Hayvan hastanesi elektronik hasta kayıtları üzerinden veteriner hekimlikte veri madenciliği yöntemlerinden yararlanma imkanlarının araştırılması

Veteriner hekimlikte, elektronik hasta kayıtlarının teorik analizi son yıllarda artan bir ilgi görmekle birlikte, bu verilerin klinik pratiğe entegre edilmesi ve klinik kararlarda destek görevi görmesi sınırlı kalmıştır. Bu çalışma, teorik bilgiyi pratik kullanıma aktarmak amacıyla, veri madenciliği yöntemlerinin elektronik hasta kayıtları kullanılarak farklı klinik senaryolarda uygulanabilirliğini test etmek ve bu alandaki çabalardan birini temsil etmek üzere tasarlandı. Çalışma kapsamında geliştirilen web tabanlı uygulamalar ile pratikteki eksikliği gidermeye yönelik adımlar sunmayı hedeflemektir. Bu hedef doğrultusunda Selçuk Üniversitesi Hayvan Hastanesinde 2021-2022 yılları arasında dahiliye kliniğinde alınan 11173 hastaya ait elektronik hasta kaydı çalışmanın materyali olarak seçildi. Çalışmanın yöntemi, son yıllarda bir standart haline gelen CRISP-DM metodolojisi kullanılarak şekillendirildi. Çalışma kapsamında iki farklı veri madenciliği uygulaması yapıldı. Yapılan her iki uygulamada; rastgele orman, XGBoost, destek vektör makineleri ve yapay sinir ağları algoritmaları ile modeller geliştirildi. Modellerin performansı; doğruluk, kesinlik, duyarlılık, F1 skoru ve AUC değerleri ile karşılaştırılıp en iyi modelin seçimi gerçekleştirildi. İlk uygulamada kedi ve köpeklerde sıklıkla görülen gastroenteritis ve parvoviral enteritis hastalıklarını sınıflandırmak için 525 hastaya ait elektronik hasta kaydı kullanıldı. Rastgele orman modeli; doğruluk (0,87), kesinlik (0,86), duyarlılık (0,90), f1 skoru (0,88) ve AUC (0,92) değerleri ile en iyi model seçildi. Seçilen model ile gastroenteritis ve parvoviral enteritis hastalıklarını sınıflandırmak için web tabanlı uygulama geliştirildi. Çalışma kapsamında yapılan ikinci uygulamada; enfeksiyöz hastalıklar, metabolik hastalıklar ve sağlıklı olarak etiketlenen 1694 hasta verisi ile modeller geliştirildi. XGBoost algoritması ile kurulan model; 0,91 doğruluk, 0,92 kesinlik, 0,91 duyarlılık, 0,91 F 1 skoru ve 0,98 AUC değeri ile veriyi en iyi temsil eden model olarak seçildi. Seçilen model ile hastalık türünün sınıflandırılması için web tabanlı uygulama geliştirildi. Çalışmanın bulguları; veri madenciliği yöntemlerinin, veteriner elektronik hasta kayıtları üzerinden yüksek performans gösterdiğini ortaya koymuştur. Bu sonuçlar, veteriner hekimlik alanında, elektronik hasta kayıtlarından yararlanarak gerçekleştirilen veri madenciliği uygulamalarının teorik ve pratik alanda etkili bir şekilde uygulanabileceğini göstermektedir. Anahtar Sözcükler: CRISP-DM; Sınıflandırma Algoritmaları; Veteriner Elektronik Hasta Kayıtları; Veri Madenciliği