Nörogelişimsel bozuklukların özellikle disleksi, dikkat eksikliği ve otizm spektrum bozukluğu gibi durumların, tedavisinde en önemli hedef, beyin temelli değişimleri ölçülebilir, bireyselleştirilebilir ve bilimsel olarak açıklanabilir hale getirmektir. Bu vizyon doğrultusunda Dr. Günet Eroğlu, Auto Train Brain platformu aracılığıyla EEG (elektroensefalografi) verilerini açıklanabilir yapay zeka (Explainable AI) yöntemleriyle analiz ederek her bireyin beyin aktivitesindeki özgün değişimleri görünür kılıyor.
Bu yazıda yer alan bulgular, Dr. Eroğlu’nun “Nörogelişimsel Bozukluklarda Nörogeri Bildirim için Açıklanabilir EEG Biyobelirteçleri” başlıklı çalışmasına dayanmaktadır. Araştırma, yapay zekâ destekli EEG analizleriyle nörogeri bildirim terapilerinin beyin üzerindeki etkilerini anlamayı hedefleyen öncü bir yaklaşımdır.
Çalışmada kullanılan SHAP (SHapley Additive ExPlanations) tabanlı modelleme, nörogeri bildirim (neurofeedback) süreçlerinde hangi beyin bölgelerinin nasıl adapte olduğunu anlamamıza olanak tanır. Böylece nöroterapi artık yalnızca etkili değil, neden etkili olduğu da açıklanabilir hale gelmektedir.
EEG Tabanlı Nörogeri Bildirim Nedir?
EEG (elektroensefalografi), beynin elektriksel aktivitesini yüzey elektrotları aracılığıyla kaydeden bir yöntemdir. Nörogeri bildirim (neurofeedback) ise bu beyin dalgalarını gerçek zamanlı olarak izleyip, bireyin kendi beyin aktivitesini düzenlemesini sağlayan bir öğrenme tekniğidir.
EEG tabanlı nörogeri bildirim uygulamalarında kişi, bilgisayar ekranında veya sesli geri bildirimle beyninin o anki durumuna dair bilgi alır. Bu sayede dikkat, odaklanma, hafıza veya duygu düzenleme gibi bilişsel süreçleri geliştirmeyi öğrenir. Yani terapi, beynin kendi aktivitesini fark ederek “kendini yeniden eğitmesi” esasına dayanır.
Bu yaklaşım özellikle disleksi, dikkat eksikliği ve otizm spektrum bozukluğu gibi nörogelişimsel durumlarda, beyin işlevlerinin düzenlenmesine yardımcı olmak amacıyla kullanılmaktadır.
Bilişsel İyileşme Desenlerinin SHAP Tabanlı Analizi
Nörogelişimsel bozukluklarda uygulanan EEG tabanlı nörogeri bildirim terapileri, artık yalnızca beyin dalgalarını kaydetmekle kalmıyor, bu veriler sayesinde beynin nasıl iyileştiğini adım adım anlamamızı da sağlıyor. Bu yaklaşımın temelinde şu soru yatıyor: “EEG tabanlı nörogeri bildirim tedavisinin altında yatan nöral mekanizmalar nelerdir ve bunları yapay zekâ ile nasıl görünür kılabiliriz?”
Bu soruya yanıt bulmak için açıklanabilir yapay zekâ yaklaşımı olan SHAP (SHapley Additive Explanations) kullanılıyor. SHAP, bir yapay zekâ modelinin hangi beyin dalgalarına ne kadar önem verdiğini, adeta her bölgenin “katkı payını” gösteren bir yöntemdir. Araştırmada EEG verileri üzerinde eğitilen SVM (Support Vector Machine) modeli, SHAP yardımıyla hangi beyin bölgesinin tedavi sürecindeki ilerlemeye daha çok etki ettiğini ortaya koyuyor.
