Yapay zeka destekli odyometri ölçüm sisteminin tasarımı ve gerçekleştirilmesi

İşitme, dış ortamda bulunan ses dalgalarının dış kulak ve orta kulak yolu üzerinden iç kulağa aktarılması sonucu oluşan işaretlerin sinir hücreleri ile işitme korteksine taşınması olayıdır. Dış, orta, iç kulak veya akustik sinirde meydana gelen rahatsızlıklar nedeniyle çevredeki seslerin algılanamaması işitme kaybı olarak adlandırılmaktadır. İşitme kayıpları iletim tipi, sensörinöral tip ve miks tip olarak üç kategoride sınıflandırılmaktadır. Saf ses odyometri testleri ile işitme kaybının tipi ve derecesi belirlenebilmektedir. Bu çalışma odyometri uzmanına gerek duymadan okullarda, aile sağlık merkezi ve halk sağlığı merkezlerinde ön teşhis koymak için yapay zekâ destekli bir sistemin geliştirilmesini amaçlamaktadır. Farklı desibel ve frekans değerlerindeki saf ses ve maskeli sesler yazılım aracılığı ile kişiye uygulanarak hava ve kemik yolu testi yapılabilmektedir. Geliştirilen sistemin arayüz platformu Visual Studio C# programında hazırlanmış ve eğitimi tamamlanmış olan yapay sinir ağının ağırlık katsayıları programa entegre edilmiştir. Test sonucunda elde edilen veriler yapay zekâ algoritması ile analiz edilerek işitme kaybının tipi ve derecesi belirlenmiştir. Yapay zekâ algoritmasının eğitimi için toplanan 200 adet verinin %70'i öğrenme, %15'i geçerlilik, %15'i test verisi olarak kullanılmıştır. Sistemin güvenirliliği yapay sinir ağına gösterilmeyen 48 adet veri ile test edilmiştir. 48 adet test verisinin sınıflandırılması öncelikle Afyon Devlet Hastanesi'nde görev yapan Kulak Burun Boğaz uzmanı tarafından daha sonra gerçekleştirilen sistem ile sınıflandırılmıştır. Bu veriler ikili sınıflandırma yöntemi ile analiz edildiğinde mikst tip işitme kayıpları ve sağlıklı bireyler arasında elde edilen sonuçlarda hassasiyet %92,3, doğruluk oranı %95,8, negatif prediktif değer %91,6 olarak bulunmuştur. İletim tipi ve sensörinöral tip işitme kayıplarının sağlıklı bireylerle kıyaslanmasından elde edilen hassasiyet, doğruluk ve negatif prediktif değer ise %100 olarak bulunmuştur. Elde edilen bulgular geliştirilen sistemin işitme kaybının tipini ve derecesini sınıflandırmada ve ön tanı koymada etkin olduğunu göstermektedir. Ancak bu tarz sistemlerin sağlık alanında hekimlerin yerine kesin tanı koymak için kullanılması düşünülmemelidir. Çünkü işitme kaybı hastalıkların altında yatan farklı fizyolojik veya psikolojik alt etmen bulunabildiği düşünülerek son kararın uzman tarafından verilmesi beklenmelidir. Sonuç olarak bu sistemin hastalıkların sınıflandırılmasında destekleyici sistem ve yazılımlar olarak tanımlanması daha doğru bir yaklaşım olacaktır.