Yapay zeka destekli video-eeg analizi ile beyin MRG pozitif pediatrik epilepside fokalite tespiti ve nörogörüntüleme bulgularıyla korelasyonu

Amaç: Beyin MRG'de yapısal lezyonu bulunan pediatrik epilepsi hastalarında, 24 saatlik video-EEG monitörizasyon kayıtlarından elde edilen zaman ve frekans alanı özelliklerinin makine öğrenmesi algoritmaları ile analiz edilerek epileptojenik zonun non-invaziv ve otomatik olarak tahmin edilmesi temel amaçtır. Yapay zekâ destekli EEG analizinin, görsel yorumda bulunan epileptolog/gözlemci farklılıklarını azaltarak epileptik odak belirleme sürecine katkı sağlayabileceği öngörülmüştür. Gereç ve Yöntem: Beyin MRG ile yapısal lezyon doğrulanmış 22 pediatrik epilepsi hastası ve normal EEG/MRG bulgularına sahip 10 sağlıklı kontrol olmak üzere toplam 32 çocuk çalışmaya dahil edilmiştir. Welch yöntemi ile güç spektral yoğunluğu, mutlak bant güçleri, Hjorth hareketlilik ve karmaşıklık parametreleri ile zaman çarpıklığı ortalaması gibi zaman-serisi özellikleri hesaplanmıştır. Bu özellikler Decision Tree, Random Forest ve XGBoost sınıflandırıcılarına uygulanmış ve modeller performans açısından karşılaştırılmıştır. Bulgular: Modeller arasında en yüksek tanısal performans XGBoost ile elde edilmiş olup doğruluk %75, duyarlılık %80 ve özgüllük %66 olarak bulunmuştur. Özellikle Hjorth parametreleri ile zaman serisi asimetri ölçütlerinin, lezyon tarafı ile uyumlu şekilde anlamlı ayırt edici özellikler olduğu görülmüştür. Kaynak dağılım analizlerinde de lezyonla aynı hemisferde belirgin topografik aktivite artışı saptanmış ve beyin MRG bulgularıyla tutarlılık göstermiştir. Bazı hastalarda V-EEG'de epileptik aktivite görülmezken yapay zekâ ile lezyon bölgesinde elektrofizyolojik bozukluklar gösterilmiştir. Sonuç: Pediatrik epilepside uzun süreli EEG kayıtlarının yapay zekâ destekli analiziyle epileptojenik zonun non-invaziv olarak belirlenebileceğini göstermektedir. Ayrıca subklinik aktivitenin ve lezyon lokalizasyonuyla uyumsuz ikincil odakların tespitine olanak sağlayarak klinik yönetimi desteklemektedir. Multimodal ve derin öğrenme yaklaşımlarının yer aldığı daha geniş çaplı çalışmalar, yöntemin klinik uygulanabilirliğini artıracaktır. Anahtar Kelimeler: Pediatrik epilepsi, Video-EEG, Yapay zekâ, Makine öğrenmesi, Hjorth parametreleri