Gebelikte Anne Sağlığı Risk Gruplarının Tahminine Yönelik Makine Öğrenmesi Tabanlı Bir Karar Destek Sistem Tasarımı

Authors : İrem Şenyer Yapıcı, Rukiye Uzun Arslan

Pages : 509-520

Doi:10.34248/bsengineering.1455473

View : 77 | Download : 98

Publication Date : 2024-05-15

Article Type : Research Paper

Abstract :Gebelik döneminde anne sağlığı risklerinin erken tespiti ve uygun müdahalelerin yapılması, anne ve bebek sağlığı açısından hayati bir önem taşımaktadır. Bu süreçte, büyük veri kümelerinden elde edilen karmaşık ilişkileri ve desenleri otomatik olarak analiz edebilen makine öğrenme (MÖ) algoritmalarının kullanımı son derece kritik bir rol oynamaktadır. MÖ algoritmaları, büyük veri setlerindeki gizli bilgileri açığa çıkararak, gebelikle ilişkili risk faktörlerini daha doğru bir şekilde belirleme imkanı sunmaktadır. Bu bağlamda gerçekleştirilen bu çalışmada, gebelik sürecinde anne sağlığı risk seviyelerinin özellikle yüksek riskli hamileliklerin tahmininde başarının arttırılmasına odaklanılmıştır. Bunun için öncelikle başarımı artıracak önemli (kritik) özellikler belirlenmiş ve altı farklı makine öğrenme algoritması kullanılarak en etkili bilgisayar temelli karar destek sistemi tasarlanmaya çalışılmıştır. Ki-Kare testi SelectKBest yöntemiyle birlikte uygulanarak, veri setindeki en kritik özelliklerin yaş, sistolik kan basıncı ve diyastolik kan basıncı olduğu tespit edilmiştir. Yanı sıra veri setindeki dengesizliği gidermek için sentetik azınlık aşırı örnekleme tekniğinden (SMOTE) yararlanılmıştır. Önerilen modelde kullanılan MÖ algoritmalarının başarımları hold-out performans değerlendirme yöntemiyle analiz edilmiştir. Elde edilen bulgular ışığında, SMOTE tekniğinin kullanılmasının gebelikteki risk seviyelerinin tahmininde model başarımlarını artırmada olumlu bir etkiye sahip olduğu belirlenmiştir. Önerilen modelde her bir sınıflandırma algoritması için en yüksek sınıflandırma başarımı yüksek risk sınıfı için elde edilmiştir. Kullanılan algoritmalar arasında, %97 başarı oranıyla en üstün performansa sahip olanının ekstrem gradyan arttırma algoritması olduğu tespit edilmiştir. Genel olarak elde edilen sonuçlar, önerilen modelin yüksek risk taşıyan gebeliklerin tespitinde son derece etkili olduğunu doğrulamaktadır. Bu bulgu, önerilen MÖ temelli karar destek sisteminin uzman hekimlere gebelik sürecinde daha doğru teşhisler koyma ve gerekli müdahaleleri daha hızlı bir şekilde gerçekleştirme konusunda önemli bir destek sağlama potansiyeline sahip olduğunu göstermektedir.
Keywords : Gebelik risk sınıfları, Anne sağlığı, Makine öğrenmesi, Özellik seçimi, SMOTE