Bu analizler sonucunda, erken dönem seanslar ile geç dönem seanslar karşılaştırıldığında, öğrenmeye bağlı beyin değişimleri açıkça izlenebiliyor. Böylece her çocuğun beyin aktivitesindeki bilişsel iyileşme desenleri, hem sayısal olarak hem de görsel haritalarla takip edilebiliyor.
Bu açıklanabilir yapay zekâ yaklaşımı sayesinde, disleksi gibi nörogelişimsel bozukluklarda her bireyin beynine özgü iyileşme yolları belirlenebiliyor ve nörogeri bildirim terapileri çok daha kişiselleştirilebiliyor.
Çalışma Tasarımı ve Katılımcı Profili
Bu yazıda yer alan bulgular, Dr. Günet Eroğlu tarafından yürütülen “Nörogelişimsel Bozukluklarda Nörogeri Bildirim için Açıklanabilir EEG Biyobelirteçleri” araştırmasından elde edilmiştir. Çalışma, nörogeri bildirim terapilerinin beyin üzerindeki etkilerini EEG tabanlı analizlerle anlamayı amaçlamaktadır.
Toplam 200 çocuk katılımcının verileri incelenmiştir: 100’ü gelişimsel disleksi tanısı taşırken, 100’ü yaşa göre eşleştirilmiş nörotipik kontrol grubunda yer almıştır. Katılımcıların ortalama yaşı 8’dir. Bu yaş dönemi, beynin öğrenmeye ve değişime en açık olduğu evrelerden biri olduğu için nöroplastisiteyi —yani beynin kendini yeniden şekillendirme kapasitesini— değerlendirmek açısından oldukça önemlidir.
EEG Kayıt Bölgeleri ve Bilişsel İşlevler
Nörogelişimsel bozukluklarda beynin farklı bölgeleri, öğrenme, dikkat ve dil gibi bilişsel süreçlerle doğrudan ilişkilidir. Bu nedenle EEG kayıtları, bu işlevleri temsil eden üç temel beyin bölgesinden alınmıştır:
- Frontal bölgeler: Dikkat, planlama ve yürütücü işlevlerin kontrolünden sorumludur.
- Temporal bölgeler: Dil işleme, ses tanıma ve sözel hafıza süreçleriyle ilişkilidir.
- Oksipital bölgeler: Görsel tanıma, okuma ve kelime tanıma becerilerini destekler.
Bu bölgelerden elde edilen EEG verileri, nörogelişimsel bozukluklara sahip bireylerde beynin öğrenme sırasında gösterdiği elektriksel değişimleri inceleme olanağı sunmuştur. Böylece nörogeri bildirim (neurofeedback) terapilerinin, farklı bilişsel işlevler üzerindeki etkisi bölgesel düzeyde analiz edilebilmiştir.
Seans Verisi ve Nöroplastisite Takibi
Nörogelişimsel bozuklukların tedavisinde her bireyin beyin yapısı ve öğrenme hızı farklıdır. Bu nedenle EEG tabanlı nörogeri bildirim seansları, kişiye özel biçimde planlanmıştır. Katılımcılar arasında seans sayısı 1 ile 578 arasında değişmiştir.
Her katılımcıdan toplanan EEG verileri, erken ve geç dönem seansları karşılaştıracak şekilde analiz edilmiştir. Bu analiz, beynin zaman içinde nasıl değiştiğini, yani nöroplastisite olarak bilinen öğrenmeye bağlı beyin adaptasyonlarını ortaya koymuştur.
Uzun dönemli (longitudinal) bu yaklaşım sayesinde, her çocuğun kendi bilişsel iyileşme yolculuğu izlenebilmiştir. SHAP yöntemiyle yapılan analizler, bu değişimleri yalnızca sayısal olarak değil, aynı zamanda görsel olarak da görünür kılmıştır. Böylece nörogelişimsel bozukluklarda tedavi sürecinin hangi aşamada hangi beyin bölgelerinde etkili olduğu açıkça gözlemlenebilmiştir.
