Karabük Üniversitesi, mühendislik ve sağlık alanında yürüttüğü yenilikçi projeleriyle dikkat çekmeye devam ediyor.

Mühendislik Fakültesi Biyomedikal Mühendisliği Bölümü’nde görevli akademisyenlerin, TÜBİTAK COST destekli “Tükürükten Biyolojik Yaş Tespiti İçin IgG N-Glikomu Kullanılarak Makine Öğrenmesi Temelli Bir Modelin Geliştirilmesi ve Serum IgG N-Glikozilasyon Profillerine Bağlı Olarak Validasyonu” başlıklı projesi, insan sağlığına yönelik önemli bir katkı sunmayı amaçlıyor.

 Doç. Dr. Hacı Mehmet Kayılı ve Doç. Dr. Hakan Yılmaz liderliğindeki ekip, tükürük örneklerinden biyolojik yaşın belirlenmesini sağlayacak bir model geliştirmeyi hedefliyor. Projenin en dikkat çekici yanı, özellikle non-invaziv bir yöntemle yaş tespitinin mümkün hale gelmesi. Bu sayede, bireylerin sağlık durumlarının daha yakından izlenmesi ve yaşlanma süreçlerinin daha iyi anlaşılması sağlanacak.  Tükürükteki IgG N-glikozilasyonprofillerinin analizinde makine öğrenmesi algoritmalarının kullanılacağı proje, geleneksel analiz yöntemlerine göre daha hızlı ve kesin sonuçlar sunmayı amaçlıyor. Ayrıca, serum örnekleri üzerinden yapılacak doğrulama çalışmaları, geliştirilen modelin güvenilirliğini artıracak.  Projenin yürütücüsü Doç. Dr. Hacı Mehmet Kayılı, “Bu projenin temel amacı, kişilerin yaşlanma durumu hakkında bilgi vermek, yaşlanmasının ne düzeyde olduğunu kişilere göstermek ve böylelikle kişilerin yaşlanma dereceleri hakkında fikir sahibi olmasını sağlamaktır. Bu projede, ilk olarak sağlıklı bireylerden kan ve tükürük örnekleri alıyoruz. Çok küçük miktar hacimde kan örneği bizim için yeterli oluyor. Vücudumuzda bulunan antikorlara bakarak, antikorlardaki modifikasyonlarını takip ederek, özellikle yaşlanmayla alakalı biyobelirteç seyrini Türkiye popülasyonuna özgü olarak inceliyoruz.” şeklinde konuştu.

Proje kapsamında sağlıklı bireylerden kan ve tükürük örnekleri toplandığını belirten Doç. Dr. Kayılı, “Bu sayede, kişilerden bir biyolojik bir damla kan veya tükürük örneği alarak, kişilerin biyolojik yaşının, normal yaşlarından ileride olup olmadığını tespit edeceğiz. Biliyorsunuz ki insanların bir yaşı var; kronolojik yaş diyoruz bu yaşa; bu, doğumdan itibaren geçen bir süreç. Bir de vücudumuzun çevresel etkilerden ne kadar etkilendiğini gösteren biyolojik yaşımız var. Biz, bu biyolojik yaşımızı, moleküler düzeyde analizlerle gerçekleştiriyoruz. Moleküler düzeyde yaptığımız analizlerde, hücrelerinizin yaşlanma derecesini söyleyerek sizin yaşlanmanızı ve dolayısıyla hastalıklara olan yatkınlığınızı ne düzeyde olduğunu size belirtiyoruz. Eğer biyolojik yaşınız yüksek çıkarsa, siz kendinizi ve hayat tarzınızı ona göre değiştirerek örneğin diyet yaparak veya spor aktivitelerinizi artırarak yaşlanma düzeyinizi geriletebilirsiniz. Böylelikle de hastalıklara daha geç maruz kalabilirsiniz” diye konuştu.

Kayılı, projede iki bursiyerin ve iki araştırmacı hocanın görev aldığını ve projenin TÜBİTAK tarafından desteklendiğini belirtti. Bu yenilikçi çalışmanın, sağlıklı bir yaşlanma sürecine katkıda bulunmayı ve hastalıkların erken teşhisine yönelik önemli bir adım atmayı amaçladığını vurguladı.

Projeyi, KBÜ Öğretim Üyesi Doç. Dr. Hacı Mehmet Kayılı ile birlikte yürüttüklerini belirten KBÜ Mühendislik Fakültesi Biyomedikal Mühendisliği Öğretim Üyesi ve Proje Araştırmacısı Doç. Dr. Hakan Yılmaz, makine öğrenmesinin sağlık alanındaki etkinliğine vurgu yaparak, şu ifadeleri kullandı:

“Makine öğrenmesi, artık günümüzde oldukça popüler, girmediği alan yok diyebiliriz. Bu alanların en başında sağlık geliyor. Biz de sağlıkta etkin ve efektif olarak kullanmaya çalışıyoruz, makine öğrenmesi yöntemlerini. Burada da kişinin normal demografik yaşıyla, kronolojik yaşıyla biyolojik yaşı arasındaki bağıntıyı ortaya koyarak, bağlantıyı ortaya çıkararak bu ilişkileri kullanarak bir yaş tahmini yapmaya çalışıyoruz. Özellikle sağlık alanında ön tanı çalışmalarında, makine öğrenmesi uygulamalarını oldukça fazla kullanıyoruz. Farklı projelerde de yine bu yöntemleri kullanmaya devam ediyoruz.”  Projenin iki temel aşamadan oluştuğunu belirten Doç. Dr. Hakan Yılmaz, “Bu proje aslında iki tane aşamadan oluşuyor: Birinci aşamada örneklerin toplanması, ikinci aşamada ise bu örneklerin analiz edilmesi ve makine öğrenmesi teknikleriyle aradaki bağlantının ortaya koyulması. İlk etaptaki sonuçlarımız umut vaat edici. Tabii şu an net bir rakam veremiyoruz. Özellikle sağlıkta belirli bir aşamaya ulaşmadan rakam vermek çok doğru olmuyor. Ama burada da güzel sonuçlar elde edeceğimizi düşünüyoruz.” diye konuştu.