç. Dr. Deniz Korkmaz, bu teknolojilerin MR görüntülerinde hastalıkla bağlantılı özelliklerin daha etkili biçimde analiz edilmesine yardımcı olduğunu belirtti.
Modelin görüntüler üzerinden gerçekleştirdiği sınıflandırma işleminin, Parkinson hastaları ile sağlıklı bireylerin ayrılmasına yönelik bilimsel çalışmalara katkı sunması amaçlanıyor.
UZMAN HEKİMLERİN DEĞERLENDİRMELERİNİ DESTEKLEYEBİLİR
Araştırma ekibi, geliştirilen yapay zeka modelinin sağlık alanındaki bilgisayar destekli tanı çalışmalarında kullanılabilecek bir bilimsel temel oluşturmasını hedefliyor.
Korkmaz, modelin uzman hekimlerin değerlendirmelerine yardımcı olabilecek sistemlerin geliştirilmesine katkı sağlayabileceğini ifade etti.
Bununla birlikte mevcut araştırma sonuçlarının, yöntemin doğrudan klinik kullanıma hazır olduğu anlamına gelmediğini vurguladı.
KLİNİK KULLANIM İÇİN YENİ TESTLER GEREKİYOR
Doç. Dr. Deniz Korkmaz, modelin hastanelerde kullanılabilmesi için araştırmaların sürdürülmesi gerektiğini belirtti.
Geliştirilen sistemin daha geniş ve bağımsız hasta gruplarında test edilmesinin önemine değinen Korkmaz, şu ifadeleri kullandı:
"Araştırmada geliştirilen modelin, uzman hekimlerin değerlendirmelerini destekleyebilecek bilgisayar destekli tanı sistemlerine yönelik bilimsel bir temel oluşturması hedefleniyor. Bununla birlikte, yöntemin klinik uygulamalarda kullanılabilmesi için daha geniş ve bağımsız hasta gruplarında doğrulanması gerekiyor."
Araştırmada elde edilen yüzde 94,44'lük doğruluk oranı, kullanılan MR veri seti ve test koşulları kapsamında kaydedildi. Modelin klinik uygulamalardaki performansı ise yapılacak yeni çalışmalarla değerlendirilecek.