11 Ekim 2026
Uyku EEG’sinde Yapay Zekâ Dönemi: Beyin Dalgaları Sağlık Hakkında Yeni Bilgiler Sunuyor
Elektroensefalografi (EEG) teknolojilerinde yaşanan gelişmeler, uyku bozukluklarının değerlendirilmesinde yeni araştırma alanları oluşturuyor. Temmuz 2026’da npj Digital Medicine dergisinde yayımlanan bilimsel bir çalışma, yapay zekâ destekli EEG analizlerinin geleneksel uyku evresi değerlendirmelerinin ötesinde sağlıkla ilişkili bilgiler ortaya çıkarabileceğini gösterdi.
Johns Hopkins Üniversitesi ve Johns Hopkins Uygulamalı Fizik Laboratuvarı ile ilişkili araştırmacılar tarafından gerçekleştirilen çalışmada, 11.261 gecelik uyku kaydından yararlanıldı. Araştırmacılar, EEG sinyallerini analiz etmek amacıyla kendi kendine öğrenme (self-supervised learning) yöntemlerinden yararlanan bir yapay zekâ modeli geliştirdi. Modelin, geleneksel uyku evreleri içerisinde yer alan ve standart değerlendirmelerde yeterince ayrıntılı incelenemeyen elektriksel aktivite örüntülerini öğrenebildiği belirlendi.
Uyku değerlendirmesinde kullanılan polisomnografi (PSG), EEG başta olmak üzere çeşitli fizyolojik sinyallerin eş zamanlı kaydedilmesine dayanıyor. Geleneksel değerlendirmelerde uyku; N1, N2, N3 ve REM gibi evrelere ayrılarak inceleniyor. Yeni araştırmada ise aynı uyku evresi içerisinde yer alan daha küçük ölçekli beyin aktivitesi farklılıklarının da sağlıkla ilişkili bilgiler taşıyabileceği ortaya konuldu.
Araştırma sonuçları, yapay zekâ destekli EEG analizlerinin özellikle yaş ve vücut kitle indeksi gibi değişkenlerin tahmininde geleneksel uyku evresi bilgilerine ek katkılar sağlayabildiğini gösterdi. Uyku apnesiyle ilişkili değerlendirmelerde ise elde edilen avantajlar daha sınırlı ve daha az tutarlıydı. Bulgular, yapay zekânın mevcut tanı yöntemlerinin yerini aldığını değil, gelecekte bu yöntemleri destekleme potansiyeli taşıdığını ortaya koyuyor.
Elektronörofizyoloji alanı açısından değerlendirildiğinde bu gelişme, yüksek kaliteli biyolojik sinyal kayıtlarının önemini bir kez daha gündeme getiriyor. EEG elektrotlarının doğru yerleştirilmesi, sinyal kalitesinin korunması ve kayıt sırasında oluşabilecek artefaktların en aza indirilmesi, hem geleneksel değerlendirmeler hem de yapay zekâ destekli analizler açısından önem taşıyor. Bu teknolojilerin gelişimi, öğrencilerin gelecekte karşılaşabilecekleri mesleki uygulamalara ilişkin farkındalıklarını da artırıyor.
Program: Elektronörofizyoloji Programı
12.10.2026
KAYNAKLAR
Coon, W. ve Ogg, M. (2026). Sleep EEG foundation models reveal within-stage microstructure that improves health screening beyond traditional stages. npj Digital Medicine. Çevrim içi yayın: 9 Temmuz 2026.
https://doi.org/10.1038/s41746-026-02970-2
PubMed kayıt numarası (PMID): 42426257.