Laboratuvar tetkik sonuçları üzerinde makine öğrenmesi uygulamaları

Vitamin D hem yetişkin hem de çocuk sağlığı için gerekli vitaminler arasındadır ve eksikliği birçok hastalığın habercisi olarak görülmektedir. Diyabet ise birçok ölümcül hastalığın oluşumunda öncü rol oynayan kronik bir sağlık durumudur. Bu çalışmada, nitelik seçimi ile birleştirilmiş veri madenciliği tekniklerine dayalı olarak vitamin D eksikliği teşhisi önerilmiştir. Yapılan çalışma kan testi sonuçları üzerinden vitamin D değerini doğru tahminlemeye çalışırken aynı zamanda tahmin için gerekli parametreleri de azaltmayı hedeflemektedir. Makine öğrenmesi ile yapılan tahminler, laboratuvar ortamında yapılan vitamin D ölçüm sürecinden kıyaslanamayacak derecede hızlı sonuç vermektedir. En iyi sonuç diyabet hastalarının veri seti üzerinde tamamlanan deneyler sonucunda alınmış ve relif-f nitelik seçimi algoritmasıyla seçilen 19 nitelikten oluşan destek vektör makineleri modeli için % 98,030 ile en yüksek sınıflandırma doğruluğunun elde edildiği görülmüştür. Çalışma sonucunda, yapılan testlerin azaltılabileceği görülmüştür. Yöntemlerin performansları sınıflandırma doğruluğu, duyarlılık, özgüllük, kesinlik, f-measure ve kappa gibi performans ölçütleri kullanılarak değerlendirilmiştir. Ayrıca bu çalışmayla tüm parametrik ve parametrik olmayan algoritmalar için yeni bir kıyaslama veri seti hazırlanmıştır.