Erken teşhisin hayati önem taşıdığı bu sorunlar, sıklıkla yeterince anlaşılamamakta veya farklı durumlarla karıştırılabilmektedir. Bahçeşehir Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü'nden Dr. Günet Eroğlu'nun Diagnostics dergisinde yayımlanan "Elektroensefalografi Tabanlı Nöroinflamasyon Teşhisi ve Öğrenme Güçlüklerindeki Rolü" adlı çalışması, öğrenme güçlüğü yaşayan çocukların teşhisinde elektroensefalografi (EEG) tabanlı yapay zeka modellerinin ümit vadeden sonuçlar sunduğunu ortaya koymuştur.

Disleksi (okuma beceriksizliği), diskalkuli (matematik öğrenme güçlüğü) ve disgrafi (yazma beceriksizliği) gibi öğrenme güçlükleri yaşayan çocuklar, çoğu zaman "yaramaz", "tembel" veya "dikkatsiz" olarak yaftalanabilmektedir. Ancak bu durumlar, zeka geriliğinden veya tembellikten ziyade, beynin bilgiyi işleme yöntemindeki nörolojik farklılıklardan kaynaklanmaktadır.

Öğrenme güçlüklerinin başarılı bir şekilde yönetilmesinde en kritik faktör, erken tanıdır. Genellikle okul öncesi veya ilkokulun ilk senelerinde fark edilen (harfleri karıştırma, yavaş okuma, kelime dağarcığında eksiklikler, sayıları ters yazma) gibi belirtiler, aileler ve eğitimciler tarafından dikkatle gözlemlenmelidir. Zira bu sorun, çoğu zaman yeterince anlaşılmamakta veya başka durumlarla karıştırılabilmektedir.

Bu bağlamda, öğrenme güçlüklerinin erken teşhisi için mühim bir araştırma yayımlandı. Bahçeşehir Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü'nden Dr. Günet Eroğlu'nun Diagnostics dergisinde yayınlanan "Elektroensefalografi Tabanlı Nöroinflamasyon Teşhisi ve Öğrenme Güçlüklerindeki Rolü" başlıklı makalesi, gelecek vadeden sonuçları gözler önüne serdi.

Araştırma, EEG verilerinden elde edilen 70 farklı özelliğin, bir yapay sinir ağı (YSA) modeli aracılığıyla analiz edilmesine dayanmaktadır. Bu model, öğrenme güçlüğü yaşayan çocuklar ile sağlıklı kontrol grubunu ayırt etmede dikkat çekici bir başarı göstermiştir. Modelin performansını değerlendirmek için kullanılan 5-katlı çapraz doğrulama testinde, modelin %99.49'luk ortalama bir doğruluk oranına ulaştığı tespit edilmiştir. Bu yüksek doğruluk, daha önceden uzun süreli gözlem ve testlerle gerçekleştirilen tanılama sürecinin, kısa ve güvenilir bir EEG uygulamasıyla desteklenmesini mümkün kılmaktadır.

Teknoloji, Çocukların İstikbaline Işık Tutuyor

Öğrenme güçlüğü gibi durumların teşhis ve tanı süreçlerinin geleneksel metotlarla oldukça karmaşık ve uzun zaman aldığını ifade eden Auto Train Brain CEO'su Dr. Günet Eroğlu, "Frontal ve sol temporal bölgelerde yavaş dalgaların yoğun olduğunu ve hızlı dalgaların daha az olduğunu biliyoruz. Geliştirdiğimiz bu yapay zeka destekli model, EEG verilerini kullanarak tanı sürecini hızlandırıyor ve %99'un üzerinde bir doğrulukla güvenilir sonuçlar elde etmemizi sağlıyor. Bu sayede, uzun süreli gözlem ve değerlendirmelere dayanan eski yöntemlerin yerini, nörofizyolojik verilere dayanan daha hızlı ve objektif bir yaklaşım alıyor." şeklinde konuştu.

Yapay zeka teknolojisinin sunduğu bu olanaklar, sadece tanı sürecini kısaltmakla kalmayıp, aynı zamanda elde ettiğimiz veriler ışığında eğitim ve sağlık alanında her bireyin gereksinimine yönelik daha kişiselleştirilmiş ve etkili çözümler sunmamızın da önünü açmaktadır. Özellikle frontal bölgelerdeki teta güç dağılımındaki farklılıkların tespiti gibi bulgularımız, bu alandaki biyobelirteç çalışmalarına da değerli katkılar sunmaktadır.