Yeni Bir AI Sistemi Epilepsi Hastaları İçin Daha Fazla Umut Yaratabilir

Engadget’in raporlarına göre, iki AI araştırmacısı epilepsi hastaları için yeni bir umut yaratabilecek bir sistem geliştirmiş olabilir – “buharlı nöbetleri %99,6 doğrulukla tahmin edebilen” bir sistem ve bu tahmini nöbetlerden bir saat önce yapabilen.

Bu, ilk yeni ilerleme olmayacak, çünkü daha önce Hollanda’nın Eindhoven şehrindeki Teknik Üniversitesi’nden (TU) araştırmacılar, gece boyunca epileptik nöbetleri tahmin edebilen akıllı bir kol bandı geliştirdiler. Ancak IEEE Spectrum’un da belirttiği gibi, yeni AI sisteminin doğruluğu ve kısa zaman çerçevesi, yaklaşık 50 milyon epilepsi hastasının (Dünya Sağlık Örgütü’nden alınan verilere dayanarak) umutlarını artırıyor. Bu hastaların %70’i, zamanında alınan ilaçlarla nöbetlerini kontrol edebilir.

Yeni AI sistemi, Louisiana Üniversitesi’nden (Lafayette) Hisham Daoud ve Magdy Bayoumi tarafından geliştirildi ve “mevcut tahmin yöntemlerinden önemli bir ilerleme” olarak nitelendiriliyor. Sistemini geliştiren iki araştırmacidan biri olan Hisham Daoud, “Beklenmedik nöbet zamanları nedeniyle epilepsi, hastalarda güçlü bir psikolojik ve sosyal etkiye sahiptir” diyor.

Açıklamaya göre, “her kişinin benzersiz beyin kalıpları vardır, bu da nöbetleri doğru bir şekilde tahmin etmeyi zorlaştırır.” Şu ana kadar var olan modeller, “iki aşamalı bir süreçte beyin kalıplarının manuel olarak çıkarılması ve ardından bir sınıflandırma sisteminin uygulanması” gerektiğini öngörüyordu, bu da Daoud’un açıkladığı gibi, nöbet tahmini için gereken süreyi uzatıyordu.

Onların yaklaşımı, 24 Temmuz’da IEEE Transactions on Biomedical Circuits and Systems’de yayımlanan bir çalışmada açıklanmıştır: “özellik çıkarma ve sınıflandırma süreçleri tek bir otomatik sisteme entegre edilmiştir, bu da daha erken ve daha doğru nöbet tahmini sağlar.”

Sistemlerinin doğruluğunu daha da artırmak için Daoud ve Bayoumi, “bir derin öğrenme algoritması kullanarak hastanın beyin aktivitesinin farklı elektrot konumlardan uzay-zaman özelliklerini çıkaran ve analiz eden başka bir sınıflandırma yaklaşımı uyguladılar, bu da modelinin doğruluğunu artırdı.” Çünkü “EEG okumaları birden fazla ‘kanal’ elektrik aktivitesini içerebilir”, tahmin sürecini daha da hızlandırmak için, iki araştırmacı “en uygun öngörülü elektrik aktivitesi kanallarını belirlemek için ek bir algoritma uyguladılar.”

Tam sistem, 22 hastada Boston Çocuk Hastanesi’nde test edildi. Örneklem küçüktü, ancak sistem çok doğru (%99,6) çıktı ve “saat başına 0,004 yanlış alarm” gibi düşük bir yanlış pozitif eğilim gösterdi.

Daoud, bir sonraki adımın algoritmaları işleyecek özel bir bilgisayar çipi geliştirmesi olacağını açıkladı. “Verimli bir donanım [cihaz] tasarımı üzerinde çalışıyoruz, bu algoritmayı uygulayarak, sistem boyutu, güç tüketimi ve gecikme gibi birçok sorunu dikkate alarak, hastalara rahat bir şekilde pratik uygulama için uygun olacak şekilde.”