Biyonik Göz Araştırmasında Yeni Adım: Yapay Zekâ Daha Düşük Akımla Daha Hassas Sonuç Verdi

Yapay zekâ destekli bir görsel protez sistemi, görme korteksinde hedeflenen beyin aktivitesini geleneksel uyarım yöntemlerine göre daha yüksek doğrulukla oluştururken daha düşük elektrik akımı kullandı. UC Santa Barbara, ETH Zurich ve Miguel Hernández Üniversitesi araştırmacıları, 2026’da yayımlanan çalışmada beynin kişiye özgü elektriksel tepkilerini modelleyen derin sinir ağıyla görsel protez uyarılarını optimize etti. Travmatik beyin hasarı sonrasında görme yetisini kaybeden 27 yaşındaki bir katılımcı üzerinde yapılan deneyler, kişiye göre uyarlanan uyarım yöntemlerinin gelecekteki biyonik görme sistemlerinde önemli bir rol oynayabileceğini gösterdi.

Beynin Anlık Aktivitesi Uyarım Kararını Değiştirdi

Görme korteksine geçici olarak yerleştirilen 96 kanallı elektrot dizisi, araştırmacılara aynı sistem üzerinden hem elektriksel uyarı verme hem de oluşan nöral aktiviteyi kaydetme olanağı sağladı. Ekip, farklı elektriksel sinyallerin beyinde oluşturduğu yanıtları analiz ederek hangi uyarım desenlerinin belirli bir nöral aktiviteyi ortaya çıkarabileceğini tahmin eden bir derin sinir ağı geliştirdi. Model, yalnızca gönderilecek elektriksel sinyalin özelliklerini değerlendirmediği için her deneyden önce ölçülen beynin dinlenme durumundaki aktivitesini de hesaplamaya dahil etti.

Araştırmacıların yaklaşımı, görsel protezlerde aynı elektriksel komutun her kullanıcıda aynı sonucu doğuracağı varsayımını değiştirdi. Katılımcının beynindeki mevcut aktivite modeli sisteme eklendiğinde yapay zekâ, hedeflenen nöral yanıtı oluşturma ihtimali daha yüksek olan uyarım kombinasyonlarını seçti. Deney sonuçları, yapay zekâ tarafından belirlenen desenlerin hedeflenen beyin aktivitesine daha düşük akımla ulaşabildiğini ortaya koydu.

Katılımcının elektriksel uyarılar sonrasında gördüğü fosfenler, görsel protez araştırmalarının temel sorunlarından birini doğrudan ortaya koydu. Fosfen adı verilen ışık noktaları ve şekilleri, görme korteksinin elektriksel olarak uyarılması sonucunda oluşurken katılımcı bazı deneylerde ortaya çıkan algıların boyutunu, şeklini, parlaklığını ve rengini tarif etti. Araştırmacılar böylece fiziksel uyarım ile kişinin öznel görsel deneyimi arasındaki ilişkinin doğrudan ve sabit olmadığını gözlemledi.

Elektrotlardan kaydedilen nöral aktivite, katılımcının ne algıladığını yalnızca hangi elektrotların uyarıldığını bilmeye kıyasla daha başarılı şekilde tahmin etti. Bulgular, görsel protez tasarımında gönderilen elektriksel sinyal kadar beynin o sinyale verdiği yanıtın da hesaba katılması gerektiğini gösterdi. Elektrotlar arasındaki etkileşimler ile zaman içinde değişen nöral tepkiler, aynı uyarımın farklı anlarda farklı görsel algılar oluşturabilmesine neden olabiliyor.

Görsel kortekse uygulanan elektriksel uyarıların doğrudan görüntünün piksellerine karşılık gelmemesi, araştırmacıların gelecekteki sistemler için farklı bir kontrol yaklaşımını öne çıkarmasına neden oldu. Sabit bir uyarım tablosu kullanmak yerine kullanıcının beyninden gelen verileri sürekli değerlendiren bir sistem, hedeflenen görsel algıya ulaşmak için elektriksel parametreleri kişiye göre değiştirebilir. Yapay zekâ burada görüntüyü doğrudan oluşturan bir araçtan çok beyin ile protez arasındaki iletişimi daha doğru ayarlayan bir kontrol katmanı olarak görev yapıyor.

