Makine öğrenmesi algoritmaları kullanılarak sağlık sisteminde tahmin çalışması

Ülkemizde hastanelerin acil sağlık hizmeti verdiği acil servislerin hasta yoğunluğu, artan nüfusla ve artan salgın hastalık türleriyle beraber gün geçtikçe artmaktadır. Acil servislere başvuran hastaların şikayetlerine ve doktor yorumlarına bakıldığında; acil servise sadece durumu acil nitelikte hastalar başvurmamaktadır. Polikliniklere gidip teşhis ve tedavi süreci görmesi gerekirken, acil servislere başvuran hastalarda olmaktadır. Tüm bu durumlar acil servislerdeki hasta yoğunluğunu, dolayısıyla kalabalıklığı artırmaktadır. Acil servislere başvuran hastaların hepsinin acil bir şekilde, aynı anda sağlık hizmeti alabilmesi pek mümkün olamamaktadır. Durumu kritik olan hastaların hemen hizmet görmesi gerekirken, hayati tehlikesi bulunmayan hastaların farklı sınıflandırılması gerekmektedir. Bu sebeple hastaların sağlık durumları göz önüne alınarak bir önceliklendirme ve sınıflandırma yapılması gerekmektedir. Bu sınıflandırmaya ise tıp dilinde triyaj denilmektedir. Triyajdaki amaç; acil servise başvuran hastaların sağlık durumları esas alınarak triyaj alanlarına karar verilip, gerekli yönlendirmeler yapılmasıdır. Bu şekilde acil sağlık hizmetinin verimliliği ve süreçlerin verimliliği artmaktadır. Aynı zamanda hastanenin kaynakları etkin kullanılıp; bekleme ve hizmet süreleri kısaltılmaktadır. Triyaj kavramı ortaya çıktığı zamanlarda kullanılan tek bir standart varken, zaman içerisinde triyaj standartları sürekli gelişerek sayısı da artmıştır. Dünya geneline bakıldığında üç seviyeli, dört seviyeli ve beş seviyeli farklı triyaj sistemlerinin olduğu görülmektedir. Ülkemizde ise kırmızı, sarı, yeşil ana alan olmak üzere, kendi içerisinde bölümlere ayrılan bir triyaj sistemi mevcuttur. Çalışmada amaç; gerçek hayattan alınmış gerçek veriler ile makine öğrenmesi sınıflandırma algoritmalarını eğitip, triyaj alan tahmin modelini ve yatış-taburcu tahmin modelini oluşturup, bu modelleri test verileriyle test ettikten sonra elde edilen tahmin sonuçları göz önüne alınarak kullanılan sınıflandırma algoritmalarının performansını kıyaslamaktır. Bununla birlikte elde edilen makine öğrenmesi modelleri ile gerçek hayattaki problemlere çözüm ışığı olabilmektir. Bunun için, Türkiye'deki hastanelerin acil servisinden elde edilen gerçek triyaj verileriyle çalışılmak istenmiş ve Kartal Doktor Lütfü Kırdar Şehir Hastanesi Acil Tıp Kliniği ile görüşülmüştür. Çalışmaya başlamadan önce Sakarya Üniversitesinden etik kurul izni, hastaneden başhekim onayı alınmıştır. Bu çalışmada; Kartal Doktor Lütfü Kırdar Şehir Hastanesi Acil Tıp Kliniği'ne başvuran hastaların yaş, cinsiyet, yaşamsal bulgular, hastalık şikayetleri, önceden sahip olmuş ya da şu an sahip olduğu hastalıkları, acil servise varış şekli, Glasgow koma skalaları gibi verileri toplanmış olup, veriler manuel olarak toplanmıştır. Veri seti 2023 yılı Ocak-Nisan ayları arasında hastaneye başvuran 18 yaşından büyük hastaları kapsamaktadır. Direkt gebelikle ilgili vakalar veri setine dahil edilmemiştir. Sözel