Disleksi (okuma güçlüğü), diskalkuli (matematik güçlüğü) ve disgrafi (yazma güçlüğü) olarak bilinen öğrenme zahmetleri yaşayan çocuklar “yaramaz”, “tembel” yahut “dikkatsiz” olarak etiketlenebiliyor. Ancak bu durumlar; zekâ geriliği yahut tembellikten değil, beynin bilgiyi sürece biçimindeki nörolojik farklılıklardan kaynaklanıyor.
İSTANBUL (İGFA) – Harfleri yahut sözleri tanımada zorluk, okuma yahut yazma suratının yaşıtlarından düşük olması üzere birçok belirtiyle kendini gösteren öğrenme zahmetleri (disleksi, dispraksi, diskalkuli vb) beynin birtakım bölgelerindeki farklılıklar yahut fonksiyon bozuklukları nedeniyle ortaya çıkıyor.
Erken teşhisin kıymet taşıdığı bu sorun karşısında ya belirtiler gereğince anlaşılmıyor ya da öbür durumlarla karıştırılabiliyor.
Bu kapsamda Bahçeşehir Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü’nden Dr. Günet Eroğlu’nun Diagnostics mecmuasında yayınlanan Elektroensefalografi Tabanlı Nöroinflamasyon Teşhisi ve Öğrenme Güçlüklerindeki Rolü isimli makalesi öğrenme zahmeti yaşayan çocukların teşhisinde elektroensefalografi (EEG) temelli yapay zekâ modellerinin umut verici sonuçlar verdiğini ortaya koydu.
Araştırma, EEG bilgilerinden elde edilen 70 farklı özelliğin, bir yapay hudut ağı (YSA) modeliyle tahlil edilmesine dayanıyor. Bu model, öğrenme zahmeti yaşayan çocuklar ile sağlıklı denetim kümesini birbirinden ayırmada inanılmaz bir muvaffakiyet gösterdi. Modelin performansını pahalandırmak 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 evvel uzun müddetli müşahede ve testlerle yapılan tanılama sürecinin, kısa ve muteber bir EEG uygulamasıyla desteklenmesini mümkün kılıyor.
TEKNOLOJİ, ÇOCUKLARIN GELECEĞİNE IŞIK TUTUYOR
Öğrenme zahmeti üzere durumların teşhis ve teşhis süreçlerinin klasik formüllerle hayli karmaşık ve vakit alıcı olduğunu belirten Auto Train Brain CEO’su Dr. Günet Eroğlu, “Frontal ve sol temporal bölgelerde yavaş dalgaların ağır olduğunu ve süratli dalgaların daha az olduğunu biliyoruz. Geliştirdiğimiz bu yapay zekâ dayanaklı model, EEG bilgilerini kullanarak teşhis sürecini hızlandırıyor ve yüzde 99’un üzerinde bir doğrulukla emniyetli sonuçlar elde etmemizi sağlıyor. Bu sayede, uzun periyodik müşahede ve değerlendirmelere dayanan eski sistemlerin yerini, nörofizyolojik bilgilere dayanan daha süratli ve objektif bir yaklaşım alıyor.
