Solunum sistemi hastalıklarının sınıflandırılmasında makine öğrenmesi yöntemlerinin kullanımı

En sık görülen solunum yolu hastalıkları olan astım, KOAH ve pnömoni (zatürre) gibi hastalıkların tanısı ve sınıflandırılması hayati öneme sahiptir. Son zamanlarda, bu önem nedeniyle sağlık verilerinin işlenmesine büyük ilgi gösterilmiştir. Makine öğrenmesi algoritmaları, bu amaç için önemli bir yere sahiptir. Önceki çalışmaların odağı astım, KOAH ve pnömoni hastalıklarının teşhisinde en öngörücü algoritmayı elde etmektir. Ancak, en önemli değişkenlerin belirlenmesi çok az ilgi görmüştür. Bu çalışmanın temel amacı, en önemli makine öğrenmesi algoritmalarını değişken önemine sahip sonuçlarla ayrıntılı olarak sunmaktır. Makine öğrenme algoritmalarına ve değişken önemi değerlendirmelerine dayalı kapsamlı bir karşılaştırma çalışması, doğruluk, precision(kesinlik), recall(duyarlılık), Kappa istatistikleri, F-ölçüsü, ROC eğrisi ve AUC değeri gibi farklı performans kriterleri dikkate alınarak yapılmıştır. Sağlıklı grup ile hastalıkların sınıflandırılmasında, astım hastalığı için rastgele orman (CART öğrenen ile) ve C5.0, KOAH için SVM (doğrusal olmayan çekirdek ile) ve GBM ve pnömoni hastalığı için Bagging ve Random Forest (CART öğrenen ile) en iyi algoritmalar olarak bulunmuştur. Ayrıca, tüm gupların birlikte sınıflandırılmasında en iyi test edilen algoritma GBM'dir. Değişken önemlilikleri dikkate alındığında sağlıklı grup ile hastalıklar arasında astım vakası sınıflandırma sonuçlarına göre, en önemli değişkenler FEV3, FVC, FEV1, MEF50 dır. KOAH'da MEF50, FVC, FEV3, PIF ve FEV1, pnömonide ise FVC, FEV3, MEF50 ve FEV1 dikkate değer değişkenlerdir. Tüm grupların birlikte sınıflandırmasında ise neredeyse tıbbi değişkenlerin hepsi büyük öneme sahiptir. Önemli değişkenlerin sırası, korelasyon analizi ve istatistiksel anlamlılık testleriyle desteklenmiştir. Ek olarak, ROC eğrileri ve AUC değerleri görsel olarak benzer ve destekleyici sonuçlar vermiştir. Sonuç olarak, bu çalışma sağlık bilimleri ve makine öğrenimi uygulamaları konusunda uzman sistemler üzerinde çalışan uygulayıcılar ve araştırmacılar için değerli olacaktır. Anahtar Kelimeler: astım, KOAH, pnömoni, hastalık tahmini, makine öğrenmesi, özellik seçimi.