Yapay Zekâ Beyin Verilerini Nasıl Anlamlandırıyor?
Nörogelişimsel bozukluklarda beyin aktivitesinin nasıl değiştiğini anlamak için EEG verilerinin yalnızca toplanması değil, açıklanabilir şekilde analiz edilmesi de büyük önem taşır. Bu amaçla, EEG verilerinin yapay zeka ile yorumlanabilir hale getirilmesini sağlayan SHAP (SHapley Additive Explanations) yöntemi kullanılmıştır.
SHAP, makine öğrenmesi modellerinin aldığı kararları adım adım açıklayabilen güçlü bir yapay zeka analiz tekniğidir. Oyun teorisine dayanan bu yaklaşım sayesinde, her bir EEG özelliğinin örneğin belirli bir frekans bandı ya da beyin bölgesi aktivitesi modelin sonucuna ne kadar katkı sağladığı sayısal olarak hesaplanabilmiştir. Bu, nörogelişimsel bozukluklarda hangi beyin bölgelerinin öğrenme ve dikkat süreçlerinde daha etkili olduğunu görünür hale getirir.
Model Eğitimi
EEG kayıtlarından elde edilen spektral özellikler kullanılarak bir SVM (Support Vector Machine) modeli eğitilmiştir. Bu model, gelişimsel disleksi tanılı çocuklar ile nörotipik (sağlıklı gelişim gösteren) kontrol grubunu ayırt etmeyi hedeflemiştir. Böylece nörogelişimsel bozuklukların beyin düzeyindeki farklılıkları, veriye dayalı bir biçimde ortaya konmuştur.
SHAP Değerleri ve ΔSHAP Analizi
Her EEG kaydı için beyin bölgelerinin modele katkısı SHAP değerleriyle ölçülmüştür. Daha sonra, erken ve geç dönem seanslar arasındaki farklar ΔSHAP analizi ile incelenmiştir. Bu sayede, nörogeri bildirim terapisi süresince hangi beyin bölgelerinde öğrenmeye bağlı değişimlerin (nöroplastisite) meydana geldiği izlenebilmiştir.
Bölgesel Haritalama
Elde edilen SHAP sonuçları, EEG verilerinin uzamsal dağılımına göre haritalandırılmıştır. Bu haritalar, nörogelişimsel bozukluklarda beynin hangi bölgelerinde en güçlü adaptasyonların yaşandığını görsel olarak ortaya koymuştur. Böylece nörogeri bildirim terapilerinin nörobiyolojik etkileri, veri temelli ve açıklanabilir biçimde anlaşılır hale getirilmiştir.
Nörogelişimsel Bozukluklarda Beyin Nasıl Değişiyor?
Nörogelişimsel bozukluklarda uygulanan nörogeri bildirim terapileri, beynin farklı bölgelerinde meydana gelen değişimleri anlamak açısından EEG analizleriyle detaylı biçimde incelenmektedir. Bu süreçte kullanılan SHAP tabanlı yapay zeka analizi, seanslar boyunca gerçekleşen nöroplastisiteyi, yani beynin öğrenmeye bağlı olarak kendini yeniden yapılandırma kapasitesini bölgesel düzeyde görünür hale getirmiştir.
Frontal Bölgeler: Odaklanma ve Planlama
Frontal bölgelerdeki beta bandı aktivitesinde artış, dikkat, planlama ve yürütücü işlevlerle bağlantılı bilişsel becerilerde belirgin bir iyileşmeyi ortaya koymaktadır. Bu artış, odaklanma kapasitesinin güçlendiğini, bilişsel kontrolün iyileştiğini ve görev odaklı performansın arttığını göstermektedir.
Aynı zamanda theta bandı aktivitesinde azalma gözlenmiştir. Fronto-santral bölgelerdeki bu düşüş, zihinsel kaymaların azaldığını ve dikkat sürekliliğinin arttığını işaret etmektedir. Bu sonuçlar, nörogelişimsel bozukluklara sahip çocuklarda sürdürülebilir dikkat kapasitesinin artışı ve yürütücü işlevlerin güçlenmesi açısından önemli bir ilerlemeye işaret etmektedir.
