Ailevi Akdeniz Ateşi'nde kolşisin tedavisinin makine öğrenmesi analizi

Bu çalışmada Ailevi Akdeniz Ateşi hastalığı tespiti oldukça zor işlemler ve süreçler sonrası elde edilebilmektedir. Birçok hasta uzun bir süre boyunca hastalığın belirtileri taşımasına rağmen hastalık teşhisi yapılamamaktadır. Bunun asıl sebebi de birçok Dahiliye doktoru, hastalık belirtileri ile gelen hastalardan farklı hastalıklardan şüphe duymasıdır. Çünkü Ailevi Akdeniz Ateşi hastalığı günümüze kadar sık rastlanan hastalıklar arasında yer almamıştır. Bu çalışmada Ailevi Akdeniz Ateşi (FMF) hastalığının tespit edilmesi için yapılabilecek çalışmalar ve bu çalışmaların uygulama yöntemleri ile ilgili çalışmalar yer almaktadır. Makine Öğrenmesi yöntemleri ile ilk olarak hastalıkta yer alan önemli kriterlerinin belirlenmesi ve ardından kişinin Ailevi Akdeniz Ateşi hastası olup olmama ihtimali hakkında doktora bilgi vermesi sağlanacağı düşünülmüştür. Fakat veri setinin böyle bir sınıflandırma problemini ele almak için yetersiz olması nedeniyle çalışma hastalık tedavisinde kullanılan en önemli ilaçlardan biri olan kolşisin tedavisine hastaların yanıt vermesi veya vermemesi durumlarını incelemek olarak araştırmaya yeni bir yön verilmiştir. Bu bağlamda, Ailevi Akdeniz Ateşi (AAA) hastalığına ait demografik bilgiler, klinik semptomlar ve genetik varyantlar gibi çeşitli özellikler içeren özelleştirilmiş bir veri seti üzerinde çalışma gerçekleştirilmiştir. Özellik seçimi sürecinde, chi2-değerine dayalı SelectKBest algoritması kullanılarak 8 kritik özellik belirlenmiştir. Bu özellikler üzerinde gerçekleştirilen analizde, Logistic Regression modeli dikkate değer sonuçlar elde etmiştir. Bu model, ortalama doğruluk oranı %85.42, ortalama hassasiyet %85.81, ortalama geri çağırma %99.17 ve ortalama F1 skoru %92.00 olarak belirlenmiştir. Bu sonuçlar, Ailevi Akdeniz Ateşi hastalığının teşhisinde yüksek doğruluk ve hassasiyetle çalışan bir modelin geliştirilmesine olanak tanımaktadır. Bu bulgular, Ailevi Akdeniz Ateşi hastalığının erken teşhisinde ve kişiselleştirilmiş tedavi stratejilerinin geliştirilmesinde önemli bir katkı sağlayabilir. Çalışma, bu alandaki daha geniş kapsamlı araştırmalar için sağlam bir temel oluşturmaktadır ve alanında önemli bir adım olarak değerlendirilebilir.