Hematolojik hastalıkların teşhisinde yapay zeka tekniklerinin performans karşılaştırması

Hematolojik hastalıkların en yaygın görülen grubu anemi ve anemi ilişkili hastalıklardır. Dünya Sağlık Örgütü'nün kırmızı kan hücrelerinin veya oksijen taşıma kapasitelerinin yetersiz kaldığı bir durum olarak tanımladığı anemi, özellikle kadınları ve okul öncesi çağdaki çocukları etkilemektedir. Hayat kalitesini önemli oranda düşüren aneminin hem bir hastalık hem de ciddi hastalıklara eşlik eden bir bulgu olması nedeniyle tedavisi çok önemlidir. Etkin bir tedavi için hatasız bir tanı koyma süreci de gerekmektedir. Artan hasta sayısı ve hastanelerdeki yoğunluk, hastaların uzman hekime ulaşmalarını güçleştirmektedir. Bu güçlükler nedeniyle genel sağlık hizmetleri koşullarında anemiyi tanımayı sağlayacak bir sistem kullanışlı olacaktır. Bu sayede birinci basamak sağlık hizmeti sunulan merkezlerde tanı için istenen ilk tetkiklerle beraber geliştirilen sistemin işletilmesi ile bu sağlık merkezlerinde çalışan uzman olmayan personel daha etkin yönlendirme yapacaktır. Bu çalışmada, anemi ve anemi ilişkili hastalıklara tanı koyma sürecinin yapay öğrenme yöntemleri ile gerçekleştirilmesi hedeflenmiştir. Bu çalışma için 12 farklı anemi çeşidine tanı koyabilen bir yapay öğrenme mimarisi geliştirilmiştir. İlk olarak geliştirilen bir ara yüz yardımıyla üzerinde herhangi bir sayısal işlem yapılmamış tamamen orijinal veriler elde edilmiştir. Veriler Düzce Üniversitesi Araştırma ve Uygulama Hastanesi'nden etik kurul izni ile alınmıştır. Sonraki aşamada, bu verilerin ağırlıkları, Bilgi Kazancı, Bilgi Kazancı Oranı, Korelasyon ve Temel Bileşen Analizi teknikleri kullanılarak hesaplanmıştır. Bu hesaplamaların ardından hem orijinal veri seti ile hem de elde edilen öznitelikler kullanılarak oluşturulan yeni veri setleri ile yapay öğrenme tekniklerinden Destek Vektör Makinaları, Karar Ağaçları, Naive Bayes ve Yapay Sinir Ağları yöntemleri uygulanarak sonuçlar değerlendirilmiştir. Tüm modellerde çapraz doğrulama yöntemi kullanılmış ve sonuçlar doğruluk, sınıflandırma hatası, duyarlılık, hassasiyet ve f1-skoru performans göstergeleri ile değerlendirilmiştir. Araştırmada elde edilen bulgulara göre, anemi çeşitlerine tanı koymak için yapay öğrenme yöntemlerinin başarılı sonuçlar verdiği görülmüştür. Ayrıca öznitelik seçme yöntemlerinin sınıflandırma yöntemlerinde başarıyı arttırdığı fakat bu çalışma özelinde yapay sinir ağlarının en başarılı sonucu orijinal veri seti ile verdiği sonucuna varılmıştır.