DeepScent-AI: Makine Öğrenmesi ve Derin Öğrenme
Yöntemleri ve Uçucu Organik Bileşikler (VOC-Volatile Organic
Compounds) Analizi ile Non-İnvaziv Tanı Modeli
Geleneksel enfeksiyon teşhis yöntemleri zaman alıcı ve yüksek maliyetli ve invazivdir. Bulaşıcı hastalıkların erken teşhisinde bu
yöntemlerin sınırlılıkları göz önüne alındığında, elektronik burun teknolojisi ile uçucu organik bileşikler (VOC) tabanlı biyo-belirteç
analizi önemli bir alternatif sunmaktadır. Bu çalışma, VOC profilleme ve açıklanabilir yapay zekâ ve derin öğrenme modellerini
entegre eden non-invaziv bir teşhis sistemi geliştirmeyi amaçlamaktadır. Kan ve idrar kültürleri, yüksek özgüllükleri nedeniyle tanı için
altın standart olmaya devam ederken, yenilikçi metodolojilerin ortaya çıkışı, özellikle geleneksel sonuçların genellikle geciktiği ve
invaziv prosedürler gerektirdiği göz önüne alındığında hem tanı için gereken süreyi hem de ilişkili maliyetleri önemli ölçüde azaltma
potansiyeline sahiptir. Özellikle, önerilen teşhis sistemi tamamen invaziv olmayacak şekilde tasarlanmıştır, bu nedenle tıp
uzmanlarına yerleşik altın standartlardan ödün vermeden teşhis çabalarını doğru bir şekilde yönlendirmelerine yardımcı olmak için
müthiş bir araç görevi görür.
E-burun sistemlerinin COVID-19, pnömoni ve tüberküloz gibi solunum yolu hastalıklarının teşhisinde yüksek doğrulukla
kullanılabildiği literatürde gösterilmiştir. (Bruins, 2014; Wojnowski & Kalinowska, 2021). Ancak üriner enfeksiyonların VOC tabanlı
analiziyle teşhisine yönelik çalışmalar sınırlıdır. Projede, VOC sensörlerinden elde edilen veriler, açıklanabilir yapay zekâ ve derin
öğrenme algoritmaları kullanılarak işlenecek ve bakteriyel ve viral enfeksiyonların ayrımı sağlanacaktır. Bu süreçte, sinyal işleme
yöntemleri ve derin öğrenme tabanlı modeller kullanılacaktır.
Önerilen sistemle:
• Üriner enfeksiyonların non-invaziv teşhisinin yapılabilirliği test edilecek,
• E-burun sistemlerinin duyarlılığı artırılarak klinik ortama entegrasyonu değerlendirilecek,
• AI destekli tanı sistemlerinin sağlık hizmetlerine entegrasyonu açısından doğrulama süreçleri incelenecektir.
Hızlı tarama kapasitesi sayesinde, proje antibiyotik direncinin azaltılmasına ve gereksiz antibiyotik kullanımının önlenmesine katkı
sağlayabilir (Srivastava et al., 2024). Sensör teknolojileri, makine öğrenmesi ve sağlık inovasyonlarının kesişiminde yer alan bu
araştırma, non-invaziv teşhis sistemlerinin geliştirilmesine yönelik önemli bir adım olacaktır. - Tüseb B GRUBU AR-GE PROJELER
Klinik örneklerden izole edilen karbapeneme dirençli Pseudomonas ve Acinetobacter kökenlerinin (MDR, XDR, PDR) moleküler yöntemlerle değerlendirilmesive direnç paternlerinin mortalite ve morbiditeye etkileri Klinik enfeksiyon etkeni olan nonfermenter bakteri izolatlarında mevcut çokludirenç paternlerinin moleküler yöntemlerle teyidi ve mortaliteye etkilerinin araştırılması Araştırmacı Yükseköğretim Kurumları tarafından destekli bilimsel araştırma projesi
Hastane enfeksiyonu etkeni olan normal dirençli ve çoklu dirençli E.coli ve Klebsiella izolatlarında GSBL ve AMP-C varlığının Vitec2 ile tesbiti ve moleküler testlerle doğrulanması Hastane enfeksiyonu etkeni çoklu dirençli enterik bakterilerin moleküler genetik patternlerinin araştırılması Proje Koordinatörü Yükseköğretim Kurumları tarafından destekli bilimsel araştırma projesi
