PARKİNSON HASTALIĞINI TESPİT ETMEK İÇİN MAKİNE ÖĞRENİMİNİ KULLANMAK

19 8

Özet

Parkinson hastalığı, dünya çapında milyonlarca insanı etkileyen ilerleyici bir nörolojik hastalıktır. Hastalığın erken ve doğru bir şekilde tespiti, hastalığın ilerlemesinin yönetilmesinde ve hasta sonuçlarının iyileştirilmesinde önemli bir rol oynamaktadır. Bu çalışmada, sağlıklı bireyler ve Parkinson hastalığı tanısı almış bireyleri temsil eden 195 örnek ve 24 özellik içeren bir veri setine makine öğrenmesi algoritmaları uygulandı. Yapılan analizler veri setinin dengesiz olduğunu ortaya koymuştur. Kayıtların yaklaşık %75'i Parkinson hastalığı tanısı almış kişilere ait. Parkinson hastalığının tespitinde makine öğrenimi modellerinin etkinliğini değerlendirmek için beş algoritma tanıtıldı: Lojistik regresyon, doğrusal çekirdekli destek vektör makinesi (SVM), karar ağacı, rastgele orman ve K-en yakın komşu (KNN). Sonuçlar, Random Forest ve KNN modellerinin diğer yöntemlere kıyasla daha üstün performans elde ettiğini göstermiştir. Özellikle KNN modeli en yüksek doğruluğu (%95), hassasiyeti (%94), geri çağırmayı (%100) ve F1 skorunu (%97) gösterdi. Rastgele orman modeli ayrıca doğruluk (%92) ve KNN'ye yakın diğer metriklerle yüksek performansa ulaşmış olup, bu sınıflandırma görevi için güvenilirliğini göstermiştir. Öte yandan Lojistik Regresyon ve SVM ortalama sonuçlar gösterdi; hassasiyet, geri çağırma ve F1 puanları %95'in altındaydı. Bu çalışma, Parkinson hastalığını tespit etmek için makine öğrenimi tekniklerinin kullanılma potansiyelini göstererek, büyüyen tıbbi teşhis alanına katkıda bulunmaktadır.