verilerin karşılıklarını elde etmek uzun sürmesi sebebiyle veri toplama süreci 2023 yılı Ocak-Eylül aylarını kapsamaktadır. Çalışmada toplam 3.000 hastanın 56 çeşit girdi bilgisi kullanılmış olup 2 farklı tahmin çalışması yapılmıştır. İlk olarak hastaların triyaj alan sınıflandırmaları yeşil, sarı, kırmızı olarak tahmin edilmiş; ikinci çalışma olarak ise yatış-taburcu durumu yani hastaların sağlık hizmeti aldıktan sonra direkt taburcu mu olacağı yoksa yatış mı yapacağı tahmin edilmiştir. Tahmin çalışmaları için toplanan bu veriler, % 80 eğitim verisi ve %20 test verisi olacak şekilde ikiye ayrılmıştır. Eğitim verileriyle makine öğrenmesi sınıflandırma algoritmalarıyla 12'şer tane eğitilmiş model elde edilmiştir. Çalışmada; gini ve entropi kriteriyle karar ağacı algoritması, doğrusal destek vektör makinesi algoritması, RBF-poly-sigmoid çekirdekler ile doğrusal olmayan destek vektör makinesi algoritması, naive bayes algoritması, lojistik regresyon algoritması, manhattan ve minkowski uzaklığıyla k-en yakın komşu algoritması, gini ve entropi kriterleriyle rassal orman algoritması kullanılmıştır. Test verileriyle eğitilmiş modeller ile tahmin çalışması yapılıp, karışıklık matrisleri elde edilmiştir. Karışıklık matrisleri ile performans ölçütleri olan doğruluk, kesinlik, duyarlılık, F skor, AUCROC değerleri hesaplanmıştır. Ardından her iki tahmin çalışması için de çapraz doğrulama işlemi yapılmıştır. Tüm bu elde edilen sonuçlar, öncelikle kendi tahmin çalışması içerisinde kıyaslanmış ardından iki tahmin çalışmasından elde edilen sonuçlar birlikte değerlendirilmiştir. Değerlendirmeler sonucunda triyaj alan tahmini çalışmasında; %97,79 en yüksek AUROC değeri karar ağacı-entropi algoritmasıyla, %96 en yüksek doğruluk oranı rassal orman gini ve entropi algoritmalarıyla elde edilmiştir. Triyaj alan sınıflandırmasında çapraz doğrulama işlemiyle % 97,05 en yüksek doğruluk oranı karar ağacı-gini algoritmasıyla elde edilmiştir. Yatış-taburcu olma durumu tahmin çalışmasında ise; %68,26 en yüksek AUROC değeri rassal orman-gini algoritmasıyla ve yine %90,8 en yüksek doğruluk oranı rassal orman gini algoritmalarıyla elde edilmiştir. Yatış-taburcu olma durumu sınıflandırmasında çapraz doğrulama işlemiyle % 89,12 en yüksek doğruluk oranı rassal orman-gini algoritmasıyla elde edilmiştir. Karar ağacı algoritmasıyla triyaj alan sınıflandırmasında yüksek performans oranları elde edilebildiği, rassal orman-gini algoritmasıyla yatış-taburcu durum tahmininde en yüksek değerler elde edildiği görülmüştür. Sonuç olarak, triyaj sürecinde makine öğrenmesi algoritmalarının kullanılması durumunda yüksek performans oranlarıyla verimliliği artırabilecek başarılı triyajlar yapılabilmektedir. Makine öğrenmesi algoritmalarının triyaj süreçlerinde kullanılmasıyla; daha kaliteli triyaj sınıflandırması yapılabileceği, acil servis süreçlerinin daha verimli yürütülebileceği, hastane kaynaklarının daha verimli ve planlı kullanılabileceği, hastaların bekleme sürelerinin azaltılabileceği, hasta memnuniyetinin arttırılabileceği öngörülmektedir.