Yapay zekayla kalp aritmisi tespit sistemi geliştirildi

Kalp hastalıkları, dünya genelinde en sık görülen ölüm nedenlerinden biri olmaya devam ederken, erken teşhis ve tedavi yöntemlerinin geliştirilmesi büyük önem taşıyor. Yaşar Üniversitesi Elektrik Elektronik Mühendisliği Yüksek Lisans mezunu Öykü Eravcı, projesiyle bu alanda çığır açacak bir yenilik sundu.

Eravcı’nın çalışması, kalp ritim bozukluklarını tespit ve sınıflandırma konusunda geleneksel yöntemlerin ötesine geçen bir yaklaşım içeriyor. Biyomedikal sinyallerin analizinde yaygın olarak kullanılan dalgacıklar ve evrişimsel otomatik kodlayıcılar üzerine kurulu olan bu model, özellikle Atriyal Fibrilasyon gibi ciddi ve yaygın bir ritim bozukluğunu yüksek doğruluk oranlarıyla tespit edebiliyor.

Dalgacık tabanlı evrişimsel otomatik kodlayıcı (WBCAE) modeli sayesinde, uzaktan hasta takibi, erken teşhis ve gerçek zamanlı veri analizi gibi pek çok uygulama sağlık sektörüne entegre edilebilecek. Çalışma kapsamında halka açık veri tabanlarından alınan 5 farklı kalp aritmisi üzerinde yapılan testlerde, yapay zeka temelli modelin bu durumları yüksek başarı oranıyla sınıflandırdığı görüldü. Atriyal Fibrilasyon gibi sık rastlanan aritmiler ise yüzde 99’un üzerinde doğrulukla tespit edilebildi.

Eravcı, geliştirdiği bu sistemin sağlık alanında gerçek zamanlı ve etkili bir çözüm sunarak önemli katkılar sağlayacağını belirtti.

YÜKSEK DOĞRULUK ORANINA SAHİP

Birçok çeşidi olan kalp rahatsızlıklarında erken teşhis ve tedavinin öneminden yola çıkarak projesine başladığını anlatan Öykü Eravcı, “Özellikle kalp ritim bozuklukları, bireylerin yaşam kalitesini ciddi şekilde etkileyebilen ve doğru müdahale edilmediğinde ölümcül sonuçlara yol açabilen problemler olarak öne çıkıyor. Çalışmamın temel amacı, derin öğrenme yöntemlerinden yararlanarak kalp aritmilerinin otomatik ve yüksek doğruluk oranlarıyla tespit edilmesini sağlayacak bir sistem geliştirmekti” dedi.

TESPİTİ VE SINIFLANDIRILMASI OLARAK İKİYE AYRILIYOR

Sistemin çalışma şeklinden söz eden Eravcı, “Bu çalışmada iki ana yaklaşım ele alındı; birinci yöntem anomali tespiti, ikincisi ise özellik çıkarımı ile sınıflandırma. Anomali tespitinde model, yalnızca normal verilerle eğitildi ve normal verilerle karşılaştırıldığında atriyal fibrilasyon gibi anormal durumları yüksek yeniden yapılandırma hataları yoluyla tanımlayabildi. Özellik çıkarımı ve sınıflandırmada ise model, aritmi ve normal verilerle model geliştirdi ve elde edilen sıkıştırılmış özellikler, bir sınıflandırıcı kullanılarak aritmi türlerinin ayrımında kullanıldı. Modelin başarısını göstermek için geniş kapsamlı deneyler gerçekleştirdim. Model hem anomali tespiti hem de aritmi sınıflandırması alanında üstün performans sergilemiştir. Test sonuçları, modelin atriyal fibrilasyonu normal sinüs ritminden başarıyla ayırt edebildiğini ve benzer şekilde, diğer aritmi türlerini de normal sinüs ritminden doğru bir şekilde ayırabildiğini gösterdi. Bununla birlikte model, atriyal fibrilasyon gibi düzensiz kalp ritimlerini yalnızca yeniden yapılandırma hatalarını temel alarak tespit edebildi. Bu, özellikle sınırlı veri setleriyle çalışan sistemler için etkili bir yöntem olarak öne çıkıyor” diye konuştu.

YAPAY ZEKA KULLANIMININ ÖNÜ AÇILDI

Tez Danışmanı Yaşar Üniversitesi Yapay Zeka Mühendisliği Ana Bilim Dalı Başkanı Dr. Öğr. Üyesi Nalan Özkurt açıklamasında şu sözlere yer verdi:

“Kalp hastalıkları, insanların konforlu yaşam sağlamasını engeller ve tedavi edilmezse felç gibi ciddi sonuçlara hatta ölüme dahi sebep olabilir. Bu çalışmamızda derin öğrenme ve ileri sinyal işleme teknikleri ile kalp hastalıklarının tespiti yapıldı. Böyle bir çalışma gelecekte giyilebilir kalp aritmi takip sistemlerinde yapay zekanın kullanımının önünü açtı.”

Arun Acumsal