Perinatal dönemdeki psikiyatrik hastalık belirtilerinin yapay zeka tabanlı büyük veri işleme platformu ile belirlenmesi

Makine öğrenimi, bilim ve endüstrinin yönlendirici güçlerinden biridir; ancak büyük verinin oluşmasıyla birlikte, bu muazzam veri hacmini işleyebilmek için geleneksel makine öğrenimi algoritmalarında değişiklik yapma ihtiyacı ortaya çıkmaktadır. Bu veri setlerinin boyutu ve karmaşıklığı, geleneksel veri işleme yöntemleri yardımıyla ele alınmasını zor bir hale getirmiştir. İşte burada büyük veri analitiği teknolojileri devreye girmektedir. Büyük veri analitiği teknolojileri sayesinde, yüksek hacimli sağlık veri kümelerinin mevcudiyeti olması durumunda dahi, istenilen hızda ve performansta çeşitli tıbbi durumlar doğru bir şekilde teşhis edilebilmektedir. Büyük veri analitiği teknolojileri, veri setlerinin içindeki değerli bilgileri ortaya çıkarmak için çeşitli analitik yöntemler kullanmaktadır. İstatistiksel analiz, veri madenciliği, makine öğrenimi ve yapay zeka gibi teknikler, bu büyük veri setlerinden anlamlı sonuçlar elde etmeyi sağlamaktadır. Bunların yanında, büyük veri setlerini paralel ve dağıtık bir şekilde işleyerek hızlı analizler yapılmasını da sağlamaktadır. Büyük veri analitiği teknolojilerinin sağladığı bu yetenekler, birçok alanda büyük bir etki yaratmıştır. Sağlık alanı da bu alanlardan biridir. Çalışmanın birincil amacı, performansı optimize edilmiş algoritmalar aracılığıyla hamile kadınlarda anksiyete ve depresyonla ilgili en zorlayıcı soruları belirlemektir. Bu sayede daha az soru ile daha kısa sürede sonuca ulaşmak amaçlanmaktadır. Bu çalışmanın bir sonraki hedefi, büyük veri akışında makine öğrenimi modellerini kullanarak hamile kadınlarda depresyon ve anksiyete için anlık bir uzaktan sağlık durumu tahmin sistemi oluşturmaktır. Bu hedef, Apache Spark büyük veri işleme motorunu temel almaktadır. Bu ölçeklenebilir sistemde uygulama, hastanın sağlık durumunu tahmin etmek için gebe kadınlardan veri almaktadır. Bu veriler işlenebilir hale getirilebilmesi adına ön işlem süreçlerinden geçirilmektedir. Performans adına yapılan bir dizi işlemden sonra bu veri kümesi için en iyi sonuçları üreten algoritmanın, Naïve Bayes makine öğrenimi algoritması olduğu tespit edilmiştir. Çalışmada ayrıca, anlık olarak sonuç üreten tahmin sistemi, Kubernetes kümeleme sistemine entegre edilmiştir. Böylece, oluşturulan ölçeklenebilir mimarinin işlem süresi açısından araştırılması sağlanmıştır. Geliştirilen büyük veri platformunun başarımı dikkate alındığında, hamile kadınlarda anksiyete ve depresyonu tespit etmek için kullanılan geleneksel yöntemler yerine, gerçek zamanlı olarak önemli doğruluk oranında ve hızda çalışan bilgisayar tabanlı sistemlerin kullanılabileceğini söylemek mümkündür.