Diyabet tanısının tahminlenmesinde denetimli makine öğrenme algoritmalarının performans karşılaştırması

Abstract

Hastalık tanısının doğru sınıflandırılmasında, hangi değişkenlerin analize alınacağı ve sonuçların nasıl değerlendirileceği klinik karar verme sürecinin yanı sıra istatistiksel yaklaşımda da doğru bir şekilde tanımlanmalıdır. Bu çalışmada en iyi sınıflandırma performansına sahip algoritmaya iki farklı yaklaşımla karar verilmesi amaçlanmıştır. Kullanılan veri seti, Haziran-Eylül 2013 arasında bir devlet hastanesinin endokrinoloji polikliniğine gelen yaşı 18 ve üstü olan toplam 232 hastadan elde edilmiştir. Diyabet tanısının sınıflandırılması için iki farklı yaklaşım kullanılmıştır. İlk yaklaşımda çokterimli lojistik regresyon yönteminde istatistiksel olarak anlamlı bulunan 18 değişken, ikinci yaklaşımda ise endokrinoloji uzmanı tarafından belirlenen ve klinik olarak önemli bulunan 21 değişkenle modeller kurulmuştur. Diyabet tanısı, denetimli makine öğrenme algoritmalarından Naïve Bayes, Bayes ağları, rastgele orman, karar ağaçları, destek vektör makinaları, k-en yakın komşuluk, yapay sinir ağları ve çokterimli lojistik regresyon yöntemleri ile sınıflandırılmıştır. Model performansları, doğrulukları, Kappa istatistikleri, ortalama mutlak hataları, hata kareler ortalamalarının karekökleri, göreceli mutlak hataları, duyarlılıkları, seçicilikleri, kesinlikleri, F-ölçütleri, Matthews korelasyon katsayıları, ROC eğrileri ve Youden indeksleri kriterlerine göre karşılaştırılmıştır. Model performanslarının test edilmesinde 10-katlı çapraz geçerlilik yöntemi uygulanmış, her algoritmanın çalışma süreleri hesaplanmıştır. Tüm analizler, WEKA 3.8.2 ve R Studio 1.1.383 ile yapılmıştır. Genel anlamda en iyi performansa sahip algoritma, rastgele orman algoritması olarak belirlenmiş, model doğrulukları sırasıyla %84.48 ve %81.90 olarak bulunmuştur. Diyabet hastalığının tanısının konulmasında, doğru sınıflandırma yapabilen modelin seçiminde klinik anlamlılığın yanı sıra istatistiksel anlamlılığa da önem verilmelidir.

Şeker hastalığı teşhisi ve önerilen modellerinin karşılaştırılması

“…Özkan ve ark. [8] çalışmalarında şeker hastalığı tanısının konulmasında veri kümesinde yer alan hangi değişkenin daha önemli olduğunu belirlemek için sınıflandırma modellerini iki farklı yaklaşım üzerine kurmuşlardır. Ayrıca kullandıkları veri kümesini bir devlet hastanesinden 18 yaşından büyük hastalardan topladıkları veriler ile elde etmişlerdir.…”

“…Çalışmalarında göze çarpan bir diğer detay ise veri kümelerinde yer alan verilerin sadece şeker hastası olan ve şeker hastası olmayan hastalardan oluşturmaktan ziyade şeker hastası olan, gizli şeker hastalığı (prediyabet) olan, şeker hastalığı olmayan ve gizli şeker hastalığı olmayan hastalardan elde ederek gerçekleştirmişlerdir. Çalışmalarında kullandıkları veri kümesinde yedisi kategorik olmak üzere 39 bağımsız değişken yer almaktadır [8]. Yaptıkları bu çalışmada şeker hastalığının tahmini için denetimli öğrenme tekniklerinin performanslarını karşılaştırmışlardır.…”

“…Yaptıkları bu çalışmada şeker hastalığının tahmini için denetimli öğrenme tekniklerinin performanslarını karşılaştırmışlardır. Çalışma sonucunda en iyi performansa sahip algoritmanın Rastgele Orman algoritması olduğunu ve modelin doğruluğunun %84,48 olduğu belirtmişlerdir [8]. Açık kaynak veri kümelerinden bir başkasının kullanıldığı Akyol ve ark.…”