Kişiselleştirilmiş nörostimülasyon yaklaşımı, özellikle nöral yanıtların kişiden kişiye değişmesi nedeniyle önem taşıyor. Bir elektrotun oluşturduğu fosfenin konumu, boyutu veya parlaklığı yalnızca elektrotun fiziksel konumuna bakılarak kesin biçimde belirlenemediği için sistemin gerçek beyin verileriyle kalibre edilmesi gerekiyor. Araştırmada kullanılan çift yönlü implant yapısı, yapay zekânın teorik bir beyin modeline bağlı kalmak yerine gerçek nöral ölçümlerden öğrenmesine olanak sağladı.

Görsel kortikal protezler, görme kaybının kaynağı göz veya optik sinir olduğunda farklı bir tedavi yaklaşımı sunmayı hedefliyor. Elektrot dizisi doğrudan görme korteksine yerleştirildiği için sistem, gözden gelen doğal görsel sinyal yolunu kullanmadan beyne elektriksel uyarılar gönderebiliyor. Bu yaklaşım, retina veya optik sinirdeki hasarın görme kaybına yol açtığı bazı durumlarda alternatif bir nöroprotez yöntemi olarak araştırılıyor.

Travmatik beyin hasarı, nörodejeneratif hastalıklar veya görsel sistemin farklı bölümlerindeki hasarlar nedeniyle görme yetisini kaybeden kişiler açısından kortikal protezlerin kapsamı hastalığın kaynağına göre değişiyor. Görme korteksinin kendisi ciddi biçimde hasar gördüğünde elektriksel uyarımın etkili olması beklenmiyor. Araştırmacılar bu nedenle yalnızca elektrot teknolojisini geliştirmek yerine beynin uyarıya verdiği yanıtı daha iyi anlamaya odaklanıyor.

Görsel protezlerin ürettiği fosfenler, doğal görmenin sağladığı ayrıntılı görüntü deneyiminden hâlâ oldukça farklı bir algı oluşturuyor. Katılımcının ışık noktaları veya basit şekiller algılayabilmesi, sistemin görme yetisini tamamen geri kazandırdığı anlamına gelmiyor. Araştırmacılar açısından asıl hedef, çok sayıda elektrottan gelen kontrollü uyarımları anlamlı görsel örüntülere dönüştürerek kullanıcının çevresindeki nesneleri daha işlevsel biçimde ayırt edebilmesini sağlamak.

Elektrot sayısının artması da tek başına daha yüksek çözünürlüklü görme anlamına gelmiyor. Nöronların birbirleriyle bağlantıları, elektriksel akımın korteks içindeki yayılımı ve bireysel beyin yapısındaki farklılıklar, aynı anda çok sayıda elektrot kullanıldığında oluşan algının tahmin edilmesini zorlaştırıyor. Yapay zekâ destekli modellerin önemi de burada ortaya çıkıyor çünkü sistemler çok sayıda değişken arasındaki ilişkiyi gerçek ölçümler üzerinden öğrenerek daha kontrollü uyarım desenleri oluşturabiliyor.

Araştırmanın ortaya koyduğu yaklaşım, gelecekteki görsel protezlerin yalnızca daha fazla elektrot içeren donanımlar olarak tasarlanmayacağını gösteriyor. Beynin mevcut aktivitesini okuyabilen, elektriksel uyarının oluşturduğu yanıtı ölçebilen ve sonraki uyarımı elde edilen veriye göre değiştirebilen sistemler, kişiselleştirilmiş görsel nöroprotezlerin temelini oluşturabilir. Böyle bir yapı, protezin kullanıcının beynine zaman içinde uyum sağlamasına da zemin hazırlayabilir.

Biyonik göz araştırmalarında sonraki aşama, laboratuvar ortamında belirli nöral aktiviteleri üretmekten günlük yaşamda işe yarayan görsel bilgilerin aktarılmasına uzanacak. Araştırmacıların geliştirdiği yapay zekâ yaklaşımı düşük akımla daha öngörülebilir uyarım sağlama konusunda umut verici bir sonuç ortaya koysa da doğal görmenin karmaşıklığını yeniden oluşturmak için elektrot teknolojisi, beyin sinyali analizi ve yapay zekâ modellerinin birlikte ilerlemesi gerekiyor. Görsel protezlerin geleceğinde asıl farkı, yalnızca beyne sinyal gönderen cihazlar değil kullanıcının nöral tepkisini öğrenerek kendi çalışma biçimini uyarlayan sistemler oluşturabilir.