1 dk okuma · 21 Kasım 2026 15:03
Parkinson MR'larında yapay zeka doğruluğu yüzde 94,44
Üç üniversitenin modeli, 480 kişinin MR görüntülerini sınıflandırdı; klinik kullanım için daha geniş gruplarda doğrulama gerekiyor.

Malatya Turgut Özal Üniversitesi, Kahramanmaraş İstiklal Üniversitesi ve Gaziantep İslam Bilim ve Teknoloji Üniversitesinden akademisyenlerin geliştirdiği yapay zeka modeli, Parkinson hastalarıyla sağlıklı bireylerin beyin MR görüntülerini yüzde 94,44 doğruluk oranıyla ayırt etti.
Araştırmada Malatya Turgut Özal Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Elektrik-Elektronik Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Deniz Korkmaz, Kahramanmaraş İstiklal Üniversitesi Mühendislik, Mimarlık ve Tasarım Fakültesi Yazılım Mühendisliği Bölümü Öğretim Üyesi Doç. Dr. Hakan Açıkgöz ve Gaziantep İslam Bilim ve Teknoloji Üniversitesi Mühendislik ve Doğa Bilimleri Fakültesi Bilgisayar Mühendisliği Bölümü akademisyeni Tarık Talan görev aldı.
Doç. Dr. Deniz Korkmaz, tıbbi görüntüleme ile derin öğrenme teknolojilerini bir araya getirerek Parkinson hastalığının tespitine yönelik bir yöntem geliştirdiklerini belirtti. Araştırmada, uluslararası Parkinson çalışmalarında kullanılan PPMI veri tabanından 320 hasta ve 160 sağlıklı bireye ait toplam 480 kişinin MR görüntüsü değerlendirildi.
Model, görüntülerdeki ayırt edici özellikleri öğrenerek sınıflandırma yaptı. Korkmaz, sistemin yüzde 94,44 doğruluk, yüzde 91,67 duyarlılık ve yüzde 95,83 özgüllük değerlerine ulaştığını bildirdi.
Test aşamasında incelenen 72 MR görüntüsünün 68'i model tarafından doğru sınıflandırıldı. Korkmaz, “Elde edilen bulgular, önerilen yöntemin Parkinson hastaları ile sağlıklı bireylerin ayrıştırılmasında umut verici bir performans sergilediğini ortaya koydu” dedi.
Modelde yoğun bağlantılı sinir ağları, artık öğrenme yapıları ve dikkat mekanizmalarından yararlanıldı. Korkmaz, bu bileşenlerin MR görüntülerindeki hastalıkla ilişkili özelliklerin daha etkili analiz edilmesini sağladığını aktardı.
Araştırmacılar, modelin uzman hekimlerin değerlendirmelerini destekleyebilecek bilgisayar destekli tanı sistemlerine bilimsel temel oluşturmasını hedefliyor. Korkmaz, yöntemin klinik uygulamalarda kullanılabilmesi için daha geniş ve bağımsız hasta gruplarında doğrulanması gerektiğini vurguladı.







