Esnek hesaplama ve biyobilişim teknikleri ile bir klinik karar verme simülatörünün oluşturulması

Abstract

Dünyada her yıl milyonlarca insan, göğüs hastalıkları teşhisi ile hastanelere başvurmaktadır. Bu hastalıkların başında; kronik obstrüktif akciğer hastalığı, verem, astım, zatürree ve akciğer kanseri gelmektedir. Düşük gelirli ülkelerde, önemli bir sorun teşkil eden göğüs hastalıkları, 15 ile 49 yaş grubu insanların ölüm nedeni olarak ön sırada yer almaktadır. Solunum hastalıkları ülkemizde de çok önemli bir sağlık sorunudur. Bu çalışmada, solunum hastalıklarının teşhisinde yardımcı olacak bir klinik karar destek sistemi geliştirilmesi amaçlanmıştır. Bunun akabinde, literatürde spesifik bir hastalık üzerine yapılan uygulamalardan farklı olarak beş adet hastalık üzerinde sınıflandırma işlemi yapılmıştır. Bu doğrultuda geliştirilen uygulamada teşhis için yapay sinir ağı, yapay bağışıklık sistemi, genetik algoritma gibi esnek hesaplama ve biyobilişim teknikleri kullanılmıştır. Uygulama için gerekli olan veri seti, yerel bir hastanede yatan göğüs hastaları için düzenlenen epikriz raporlarından oluşturulmuştur. Gerçekleştirilen testler sonucunda; yapay bağışıklık sistemi ile % 93.83, yapay sinir ağları ile % 92.16, genetik algoritmalar ile % 91.31, ANFIS ile % 89.05 ve ROC ile % 93.00 doğruluk oranları elde edilmiştir. Sonuçlar bu alanda yapılan örnek çalışmalar ile karşılaştırılmıştır. Sonuç olarak, solunum hastalıklarının teşhisinde esnek hesaplama ve biyobilişim tekniklerinin kullanılmasında önemli sayılabilecek doğruluk oranı ile sınıflandırma işleminin başarılı olduğu görülmüştür. Ayrıca geliştirilen uygulama yerel bir hastane ortamında denenmiş olup uzman doktorların da desteğini almıştır.

Millions of people are diagnosed every year with a chest disease in the world. Chronic obstructive pulmonary, pneumonia, asthma, tuberculosis, lung cancer diseases are the most important chest diseases. Thoracic disease is a great problem in most low income countries; it is the single most frequent cause of death in individuals aged fifteen to forty-nine years. Thoracic disease is an important health problem in Turkey also. In this study, an application on chest diseases diagnosis was realized by using flexible computing and bioinformatics computing systems. Used neural network structures in this study were multilayer, probabilistic, and learning vector quantization neural networks. A genetic algorithm system and an artificial immune system were also performed to realize chest disease diagnosis for the classification and comparison. The results of the study were compared with the results of the pervious similar studies reported focusing on different chest diseases diagnosis. The pulmonary disease dataset were taken from a state hospital?s database using patient?s epicrisis reports.