Geleneksel Makine Öğrenmesi Aracılığı ile Diyabet Hastalığının Teşhisi

Abstract

Diyabet, tedavi edilmemesi durumunda vücutta kalıcı zarara yol açabilen ve dolayısıyla insanların ölümüne sebep olan ciddi bir hastalıktır. Diyabet hastalığının erken dönemde belirtilerinin fark edilemeyecek kadar hafif olması nedeni ile ilgili hastalarının çoğuna teşhis konulamamaktadır. Diyabet, teşhis konulamaması durumunda ise birçok hayati organımızı olumsuz olarak etkileme potansiyeline sahiptir. Global çapta en önemli ölüm sebeplerinden ilk on içerisinde olan diyabetin dolayısı ile erken dönemde teşhis edilmesi ve gereken tedbirlerin alınması hususu önem arz etmektedir. Yapay zekâ alanında gerçekleştirilen gelişmeler, hastalıkların erken teşhisinde dolayısı ile takip ve tedavisinde önemli rol oynamaktadır. Özellikle diyabet hastalığın teşhisinde son yıllarda medikal alanda gerçekleştirilen teknolojik gelişmeler aracılığı ile temin edilen verilerin kısa sürede analiz edilebilmesi açısından erken dönemde hastalığın teşhisi ve takibinin gerçekleşmesinde başarılı sonuçlar elde edilmektedir. Yapılan çalışmada tanısal ölçümlere dayanılarak diyabet hastalığının teşhisinde kullanılan Ulusal Diyabet ve Sindirim ve Böbrek Hastalıkları Enstitüsü tarafından Pima Indian kökenli 21 yaşından büyük kadınların verilerine dayalı bir veri tabanı kullanılmıştır. Kullanılan veriler gebelik sayısı, glikoz miktarı, kan basıncı, deri kalınlığı, insülin miktarı, vücut kitle indeksi, diyabet soyağacı fonksiyonu ve yaş verileridir. Veri tabanında 268 diyabet hastasına karşılık 500 sağlıklı kontrol grubuna ait etiketlenmiş veriler bulunmaktadır. Yapılan çalışmada ilgili veri tabanı geleneksel makine öğrenmesi üzerine sınıflandırma yöntemleri aracılığı ile sınıflandırılmıştır. Sınıflandırma üzerine kullanılan yöntemler içerisinde Toplu Torbalı Ağaç sınıflandırma yöntemi %88,3 sınıflandırma doğruluk değeri ile en başarılı yöntem olarak tespit edilmiştir.