Temporal Bölgeler: Dil ve Ses İşleme
Sol temporal bölgedeki aktivasyon artışı, fonolojik işlemleme (sesleri tanıma ve çözümleme) ile dil becerilerinde belirgin bir gelişme göstermektedir. EEG analizleri, ses ve kelime entegrasyonunun güçlendiğini ve dil temelli bilişsel işlevlerin iyileştiğini ortaya koymuştur.
Bu değişim, özellikle gelişimsel disleksi tanılı çocuklarda okuma akıcılığı ve kelime tanıma hızındaki artışlarla paralellik göstermektedir. Bu durum, nörogeri bildirim terapilerinin dil işleme süreçlerinde somut bilişsel iyileşmeler sağladığını kanıtlamaktadır.
Oksipital Bölgeler: Görsel Tanıma ve Takip
Oksipital bölgelerde gamma ve alfa bant aktivitelerinde artış tespit edilmiştir. Bu artış, görsel tanıma, kelime tanıma hızı ve görsel takip becerileri üzerinde doğrudan olumlu etki yaratmıştır. Katılımcıların büyük bir kısmında okuma hızında ve görsel performansta gözle görülür bir iyileşme kaydedilmiştir.
Bu bulgular, nörogelişimsel bozukluklarda görsel işlemleme süreçlerinin nörogeri bildirim yoluyla güçlendirilebileceğini ve beynin görsel bölgelerinde öğrenmeye bağlı yeniden yapılanmanın, yani nöroplastisitenin gerçekleştiğini göstermektedir.
Davranışsal İyileşmeler ve Nöral Korelasyonlar
EEG analizinde tespit edilen nöral değişimler, davranışsal ölçümlerle yüksek düzeyde örtüştü.
- Katılımcıların %73’ünde okuma hızı ve akıcılığında belirgin artış,
- %65’inde sürdürülebilir dikkat kapasitesinde iyileşme,
- %58’inde mental yorgunlukta azalma ve bilişsel dayanıklılıkta artış gözlendi.
Bu davranışsal kazanımlar, ΔSHAP analiziyle belirlenen nöral değişimlerle güçlü bir korelasyon gösterdi. Özellikle sol lateralize normalizasyon eğilimi, disleksi grubunda tutarlı bir biçimde ortaya çıktı. Bu eğilim, nörogelişimsel bozukluklarda beynin terapötik müdahaleler sonrasında normatif aktivite örüntülerine yaklaştığını kanıtlıyor.
Bireyselleştirilmiş Nöroplastisite Yörüngeleri
Her bireyin beyin yapısı ve öğrenme biçimi birbirinden farklıdır. Bu nedenle nörogeri bildirim tedavisinde her çocuğun beyninin kendi değişim yolculuğunu izleyebilmek büyük önem taşır. EEG verilerinden elde edilen SHAP tabanlı analizler, bu kişisel farklılıkları sayısal olarak ortaya koymayı mümkün kılar.
Analizler, her katılımcının seanslar boyunca gösterdiği beyin aktivitesi değişimlerini bireysel nöroplastisite yörüngeleri olarak tanımlar. Bu yaklaşım, beynin hangi bölgelerinde en fazla öğrenmeye bağlı değişim yaşandığını hem sayısal olarak ölçmeye hem de görsel olarak haritalandırmaya olanak sağlar.
Bölgesel ısı haritaları ve ΔSHAP bar grafikleri, terapi sürecinde hangi beyin bölgelerinin öne çıktığını açıkça gösterir. Bu görseller, nörogeri bildirim sürecinin gerçek zamanlı olarak optimize edilmesine imkân tanır. Örneğin, belirli bir seansta frontal bölgelerdeki aktivasyon artışı odaklanma becerisinde gelişimle ilişkiliyse, sonraki seans planları buna göre uyarlanabilir.
