Muş Devlet Hastanesi hasta radyolojik görüntü sayılarının, bir zaman serisi olarak derin öğrenme yöntemleri kullanılarak gelecek tahminlerinin yapılması

Zaman serileri tahmin işlemleri başta bilim, sağlık ve mühendislik olmak üzere ticaretin birçok alanında kullanılmakta ve hayati derece öneme sahip bulunmaktadır. Zaman serileri tahmin sürecinde iki farklı yaklaşım kullanılmaktadır. Bunlardan birisi istatistik tabanlı yaklaşım, ikincisi ise makine öğrenmesi modelleri kullanılarak yapılan yaklaşımdır. Tahmin işleminde makine öğrenmesinin bir alt dalı olan derin öğrenme tabanlı yaklaşım oldukça yaygın olarak kullanılmaktadır. Her iki yaklaşımın da kendine has güçlü yanları olduğu gibi zayıf yanları da bulunmaktadır. Özellikle ARIMA ve Holt-Winters gibi istatistiksel tabanlı yaklaşımlar sağlamlık ve esnekliklerinden dolayı uzun yıllardan beri kullanılmaktadır. İstatistiksel tabanlı yaklaşım için R ortamında kullanılan ARIMA, ETS, TBATS, THETAF ve SES metotları ile eldeki verinin kısıtlı olması durumunda bile vasat neticeler elde edilebilmektedir. Oysa derin öğrenme yaklaşımları için verinin yetersiz olması ya algoritmanın hiç çalışmamasına yâda oldukça zayıf tahmin sonuçlarına neden olmaktadır. Ancak literatürde derin öğrenme ve istatistiksel tabanlı yaklaşımların birlikte hibrid olarak kullanılması daha iyi sonuçların elde edilmesine neden olduğu ifade edilmektedir. Bu çalışmada Muş Devlet Hastanesi Radyoloji biriminden alınan 2010-2020 yılları arasındaki 11 yıllık, diğer bir ifadeyle 132 aylık radyolojik görüntü sayıları kullanılarak farklı gelecek tahminleri yapılmıştır. Tahminler için MLP, NNTAR, ELM gibi derin öğrenme algoritmaları yanında ARIMA, TBATS, HOLT-WINTERS, ETS, STL, THETAF ve SES gibi istatistiksel tabanlı algoritmalar da kullanılmıştır. Modellerin performanslarını değerlendirmek için de RMSE, MAE, MAPE ve MASE metrikleri kullanılmıştır. Bu çalışmada kullanılan veriler bir zaman serisi olarak açıklama, modelleme ve tahmin sürecine uygun olarak ele alınmıştır. Bunun için verilerin tedarik edildiği hastanenin farklı birimlerindeki radyolojik görüntü sayıları dikkate alınarak aylık hasta akışını tahmin etmek için çok modelli bir yaklaşım kullanılarak literatüre katkı sağlama amaçlanmıştır. Tahmin işlemlerinde zaman serisi çapraz doğrulama ve ileriye dönük tahmin olmak üzere iki farklı genel yaklaşım kullanılmış ve elde edilen sonuçlar değerlendirilmiştir. Daha açık bir ifadeyle bu tezde araştırılan araştırma sorusu, radyoloji biriminin aylık geçmiş verilerine bağlı olarak gelecekteki hasta potansiyeli için hem istatistiksel hem de derin öğrenme tahmin modelleri yardımıyla planlamanın hangi oranda başarılı olacağını açığa çıkararak ilgili birimi geleceğe hazırlıklı hale getirmektir. Elde edilen bulguların, hastaneye gelen ve radyoloji birimine sevk edilen hasta akışını daha verimli yönetmede hastane yöneticilerine kolaylık sağlayarak hem hizmet kalitesini hem de hasta memnuniyetini artırarak hastanenin gelecek planlamasında önemli katkılar sunacağına inanılmaktadır.