Tip 2 diyabetin erken tanısında makine öğrenme tekniklerinin kullanılması
Using machine learning techniques for EARLY diagnosis of TYPE 2 diabetes
- Tez No: 792475
- Danışmanlar: DOÇ. DR. UĞUR BİLGE
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biostatistics
- Anahtar Kelimeler: Tip 2 diabetes mellitus, tam kan sayımı, makine öğrenmesi, yapay zeka, Type 2 diabetes mellitus, complete blood count, machine learning, artificial intelligence
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 66
Özet
Amaç: Kronik bir metabolizma bozukluğu olan diyabet, pankreasın artık insülin üretemediği veya vücudun ürettiği insülini yeterince kullanamadığı durumlarda ortaya çıkan ve ömür boyu süren bir hastalıktır. Hastalığın ilerleyen aşamalarında göz, böbrek, kalp ve damar rahatsızlıklarını da meydana getiren diyabet, komplikasyonları önlemek veya geciktirmek, hastaların yaşam kalitesini iyileştirmekle beraber diyabetli olduklarının farkında olmayan diyabetli kişileri teşhis etmek ve diyabetli tüm insanlara mümkün olan en erken zamanda bakım sağlamak oldukça önemlidir. Bu çalışmada yapay zekâ teknolojisinden yararlanılarak tip 2 diyabet hastalığının önceden öngörülmesi konusunun ele alınması ve böylelikle erken tanının sağlık sistemlerindeki ek iş yükünü hafifletmesi, hastaların yaşam kalitesini iyileştirmesi ve yüksek tedavi giderleri açısından ekonomik olarak sıkıntıya düşmelerinin engellenmesi amaçlanmıştır. Yöntem: Akdeniz, Marmara ve Ege coğrafi bölgelerindeki özel hastanelerden toplanan 126 hastaya (66 diyabetik olmayan vaka ve 60 diyabetik vaka) ait veriler incelenmiştir. Uzman hekimler tarafından Tip 2 Diyabet tanısı konulmuş hastalar ve hiç diyabet tanısı konulmamış kontrol hastaları olarak gruplanmıştır. Lojistik Regresyon (LR), Rastgele Orman (RO) ve Karar Ağaçları grubun tahmini için model oluşturmak için kullanılmıştır. Makine öğrenmesi algoritmalarının performanslarını karşılaştırmak için AUC değeri, doğruluk, duyarlılık, özgüllük, kesinlik ve F1 skoru kullanıldı. Bulgular: Tip 2 diyabete sahip bireylere ve kontrol grubuna ait tam kan sayımı (hemogram) testi sonuçları ve sosyo-demografik özellikler kullanılmıştır. Lojistik Regresyon, Rastgele orman ve Karar ağacı teknikleri sırasıyla %92.6 (88.1-97.1), %73.6 (65.9-81.4) ve %84.5 (78.3-90.7) ROC AUC vermektedir. Lojistik Regresyon algoritması diğer makine öğrenmesi algoritmalardan daha yüksek bir başarı ile %92.6 ROC AUC ve 88.1-97.1 güven aralığı ile sınıflandırmayı gerçekleştirmiştir. Sonuç: Gerçekleştirilen çalışma sonucunda yeni bir yöntem önerisi getirilmemiş olsa da bundan sonraki benzer çalışmalara bir temel oluşturmuş ve üzerinde çalışılan makine öğrenmesi algoritması için karşılaştırma yapabilmemizi sağlayacak veriler sunmaktadır. Tip 2 diyabet hastalığının tahmininde en başarılı yöntemin Lojistik Regresyon olduğu görülmüştür.
Özet (Çeviri)
Objective: Diabetes, a chronic metabolic disorder, is a lifelong disease that occurs when the pancreas no longer produces enough insulin or when the body cannot effectively use the insulin it produces. In this study, the use of artificial intelligence technology to predict type 2 diabetes is addressed. The aim is to lighten the additional workload on healthcare systems due to early diagnosis, improve the quality of life of patients, and prevent them from experiencing economic difficulties due to high treatment costs. Method: We examined data from 126 patients obtained from private hospitals in the Mediterranean, Marmara, and Aegean geographical regions. We grouped patients diagnosed with Type 2 Diabetes by specialist physicians and control patients without a diabetes diagnosis. Logistic Regression (LR), Random Forest (RO), and Decision Trees were used to create models for predicting the group. AUC value, accuracy, sensitivity, specificity, precision, and F1 score were used to compare the performances of machine learning algorithms. Results: Complete blood count (hemogram) test results and sociodemographic characteristics were used for individuals with Type 2 diabetes and the control group. Logistic Regression, Random Forest, and Decision Tree techniques yield ROC AUC values of 92.6% (88.1-97.1), 73.6% (65.9-81.4), and 84.5% (78.3-90.7), respectively. The Logistic Regression algorithm achieved higher success in classification with a ROC AUC of 92.6% and 88.1-97.1 confidence interval compared to other machine learning algorithms. Conclusion: Although no new method proposal was made in this study, it provides a foundation for future similar studies and presents data for comparing the machine learning algorithm studied. The most successful method for predicting Type 2 diabetes was found to be Logistic Regression.
Benzer Tezler
- Akut apandisit patofizyolojisinde endoplazmik retikulum stres, apoptoz ve otofaji markerlarının incelenmesi
Investigation of autophagy, apoptosis, and er stress markers in acute appendicitis pathogenesis
BÜŞRA AYNEKİN
Yüksek Lisans
Türkçe
2015
GenetikTurgut Özal ÜniversitesiTıbbi Genetik Ana Bilim Dalı
DOÇ. DR. KADİR DEMİRCAN
- Yetişkinlerde primer hiperparatiroidizm tahmini: Makine öğrenimi modellerinin rolü
Prediction of primary hyperparathyroidism in adults: The role of machine learning models
İREM NESİL ÖZGÜN
Tıpta Uzmanlık
Türkçe
2023
Endokrinoloji ve Metabolizma HastalıklarıÇanakkale Onsekiz Mart Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. ERSEN KARAKILIÇ
DR. ÖĞR. ÜYESİ DUYGU SIDDIKOĞLU
- Konotrunkal kardiak anomalilerde 22q11 mikrodelesyonunun araştırılması
Başlık çevirisi yok
GÖKHAN ACAR
Tıpta Uzmanlık
Türkçe
1998
KardiyolojiAkdeniz ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ŞÜKRAN TAÇOY
- Postmenopozal kadınlarda prostoglandin E1'in lipoprotein metabolizmasına etkisi
Başlık çevirisi yok
HASAN BAYAR
Tıpta Uzmanlık
Türkçe
2002
Kadın Hastalıkları ve DoğumAkdeniz ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
PROF. DR. ÖMÜR TAŞKIN
- Kronik böbrek yetmezliği olan hastalarda hemodiyaliz işleminin trombosit aktivasyonu ve agregasyonu üzerine etkisi
Başlık çevirisi yok
MEHMET ARTAÇ
Tıpta Uzmanlık
Türkçe
2002
NefrolojiAkdeniz Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. İHSAN KARADOĞAN