YAPAY ZEKA YÖNTEMLERİYLE ERKEN EVRE DİYABET RİSK TAHMİNİ
Authors : Hüseyin Yilmaz, Abdulkadir Buldu, Yılmaz Kaya, Fatma Kuncan
Pages : 59-71
View : 35 | Download : 31
Publication Date : 2023-06-30
Article Type : Research Article
Abstract :Makine öğrenmesi ve yapay zekâ günümüzde birçok alanda ve çalışmada yer almaktadır. Bu alanlardan biri de sağlık alanıdır. Biyomedikal işaretlerin son zamanlarda hızlıca elde edilmesi ve elde edilen birçok kaynağın teknoloji sayesinde sürece entegresindeki hız, sağlık alanında da birçok projenin başarı ile gelişmesine olanak sağlamıştır. Ülkemizde ve dünyamızda son zamanlarda oldukça fazla artış gösteren diyabet hastalığı, halk dilinde bilenen aksine yüksek miktarda şeker tüketiminden değil, vücutta bulunması gereken insülin hormonunun vücut tarafından üretilmemesi ya da insülin hormonunun emilmemesi sonucu olarak diyabet hastalıkları görülmektedir. Makine öğrenmesi ve sınıflandırma algoritmalarının çeşitli biyomedikal alanlarda hastalığın teşhisi ve erken evre tedavi yöntemlerinde başarılı sonuçlar elde etmesi, günümüzde hasta sayısının çok hızlı artış gösterdiği şeker hastalığının da teşhisinde, bizlere risk faktörleri artmadan öngörülen semptomlardan pozitif çıkarımlar elde ederek hastalığa karşı erken müdahale imkânı sunabilecektir. Yaptığımız çalışmada 2 farklı tipe sahip olan diyabet hastalığının teşhisi için 5 farklı makine öğrenmesini (KNN, Lojistik Regresyon, Karar Ağaçları, DVM, Random Forest), python programlama dili ile sınıflandırma sürecine dahil edilerek algoritmaların başarı oranlarının kıyaslanmasını yaptık. Kullandığımız algoritmalar, yapısal olarak sınıflandırma işlemlerinde oldukça başarılı sonuçlar vermektedir. KNN, Lojistik Regresyon, Karar Ağaçları, DVM, Random Forest algoritmaları Sınıflandırma süreçlerinde yüksek başarılar sağlamakta ve bu başarılar hastalık tanı kitleri oluşturulmasına olanak sunmaktadır. Çalışmada en yüksek sonucu elde eden makine öğrenmesi algoritması olan Random Forest algoritmasının erken evre diyabet hastalığının teşhisinde %96 gibi yüksek bir oranda doğru sonuç elde edildi. Yapılan çalışmada Random Forest algoritmasının başarı oranının yanı sıra Kesinlik ve hassasiyet konusunda da %94’lük bir başarı yakaladı.Keywords : Diyabet, Erken Evre, Sınıflandırma Algoritmaları, Makine Öğrenmesi