Doğal dil işleme ve makine öğrenimi yöntemi ile majör depresif bozukluk tanılı hastaların görüşmelerinde intihar düşüncesinin tespiti
Detection of suicidal ideation in clinical interviews with patients diagnosed with major depressive disorder using natural language processing and machine learning
- Tez No: 1020830
- Danışmanlar: DOÇ. DR. SERCAN KARABULUT
- Tez Türü: Tıpta Uzmanlık
- Konular: Psikiyatri, Psychiatry
- Anahtar Kelimeler: Majör Depresif Bozukluk, İntihar Düşüncesi, Doğal Dil İşleme, Makine Öğrenmesi, Beck İntihar Düşüncesi Ölçeği, Major Depressive Disorder, Suicidal Ideation, Natural Language Processing, Machine Learning, Beck Scale for Suicide Ideation
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Majör depresif bozukluk (MDB), yüksek intihar riskiyle ilişkili, sık görülen bir psikiyatrik bozukluktur ve intihar düşüncesinin erken, nesnel biçimde saptanması klinik açıdan önem taşır. Son yıllarda doğal dil işleme (DDİ) yöntemleri, konuşma ve metin verisinden ruhsal belirtilerin saptanmasında giderek daha fazla kullanılmaktadır. Bu çalışmanın amacı, MDB tanılı hastalarla yapılan yarı yapılandırılmış klinik görüşmelerin DDİ ile çözümlenerek, intihar düşüncesinin görüşme diline dayalı olarak saptanıp saptanamayacağının değerlendirilmesidir. Gereç ve Yöntem: Çalışmaya, Akdeniz Üniversitesi Tıp Fakültesi Psikiyatri Kliniği ve Polikliniği'ne başvuran ve DSM-5 tanı ölçütlerine göre MDB tanısı almış 40 hasta ile bu hastalarla yaş ve cinsiyet bakımından eşleştirilmiş 40 sağlıklı kontrol olmak üzere toplam 80 katılımcı dâhil edilmiştir. Katılımcılara sosyodemografik veri formu, Beck Depresyon Envanteri (BDÖ), Beck İntihar Düşüncesi Ölçeği (BİDÖ) ve SCID-5 temel alınarak hazırlanan yarı yapılandırılmış görüşme uygulanmış; görüşmeler ses kaydına alınarak yazıya dökülmüş ve DDİ yöntemleriyle çözümlenmiştir. Bulgular: Hasta ve kontrol grupları yaş ve cinsiyet bakımından benzerken, eğitim düzeyi hasta grubunda daha düşük bulunmuştur (p = 0,002). Her iki ölçek de örneklemde mükemmel iç tutarlılık göstermiştir (Cronbach α = 0,990 ve 0,987). BDÖ ve BİDÖ toplam puanları arasında çok güçlü pozitif bir ilişki saptanmış (ρ = 0,925; p < 0,001); depresif belirti şiddeti, intihar düşüncesinin en güçlü yordayıcısı olmuştur. Görüşme dilinden intihar düşüncesinin sınıflanmasında yüksek başarı elde edilmiş (eğri altında kalan alan, AUC ≈ 0,98); ancak bu başarı büyük ölçüde konuşma uzunluğu farkına dayanmış, dilin özgül içeriği depresyon puanı ve konuşma uzunluğu denetlendikten sonra ek ayırt edicilik sağlamamıştır (AUC farkı = −0,007; p = 0,44). Dil özelliklerinin, intihar düşüncesi şiddetinin tahminine ek katkısı da anlamlı bulunmamıştır. İntihar düşüncesi olan hastalar; birinci tekil şahıs, biliş ve ölüm-intihar sözcüklerini daha sık kullanmıştır. Sonuç: Görüşme dilinden intihar düşüncesinin otomatik saptanması teknik açıdan uygulanabilir bulunmuştur. Bununla birlikte, mevcut örneklemde elde edilen başarı büyük ölçüde konuşma uzunluğu ve depresyon şiddetiyle açıklanmış; dilin özgül içeriksel katkısı anlamlı düzeye ulaşmamıştır. Dilsel içeriğin klinik değerinin ortaya konabilmesi için daha büyük, dengeli ve çok merkezli örneklemlerde yürütülecek çalışmalara gereksinim bulunmaktadır.
Özet (Çeviri)
Aim: Major depressive disorder (MDD) is a common psychiatric disorder associated with a high risk of suicide, and the early, objective detection of suicidal ideation is of clinical importance. In recent years, natural language processing (NLP) methods have been increasingly used to detect psychiatric symptoms from speech and text data. The aim of this study was to evaluate whether suicidal ideation can be detected on the basis of interview language by analyzing semi-structured clinical interviews conducted with patients diagnosed with MDD using NLP. Methods: A total of 80 participants were included in the study: 40 patients diagnosed with MDD according to DSM-5 diagnostic criteria who presented to the Psychiatry Clinic and Outpatient Clinic of Akdeniz University Faculty of Medicine, and 40 healthy controls matched to these patients in terms of age and sex. Participants were administered a sociodemographic data form, the Beck Depression Inventory (BDI), the Beck Scale for Suicide Ideation (BSS), and a semi-structured interview based on the SCID-5; the interviews were audio-recorded, transcribed, and analyzed using NLP methods. Results: While the patient and control groups were similar in terms of age and sex, the level of education was found to be lower in the patient group (p = 0.002). Both scales showed excellent internal consistency in the sample (Cronbach's α = 0.990 and 0.987). A very strong positive correlation was found between the total BDI and BSS scores (ρ = 0.925; p < 0.001); the severity of depressive symptoms was the strongest predictor of suicidal ideation. High performance was achieved in classifying suicidal ideation from interview language (area under the curve, AUC ≈ 0.98); however, this performance was largely based on the difference in speech length, and the specific content of the language provided no additional discriminative power after controlling for depression score and speech length (AUC difference = −0.007; p = 0.44). The additional contribution of linguistic features to predicting the severity of suicidal ideation was also not significant. Patients with suicidal ideation used first-person singular, cognition, and death–suicide words more frequently. Conclusion: The automatic detection of suicidal ideation from interview language was found to be technically feasible. However, the performance obtained in the present sample was largely explained by speech length and depression severity; the specific contextual contribution of language did not reach a significant level. Studies conducted with larger, balanced, and multicenter samples are needed to demonstrate the clinical value of linguistic content.
Benzer Tezler
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Yapay zeka yöntemlerinin bilgisayar mühendisliğiuygulamalarında başarılara etkileri
Effects of artificial intelligence methods on success in computer engineering applications
ÖZMEN KARACAOĞLU
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. BÜLENT GÜRSEL EMİROĞLU
- Multi-label classification of text document using deep learning
Derin öğrenme kullanan metin belgelerinin çoklu etiket sınıflandırılması
HAMZA HARUNA MOHAMMED
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDÜL KADİR GÖRÜR
DR. ÖĞR. ÜYESİ ROYA CHOUPANI
- AI-powered web application security mechanisms
Yapay zeka destekli ağ uygulaması güvenliği düzenekleri
DİLEK YILMAZER DEMİREL
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET TAHİR SANDIKKAYA
- Car damage analysis for insurance market using convolutional neural networks
Sigorta sektörü için evrişimsel sinir ağları kullanarak araç hasarı analizi
CİHAT TOLGA ARTAN
Yüksek Lisans
İngilizce
2019
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. TOLGA KAYA