Geri Dön

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

  1. Tez No: 859268
  2. Yazar: BESTE KAYSI
  3. Danışmanlar: DOÇ. DR. ÖZGÜR GÜMÜŞ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
  13. 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

  1. 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

    Türkçe

    2022

    BiyoistatistikKaradeniz Teknik Üniversitesi

    Biyoistatistik ve Tıp Bilişimi Ana Bilim Dalı

    PROF. DR. KEMAL TURHAN

  2. 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

    İngilizce

    2024

    Mühendislik Bilimleriİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. İNCİ ZAİM GÖKBAY

    DOÇ. DR. YUSUF KAYAR

  3. 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

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    Onkoloji Ana Bilim Dalı

    DOÇ. DR. GİZEM ÇALIBAŞI KOÇAL

  4. 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

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Üniversitesi

    Biyoteknoloji Ana Bilim Dalı

    DOÇ. DR. MUSTAFA FATİH ABASIYANIK

  5. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Biyomedikal Ana Bilim Dalı

    DOÇ. DR. MUHAMMET SERDAR BAŞÇIL