Bu sayede nörogelişimsel bozukluklarda tedavi artık herkese aynı şekilde değil, bireyin beyin verilerine göre şekillenen bir biçimde ilerler. Yapay zekanın sunduğu bu açıklanabilirlik düzeyi, klinik uzmanlara terapi sürecini daha şeffaf, veri odaklı ve kişiselleştirilmiş şekilde yönetme olanağı sunar.
Klinik Uygulama ve Gelecek Yönelimler Neler?
EEG verilerinin açıklanabilir yapay zeka yöntemleriyle analiz edilmesi, nörogelişimsel bozuklukların tedavisinde yeni bir dönemin kapısını aralamaktadır. Bu yaklaşım, nörogeri bildirim terapilerinin artık yalnızca etkili değil, neden etkili olduğunu da açıklayabilen bir yapıya dönüşmesini sağlar.
Şeffaf Yapay Zeka
Klinik ortamda yapay zekanın güvenle kullanılabilmesi için sonuçların sadece doğru değil, aynı zamanda açıklanabilir olması gerekir. SHAP analizi, EEG biyobelirteçlerinin her birini anlamlandırarak beynin hangi bölgelerinin terapötik iyileşmede rol oynadığını açıkça gösterir. Bu sayede hem klinisyenler hem aileler tedavi sürecini şeffaf ve güvenilir bir biçimde izleyebilir.
Hassas Nöroterapi
Her bireyin beyin aktivite profili farklı olduğu için, tek tip tedavi yaklaşımı nörogelişimsel bozukluklarda yeterli değildir. SHAP tabanlı analizler sayesinde nörogeri bildirim seansları artık kişisel beyin verilerine göre şekillendirilebilir. Bu durum nöroterapiyi deneme-yanılma sürecinden çıkarıp, bilimsel verilere dayalı hassas bir müdahale biçimine dönüştürür.
Auto Train Brain Entegrasyonu
Auto Train Brain, yapay zekâ destekli gerçek zamanlı nörogeri bildirim teknolojisiyle bu analitik yaklaşımı pratiğe dönüştürmektedir. Platform, EEG verilerini analiz ederek bireyin anlık beyin aktivitesini değerlendirir ve seans sürecinde anında geri bildirim sağlar. Bu entegrasyon, tedavi sürecinin hem etkinliğini artırır hem de kullanıcıya kendi ilerlemesini veri temelli olarak görme olanağı sunar.
Yapay Zeka ve Nörogeri Bildirim Arasında Yeni Bir Köprü
Açıklanabilir yapay zeka yaklaşımları artık nörogelişimsel bozukluklarda bireyselleştirilmiş nöroplastisiteyi görünür kılabilmektedir. EEG biyobelirteçlerinin SHAP analiziyle yorumlanması, disleksi gibi bilişsel bozukluklarda beynin iyileşme sürecini sayısal olarak izlenebilir hale getirir. Bu, nöroterapi uygulamalarında hem bilimsel şeffaflık hem de kişiye özel yaklaşım açısından önemli bir dönüm noktasıdır.
Auto Train Brain tarafından geliştirilen bu metodoloji, veriye dayalı, açıklanabilir ve kişiselleştirilmiş nöroterapi uygulamalarının önünü açmaktadır. Böylece yapay zeka, yalnızca veriyi analiz eden bir araç olmaktan çıkmakta ve insan beyninin kendini yeniden yapılandırma kapasitesini anlamamıza yardımcı olan bir ortak haline gelmektedir. Bu çalışmalar, gelecekte yapay zekâ destekli nöroterapilerin yalnızca semptomları değil, beynin kendini iyileştirme kapasitesini hedefleyen yeni bir dönemi başlatacağını gösteriyor.
Siz de çocuğunuzun veya kendinizin bilişsel gelişimini bilimsel verilerle desteklemek ister misiniz?
