Harfleri veya kelimeleri tanımada zorluk, okuma veya yazma hızının yaşıtla rından düşük olması gibi birçok belirtiyle kendini gösteren öğrenme güçlükleri (disleksi, dispraksi, diskalkuli vb) beynin bazı bölgelerindeki farklılıklar veya işlev bozuklukları nedeniyle ortaya çıkıyor. Erken tanının önem taşıdığı bu sorun karşısında ya belirtiler yeterince anlaşılmıyor ya da başka durumlarla karıştırılabiliyor. Bu kapsamda 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 adlı makalesi öğrenme güçlüğü yaşayan çocukların tanısında elektroensefalografi (EEG) temelli yapay zekâ modellerinin umut verici sonuçlar verdiğini ortaya koydu.
Disleksi (okuma güçlüğü), diskalkuli
(matematik güçlüğü) ve disgrafi (yazma güçlüğü) olarak bilinen öğrenme
güçlükleri yaşayan çocuklar "yaramaz", "tembel" veya
"dikkatsiz" olarak etiketlenebiliyor. Fakat bu durumlar; zekâ
geriliği veya tembellikten değil, beynin bilgiyi işleme biçimindeki nörolojik
farklılıklardan kaynaklanıyor.
Öğrenme güçlüklerinin
başarılı bir şekilde yönetilmesinde en kritik faktörü erken tanı oluşturuyor.
Genellikle okul öncesi veya ilkokulun ilk yıllarında fark edilen (harfleri
karıştırma, yavaş okuma, kelime haznesinde güçlükler, sayıları tersten yazma)
gibi belirtiler aileler ve öğretmenler tarafından dikkatle izlenmesi gerekiyor.
Çünkü bu sorun çoğu zaman yeterince anlaşılmıyor ya da başka durumlarla
karıştırılabiliyor.
Bu kapsamda öğrenme
güçlüklerinin erken tanısı için önemli bir araştırma yayınlandı. Bahçe şehir
Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Bilgisayar Mühendisliği
Bölümü’nden Dr. Günet Eroğlu’nun Diagnostics dergisinde kaleme aldığı
Elektroensefalografi Tabanlı Nöroinflamasyon Teşhisi ve Öğrenme Güçlüklerindeki
Rolü adlı makale, umut verici sonuçları ortaya çıkardı.
Araştırma, EEG verilerinden
elde edilen 70 farklı özelliğin, bir yapay sinir ağı (YSA) modeliyle analiz
edilmesine dayanıyor. Bu model, öğrenme güçlüğü yaşayan çocuklar ile sağlıklı
kontrol grubunu birbirinden ayırmada olağanüstü bir başarı gösterdi. Modelin
performansını değerlendirmek için kullanılan 5-katlı çapraz doğrulama (5-fold
cross-validation) testinde, modelin yüzde 99.49'luk ortalama bir doğruluk
oranına ulaştığı belirlendi. Bu yüksek doğruluk, daha önce uzun süreli gözlem
ve testlerle yapılan tanılama sürecinin, kısa ve güvenilir bir EEG
uygulamasıyla des teklenmesini mümkün kılıyor.
Teknoloji, Çocukların
Geleceğine Işık Tutuyor
Öğrenme güçlüğü gibi
durumların teşhis ve tanı süreçlerinin geleneksel yöntemlerle oldukça karmaşık
ve zaman alıcı olduğunu belirten 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 zekâ destekli
model, EEG verilerini kullanarak tanı sürecini hızlandırıyor ve yüzde 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.
Yapay zekâ teknolojisinin
sunduğu bu imkânlar, sadece tanı sÍ recini kısaltmakla kalmıyor aynı zamanda
elde ettiğimiz veriler ışığında eğitim ve sağlık alanında her bireyin
ihtiyacına yönelik daha kişiselleştirilmiş ve etkili çözümler sunmamızın da
önünü açıyor. Özellikle frontal bölgelerdeki teta güç dağılımındaki
farklılıkların tespiti gibi bulgularımız, bu alandaki biyobelirteç
çalışmalarına da önemli katkılar sunmaktadır."