Makine öğrenme yöntemleri ile karaciğer hastalığının teşhisi

Karaciğer hastalıkları dünya çapında oldukça yaygın görülen hastalıklardandır. Hem çok sık görülme hem de yüksek ölümle sonuçlanma oranı nedeniyle bu hastalıkların erken ve doğru teşhisi hayati önem taşımaktadır. Tıpta geleneksel teşhis yöntemleri hala kullanılmaktadır. Ancak bugün gelişen yapay zekâ teknolojileri sayesinde hastalık teşhis, tanı ve tedavi süreçlerinde hekimlere destek olacak güçlü araçlar sunulabilmektedir. Bu tez çalışmasında yapay zekânın bir alt alanı olan makine öğrenme algoritmaları karaciğer hastalıklarının teşhisi için kullanılmıştır. Bu çalışmada WEKA veri madenciliği aracından faydalanılarak J48, Lojistik Model Ağacı (LMT), Decision Stump, Hoeffding Tree, REP Tree, Random Forest, Random Tree ve IBk makine öğrenme algoritmaları ile Karaciğer Hasta Veri Seti (ILPD) üzerinde çalışılmıştır. Amaç, bu algoritmalar ile en iyi teşhis sonucuna ulaşmaktır. Çalışmada alanyazından farklı veri önişleme işlemeleri de kullanılmıştır. Çalışmanın birinci bölümünde karaciğer hastalıkları ve makine öğrenmesinin önemine vurgu yapılarak literatürdeki benzer çalışmalara yer verilmiştir. İkinci bölümde ise makine öğrenme ve veri madenciliği ile ilgili kuramsal temeller yer almıştır. Üçüncü bölümde; kullanılan veri seti hakkında ayrıntılı bilgiler verilmiş, uygulamadaki algoritmalar tanıtılmış ve verilerin önişlemlerden geçirilerek WEKA aracında algoritmalar ile nasıl kullanıldığı anlatılmıştır. Dördüncü bölümde elde edilen modellerin genel geçer sınıflandırma performansları değerlendirme ölçütlerine göre analiz edilmiştir. Beşinci ve son bölümde ise analizlerden elde edilen sonuçlar değerlendirilerek yorumlanmıştır. Makine öğrenme algoritmalarından elde edilen en iyi sınıflama modelleri hastalık teşhis ve tedavileri için geliştirilecek akıllı sistemlerin çıkarım mekanizmalarını oluşturma potansiyeline sahiptir. Bu tez çalışmasından elde edilen bilgiler ışığında bu çalışma, hastane bilgi yönetim sistemlerine dâhil olan, laboratuvar sonuçlarına erişebilen ve karaciğer hastalıkları taramasını otomatik gerçekleştirerek doktorlara hastaları ile ilgili gerekli uyarılarda bulunabilen akıllı bir sisteme dönüştürülebilir. İlerleyen süreçte öngörülen bu sistemin kapsamlı bir sağlık projesi haline dönüştürülmesi hedeflenmektedir. Bu çalışma karaciğer hastalıklarının erken teşhis ve tarama açısından kullanılan sınıflama algoritmaları ile karaciğer hastalıkları alanında hekimlere yardımcı olmak amacıyla karaciğer hastalığın teşhisi bakımından önem arz etmektedir.