Travma sonrası stres bozukluğunun yapay zekâ kullanılarak ses ve metin verileriyle tespiti: Bir bütünleşik model yaklaşımı

SERVET BADEM

Travma sonrası stres bozukluğunun yapay zekâ kullanılarak ses ve metin verileriyle tespiti: Bir bütünleşik model yaklaşımı

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Maltepe Üniversitesi, Mühendislik Ve Doğa Bilimleri Fakültesi, Bilgisayar Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: SERVET BADEM

Danışman: Önder Şahinaslan

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Travma Sonrası Stres Bozukluğu (PTSD), bireylerin travmatik bir olay sonrasında yaşadığı karmaşık psikolojik etkilerin bir sonucu olarak ortaya çıkan ciddi bir ruh sağlığı sorunudur. Bu çalışmada, PTSD’nin erken, doğru ve güvenilir bir şekilde teşhis edilmesini sağlamak amacıyla, ses ve metin verilerinin bütüncül analizine dayanan bir yapay zekâ (AI) modeli geliştirilmiştir. Araştırma kapsamında, 280 katılımcıdan travma anlatılarına dayalı ses kayıtları toplanmış; bu kayıtlar hem fonetik hem de duygusal özellikleri yakalayabilmek amacıyla Mel-Frequency Cepstral Coefficients (MFCC), Linear Predictive Coding (LPC) ve Perceptual Linear Prediction (PLP) teknikleri kullanılarak analiz edilmiştir. Elde edilen ses verisine dayalı model, PTSD tanısını %91.07 doğruluk oranıyla gerçekleştirmiştir.

İkinci aşamada, aynı ses kayıtları OpenAI tarafından geliştirilen Whisper Turbo modeli ile yazıya dönüştürülmüş; elde edilen metinler, doğal dil işleme (NLP) teknikleri ile analiz edilmiştir. Anlatıların içeriksel ve dilsel yapısına dayalı olarak geliştirilen NLP tabanlı model, %92,85 doğruluk oranı ile PTSD tahmini yapmıştır. Her iki model ayrı ayrı yüksek başarı göstermiş olmakla birlikte, bu çalışmada ses ve metin analizleri, oylama temelli ensemble yöntemiyle birleştirilmiştir. Oylama mekanizması, her iki modelin sınıflandırma çıktılarının değerlendirilmesiyle nihai kararın verilmesini sağlamış ve böylece tanı doğruluğu %96,42 seviyesine ulaşmıştır.

Çalışmada kullanılan veri etiketleri, Impact of Event Scale – Revised (IES-R) testi yönlendirmesiyle uzman klinik psikolog görüşmeleri yapılarak doğrulanmıştır. Bu sayede modelin yalnızca istatistiksel değil, aynı zamanda klinik güvenilirliği de sağlanmıştır. Ses verileri, bireylerin duygusal tepkilerini yakalarken; metinler, anlatıların içeriksel bütünlüğünü analiz etme imkânı sunmuştur. Böylece travmatik deneyimin hem semantik hem de akustik yönlerini kapsayan çok katmanlı bir yapay zekâ mimarisi kurulmuştur.

Elde edilen bulgular, ses ve metin verilerinin bütünleşmiş kullanımının, PTSD teşhisinde geleneksel yöntemlere kıyasla daha yüksek doğruluk sağladığını göstermektedir. Bu bütüncül yaklaşım, ruh sağlığı uzmanlarına destek olabilecek yeni nesil tanı araçlarının geliştirilmesine katkı sağlarken; aynı zamanda AI tabanlı klinik karar destek sistemlerinin potansiyelini ortaya koymaktadır. Çalışmanın ileri aşamalarda mobil uygulamalara veya uzaktan psikolojik değerlendirme platformlarına entegre edilerek daha geniş ölçekli kullanımlara açılması hedeflenmektedir.