Teknolojinin hızla gelişmesiyle birlikte bilgisayarların herkes tarafından erişilebilir hale gelmesi, tıp dünyasında yeni bir dönemin kapılarını araladı. Bilgisayar Mühendisi Adem Erdaş tarafından yürütülen kapsamlı bir akademik çalışma, yapay zeka ve makine öğrenmesi yöntemlerinin sağlık sektöründeki hayati önemini bir kez daha kanıtladı.
Dört Kritik Hastalık Mercek Altında Çalışma kapsamında; dünya genelinde ölümlerin yaklaşık %11’inden sorumlu olan felç, ses kayıtları üzerinden teşhis edilebilen Parkinson, kalp yetmezliği ve Hepatit C veri setleri titizlikle incelendi. Araştırmada, modern tıbbın en büyük yardımcılarından biri haline gelen beş farklı algoritma karşılaştırıldı: Random Forest, Support Vector Machine (SVM), Logistic Regression, Naive Bayes ve Decision Tree.
Verilere Minimum Müdahale, Maksimum Doğruluk Yöntemlerin doğal performansını ölçmek amacıyla veri setlerine yapılan müdahale en az seviyede tutulurken, modellerin başarısı literatürde kabul görmüş f1_score, accuracy (doğruluk), precision (kesinlik) ve recall (duyarlılık) gibi metriklerle ölçüldü. Özellikle felç tahminlerinde yaş ilerledikçe riskin arttığı, hipertansiyon ve kalp hastalığı varlığının felç geçirme olasılığını ciddi oranda tetiklediği verilerle bir kez daha ortaya konuldu.
Hatasız Teşhis İçin "Çapraz Doğrulama" Araştırmada, makinelerin "aşırı öğrenme" veya "eksik öğrenme" gibi hatalara düşmemesi için klasik yöntemlerin aksine "Stratified K-Fold" (Çapraz Doğrulama) yöntemi kullanıldı. Bu sayede elde edilen sonuçların güvenilirliği en üst düzeye çıkarılarak, algoritmaların tıbbi teşhis süreçlerine entegre edilebilirliği test edildi. Gelecekte yapay zeka destekli sistemlerin, hastanelerde erken teşhis oranlarını artırarak binlerce hayatın kurtarılmasında kilit rol oynaması bekleniyor.
Kaynak: ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ MEDİKAL VERİ ÜZERİNDE MAKİNE ÖĞRENMESİ YÖNTEMLERİNİN KARŞILAŞTIRILMASI Adem ERDAŞ. Tez No: 744373
