Tıp bilişiminde veri madenciliği yöntemleri kullanılarak hastalıkların tahmin edilmesi

Günümüzde veri madenciliği büyük boyutlu verilerden saklı kalan bilgiyi ortaya çıkararak, işletmelerin karar verme süreçlerine destek sağlamasından ötürü özellikle sağlık işletmelerinin idaresinde ve sağlıkla ilgili politikaların belirlenmesinde önemi gittikçe artan bir araçtır. Ayrıca son yıllarda sağlık alanında veri madenciliği algoritmaları kullanılarak hastalıkların teşhis edilmesine yönelik bilimsel yayınlar yapılmaktadır. Bu tez çalışmasında, en sık kullanılan veri madenciliği sınıflandırma yöntemleri incelenmiş, dört farklı devlet hastanesinin üroloji branşına başvuran hastalardan toplanan veriler kullanılarak, üroloji branşında görülen 18 farklı hastalığın teşhisine yönelik bir çalışma yapılmıştır. Bu amaçla sınıflandırma algoritmalarından Rastgele orman (Random Forest), Rasgele ağaç (Random Tree), Çok katmanlı algılayıcılar (Multilayer Perception), K-en yakın komşu (IBk), Kstar, Lojistik regresyon, Naive Bayes ve ZeroR algoritması kullanılmış ve oluşturulan modellerin doğru sınıflandırma oranlarına yani hastalıkları ne kadar doğru teşhis ettiklerine bakılmıştır. Bu algoritmalardan Rasgele orman, Lojistik regresyon ve Çok katmanlı algılayıcılar algoritmalarının teşhiste diğerlerine göre daha başarılı olduğu görülmüştür. İlerleyen çalışmalarda üroloji branşına ilişkin hastalıklarının ya da başka branşlarda görülen hastalıkların teşhisine yönelik burada sözü geçen algoritmalar kullanılarak bir uygulama geliştirilebilir. Böylece sağlık çalışanlarına teşhiste fikir verilmesi ve iş yüklerinin azaltılması, erken teşhis ile hastalıkların önceden bulunarak tedavi sürelerinin daha kısa olması mümkün olabilir.