Developing machine learning based clinical decision support system to predict clinical outcomes in the emergency department
Acil serviste klinik olayları tahmin etmek için makine öğrenmesi tabanlı karar destek sistemi geliştirilmesi
- Tez No: 859268
- Danışmanlar: DOÇ. DR. ÖZGÜR GÜMÜŞ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 180
Özet
Acil servisler, kaza ve yaralanma gibi beklenmedik durumlarda hastaların tedavi edildiği hastane bünyesindeki özel birimlerdir. Bu birimdeki teşhis ve müdahaleler, hastayı olası ciddi sağlık sorunlarından ve ölümden koruduğu için büyük önem taşımaktadır. Bu da acil servislerde karar verme süreçlerinin iyileştirilmesi ihtiyacını doğurmaktadır. Makine öğrenimi modelleri, klinik sonuçları tahmin etmek ve acil servis ortamlarındaki mevcut durumu iyileştirmek için kullanılmaktadır. Ancak makine öğrenimi modelleri, etkili tahmin performansı için büyük miktarlarda doğru toplanmış hasta verisine ihtiyaç duyar. Mevcut karar alma mekanizmalarına entegre olmaları da zordur. Bu tezde, farklı veri birleştirme işlemleri gerçekleştirerek modellerin tahmin performansını artırmak için çeşitli makine öğrenimi modelleri ve çoklu görev yöntemleri kullanılmaktadır. Amaç, mortalite, yoğun bakım ünitesine kabul, üç günden fazla hastanede kalma ve Sepsis-3 kriterlerini karşılama gibi kritik klinik sonuçları doğru bir şekilde tahmin etmektir. Bu araştırma, geliştirilen modellerin farklı özelliklere sahip hasta popülasyonları ve çeşitli sağlık kuruluşlarından alınan veriler arasında bazı klinik sonuçlar için genellenebilirliğini göstererek makine öğrenimi tabanlı klinik karar verme sistemlerinin geliştirilmesine katkıda bulunmaktadır. Ayrıca acil servis hastalarında, özellikle de yoğun bakım ünitesi hastalarında sepsis tahminini mümkün kılarak bu alana katkı sağlamaktadır.
Özet (Çeviri)
Emergency services are special units within a hospital where patients are treated in unexpected situations such as accidents and injuries. Diagnosis and interventions in this unit are of great importance as they protect the patient from severe possible health problems and death. This leads to the need to improve decision-making in emergency departments. Machine learning models are used to predict clinical outcomes and improve the current situation in emergency department settings. However, machine learning models require large amounts of accurately collected patient data for effective prediction performance. It is also difficult for them to integrate into existing decision-making mechanisms. In this thesis, various machine learning models and multitasking methods are used to improve the prediction performance of the models by performing different data merging operations. The aim is to accurately predict critical clinical outcomes such as mortality, intensive care unit admission, hospitalization for more than three days, and meeting Sepsis-3 criteria. This research contributes to developing machine learning-based clinical decision-making systems by demonstrating the generalizability of the developed models for some clinical outcomes across patient populations with different characteristics and data from various healthcare organizations. It also contributes to this field by enabling sepsis prediction in emergency department patients, especially in intensive care unit patients.
Benzer Tezler
- Derin öğrenme yaklaşımı ile sigara bırakma tedavisinin belirlenmesi için karar destek sisteminin geliştirilmesi
Developing decision support system for determining of smoking cessation therapy with deep learning approach
MEHMET ERŞAN KALAYCI
Yüksek Lisans
Türkçe
2022
BiyoistatistikKaradeniz Teknik ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
PROF. DR. KEMAL TURHAN
- Mathematical model-based clinical decision support system algorithm design study that can support the diagnosis of celiac disease
Çölyak hastalığının teşhisine destek verebilecek matematik model tabanlı kds algoritması tasarımı
ELİF KESKİN BİLGİÇ
Doktora
İngilizce
2024
Mühendislik Bilimleriİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
DR. İNCİ ZAİM GÖKBAY
DOÇ. DR. YUSUF KAYAR
- Açık kaynaklı klinik kanser verilerinin R-Shiny uygulaması ile yapay zeka tabanlı web arayüzü destek sisteminin geliştirilmesi
Development of artificial intelligence based web interface support system with R-Shiny application from open source clinical cancer data
HÜSEYİN KORAY MISIRLIOĞLU
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül ÜniversitesiOnkoloji Ana Bilim Dalı
DOÇ. DR. GİZEM ÇALIBAŞI KOÇAL
- Development of web-based expert system with machine learning algorithms for remote diagnosis
Uzaktan teşhis için web tabanlı uzman sistemin makina öğrenme algoritma ile geliştirmesi
SHAHRIAR SHAMIL UULU
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih ÜniversitesiBiyoteknoloji Ana Bilim Dalı
DOÇ. DR. MUSTAFA FATİH ABASIYANIK
- Kronik inflamatuvar demiyelinizan polinöropati (CIDP) hastalığının teşhisinde makine öğrenme algoritmaları kullanılarak karar destek sistemi oluşturma
Developing a decision support system for the diagnosis of chronic inflammatory demyelinating polyneuropathy (CIDP) using machine learning algorithms
HÜSEYİN AKBUDAK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBiyomedikal Ana Bilim Dalı
DOÇ. DR. MUHAMMET SERDAR BAŞÇIL