Bulanık uzman sistem kullanarak tıkayıcı uyku apne hipopne sendromunun ciddiyet seviyesinin tahmini

Tıkayıcı (Obstruktif) uyku apne hipopne sendromu (OSAHS) üst solunum yolundaki tekrarlayan tıkanmalar sonucu oluşan önemli bir sağlık sorunudur. OSAHS'ın hipertansiyon, koroner kalp hastalığı, felç gibi hastalıklara neden olabileceği görülmüştür. Bunun yanı sıra tıkanmalar nedeniyle gece uykusunun bölünmesi, gün içi uykululuğuna yol açmakta buna bağlı olarak trafik ve iş kazaları meydana gelebilmektedir. OSAHS teşhisi uyku laboratuvarlarında polisomnografi (PSG) ile yapılmaktadır. Ancak bu işlem ile başarılı sonuçların alınabilmesi hastanın PSG öncesi bir takım kurallara uymasını, laboratuvarın yeterli fiziksel şartları ve ekipmanları sağlamasını gerektirdiğinden oldukça yorucu ve zaman alıcıdır. Bunun yanı sıra PSG'nin hastanın sırt üstü pozisyonda yatma eğilimini arttırdığı ve pozisyonel OSAHS hastaları için yanıltıcı sonuçlara yol açtığı görülmüştür. Diğer bir sorun OSAHS'ın varlığı ile ciddiyetini gösteren apne hipopne indeksindedir (AHİ). AHİ aralıkları için tek bir standart var iken 3 farklı hipopne tanımının olması bir tanıma göre OSAHS hastası olan birinin hipopne sayısının diğer bir tanım kullanıldığında daha az çıkması nedeniyle sağlıklı olduğu bulgusuna ulaşılabilir. Tüm bunlar ve uzmanlar ile yapılan görüşmeler sonucunda elde edilen bulgular PSG'ye alternatif bir tanı yönteminin ve daha esnek AHİ aralıklarının gerekliliğine işaret etmektedir. Yapay zekanın bir alanı olan uzman sistemler tarım, kimya, uzay teknolojisi, jeoloji ve tıp gibi çeşitli alanlarda karar destek aracı olarak kullanılmaktadır. Zadeh'in 1965'te önerdiği bulanık kümelerin hem sayısal hem de dilsel değişkenlerin bir arada kullanılmasına olanak tanıması, uzman sistemlerin insanınkine benzer bir akıl yürütme becerisini kazanarak uzman sistemlere yukarıda bahsedilen problemlere çözüm olma potansiyelini vermektedir. Bu çalışmanın amacı OSAHS'ın ciddiyet derecesini tahmin etmek üzere bir bulanık uzman sistem tasarlamaktır. Bu çalışma kapsamında girdi olarak vücut kitle indeksi (VKİ), uyku sırasında kandaki en düşük oksijen çözünürlük yüzdesi (min SpO2), Mallampati skoru ve boyun çevresi (BÇ) kullanılmıştır. Çıktı olarak ise standart AHİ aralıklarının bulanıklaştırılmasıyla oluşturulmuş bir ölçü kullanılmıştır. Uzman görüşlerine göre oluşturulmuş kurallara göre Mamdani yöntemini kullanarak sisteme girilen hasta verisinden bulanık bir sonuç elde edilmiştir. Sistemin son çıkışı olan tahminler bir önceki adımda elde edilen sonucun ağırlık merkezi yöntemi kullanarak keskinleştirilmesiyle elde edilmiştir. Daha sonra elde edilen ciddiyet derecesi tahminlerine göre hastalar hafif, orta ve ağır OSAHS'lı şeklinde sınıflandırılmıştır. Son olarak, tahmin sonuçları hastaların gerçek AHİ değerleri ile karşılaştırılmıştır ve model, geliştirilmesi esnasında verileri kullanılmayan hastalar üzerinde sınanmıştır.