Apriori birliktelik kuralları madenciliği kullanılarak iç hastalıkları tetkiklerinin keşfedilmesi

Read full text
Authors: Kevser Şahinbaş, Abdurrahman Keskin, Özlem Akçakoca
Cited by: 0
References: 34

Abstract

Tıbbi verilerin analizi, hastalıkların teşhisi ve tedavisi için önemli bir rol oynar. Günümüzde, veri analizi teknolojileri hızla gelişmekte ve bu teknolojiler sağlık sektöründe de yaygın olarak kullanılmaktadır. Bu bağlamda, son yıllarda yapılan araştırmalar, hastaların tıbbi verilerinden yararlanarak tetkik önerme sistemleri geliştirmeyi amaçlamaktadır. Bu sistemler, hastalıkların tanısı ve tedavisi için gerekli olan tetkiklerin doğru bir şekilde önerilmesine yardımcı olur. Ülkemizde iç hastalıkları polikliniğine başvuru sebeplerinin çok geniş yelpazede olduğu görülmektedir. Bu nedenle birçok tetkikten en önemli tetkiklere indirgeme işlemi klinik uygulanabilirlik açısından oldukça önemlidir. Bu çalışma Apriori algoritması kullanılarak birliktelik kuralı tabanlı bir tetkik önerme sistemi geliştirme amacını taşımaktadır. Çalışmamız, özel bir hastanenin iç hastalık bölümüne başvuran 43,958 farklı hasta üzerinde gerçekleştirilmiştir. Apriori algoritmasıyla yapılan analizin sonucunda 2304 farklı tetkikten 27 farklı tetkike indirgenmiştir. Bu sayede Apriori algoritması, yüksek destek, güven ve kaldırma gücüne sahip olan en güçlü ilişkileri belirleyerek, karmaşıklığı azaltmış ve en bilgilendirici tetkiklere odaklanılmasını sağlamıştır. Analizin işlem süresini ve maliyetini azaltmak için tetkik sayısının azaltılması, verilerin daha etkili bir şekilde işlenmesini sağlar. 27 seçilen tetkik, klinik uygulanabilirlik açısından daha anlamlı olup belirli bir hastalığın teşhisi veya takibi için daha uygun olabilir ve klinik pratiğe daha iyi uyarlanabilir. Azaltılan tetkik sayısı, makine öğrenme ve derin öğrenme modellerinin daha iyi performans göstermesini sağlar. Daha az özellikle çalışmak, model eğitimini hızlandırmakta ve aşırı uyum sorunlarını azaltmaktadır. Önerilen yöntem, hastaların tetkik ve test önerilerini otomatik olarak çıkaracak ve bu sayede sağlık kuruluşlarında daha etkili ve kişiselleştirilmiş tedavi planları oluşturmaya yardımcı olacaktır.

Fields of Study & Subjects

Artificial Intelligence in Healthcare AI in cancer detection Data Mining Algorithms and Applications

Publication details

Journal / source
Gümüşhane Üniversitesi Fen Bilimleri Enstitüsü Dergisi
Volume
16
Issue
1
Pages
11–36
Publication date
9 January 2026
Language
TR