Federe öğrenme tabanlı üroflovmetri patern sınıflandırması ve evde sağlık hizmetleri entegre karar destek modeli

Geçen süre zarfında, sağlık sektöründe yapay zekâ (YZ) ve makine öğrenmeye (MÖ) olan ilgi katlanarak artmaktadır. Üroloji alanında yapay zekâ teknolojisinin kullanımına ilişkin çalışmalar nispeten az olduğu düşünüldüğünde, bu alanda yapılacak uygulamların karar verme aşamasında önemli bir etkisi olacaktır. Makine öğrenme modelleri geliştirebilmek için büyük verilere ihtiyaç vardır. Ancak sağlık kuruluşları, sağlam makine öğrenme modelleri geliştirebilmek için klinik kayıtları merkezi sunucularda toplamaya çabaladıkça gizlilik, veri sahipliği ve yasal kısıtlamalarla ilgili endişeler ortaya çıkmaktadır. Federe öğrenme (FÖ) yaklaşımı hassas bilgilerin paylaşılmasına gerek kalmadan birden fazla veri merkezinde modellerinin gelişmesine olanak sağlayan umut verici teknolojilerden biridir. Federe öğrenme sürecinde, model eğitimi dağıtıktır ve her cihaz kendi verilerini kullanarak yerel bir model eğitir. Daha sonra yerel modellerden elde edilen parametreler birleştirilir ve global bir model üretilmiş olur. Bu çalışmada bir üroloji polikliniğinden elde edilen üroflovmetri testi verileri kullanılarak, çocuk hastaların üroflovmetri eğrisi desenleri sınıflandırılmıştır. Sınıflandırmada federe öğrenme sistemi ile merkezi ve yerel öğrenme yaklaşımları karşılaştırılmıştır. Modellerin eğitiminde Arşimet Optimizasyon Algoritmasıyla (AOA) hiperaparemetreleri optimize edilmiş bir yapay sinir ağı mimarisi kullanılmıştır. Bulgulara göre federe öğrenme algoritamalarının merkezi öğrenmeye oldukça yakın bir sınıflandırma performansı sergilemiş ve istemci bazlı yerel öğrenmelere kıyasla daha üstün bulunmuştur. Model-Contrastive Federated Learning (MOON) algoritması ile %84 sınıflandırma doğruluğu elde edilmiştir. Çalışmada elde edilen tahmin çıktıları, evde sağlık hizmetlerine (ESH) yönelik ele alınan iki amaçlı çizelgeleme probleminde girdi olarak kullanılmış ve bu doğrultuda geliştirilen matematiksel model, ticari bir çözücü aracılığıyla kısa sürede başarılı bir şekilde çözülmüştür. Bu tez kapsamında sunulan akıllı karar destek modeli, üroloji alanında veri odaklı karar alma süreçlerine katkı sağlayarak önemli bir yenilik sunmaktadır.