Akademik Veri Yönetim Sistemi
3. Otoloji & Odyoloji Kongresi, İstanbul, Türkiye, 8 - 09 Mayıs 2022, ss.31-32
Sağlık alanında kullanılan yapay zeka ve makine öğrenimi algoritmaları açıklanabilir olmalıdır. Bu nedenle ilk çalışmalar lineer regresyon, karar ağaçları, sınıflandırma gibi temel matematiksel ifadeler içeren makine öğrenimi yöntemleri ile yapılmıştır. Daha sonra yapay sinir ağları ile mevcut sistemler test edilmiş; yeni modellemeler geliştirilmiştir. İşitme cihazlarında konuşma anlaşılırlığını iyileştirmek, vestibuler alanda daha hızlı tanıya gitmek ve çeşitli hastalıkları sınıflandırmak, radyografik görüntülemelerde daha başarılı sonuçlar almak, işitsel beyin sapı cevaplarının yorumlanması gibi amaçlarla Odyoloji ve Kulak Burun Boğaz (KBB) alanlarında yapay zeka araştırmaları hız kazanmıştır. Farklı alt alanlarda yapılan ilk çalışmalarda, Kates ve arkadaşları tarafından yapay sinir ağları kullanılarak geliştirilen makine öğrenimi algoritması, “National Acoustics Laboratories” (NAL) tarafından geliştirilen lineer amplifikasyon metoduna kıyasla işitme cihazlarında konuşma anlaşılabilirliği performansında daha iyi sonuçlar vermiştir. Mira ve arkadaşları karar ağaçları yöntemini kullanarak geliştirdikleri ‘Vertigo’ isimli uzman sistem ile iki yüzden fazla hastanın baş dönmesi şikayetlerini sınıflandırmayı başarmışlardır. Kimberley ve arkadaşları, “Distortion Product Otoacoustic Emission” (DP-OAE) sonuçlarından yapay sinir ağları yöntemi kullanarak saf ses işitme eşiklerini tayin etmek istemişler; normal işiten ve sensörinoral işitme kayıplı kişilerde yüksek skorlar elde etmişlerdir. Alpsan işitsel beyin sapı cevaplarının yorumlanması amacıyla yapay sinir ağları kullanmış ve uzmanlarla uyumlu sonuçlar elde etmiştir. Günümüz işitme cihazlarında gerçek zamanlı yabancı dil çevirisi; birçok semptom ile fluktuan bir seyir gösteren Meniere hastalığının hem kolayca sınıflandırılması hem de radyomikler ile derin sinir ağları kullanılarak kısa sürede tanılanması; %90’ ın üzerinde özgüllük ve duyarlılık ile işitsel beyin sapı cevaplarının makine öğrenimi ile yorumlanabilmesi, yapay zeka çalışmalarının bu alanlardaki önemini göstermektedir. Karmaşık matematiksel ifadelerin yapay zeka algoritmalarına girmesi ile daha çok verinin daha kısa sürede işlenebileceği düşünüldüğünde, hem zaman acısından hem de tanısal açıdan çok daha verimli sonuçlar alınacaktır. Geçmişte yapılmış çalışmaların bilinmesi ve araştırmaların ne yöne evrildiğini gösterebilmek amacıyla, bu çalışmada Odyoloji ve KBB alanında yapılan yapay zeka araştırmaları Embase ve Medline veritabanları taranarak kronolojik bir sıra ile verilmiş; uygulanan metodlar ve yaklaşımlar ile genel bir bakış sunulmuştur.