Yapay zeka temelli tahlil sonuçları analizi ve ön tanı oluşturmanın tıp alanına faydası
Artificial intelligence-based analysis of test results andprediagnosis benefits for the medical field
- Tez No: 980425
- Danışmanlar: PROF. DR. UĞUR YAVUZ, PROF. DR. ZEYNEP KARAMAN ÖZLÜ
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sağlık sektöründe yapay zeka teknolojilerinin kullanımı, özellikle hastalık teşhisinde ve tahlil sonuçlarının analizinde yükselişe geçmiştir. Bu konuda, yapay zekanın büyük veri işleme yeteneği, tıbbi bilgilerin hızlı ve etkili bir şekilde değerlendirilmesini mümkün kılmıştır. Bu çalışma, tiroid hastalıklarının teşhisine odaklanan bir yapay zeka modelinin geliştirilmesini amaçlamaktadır. Yapay zeka, karmaşık tahlil verilerinin işlenmesi ve çözümlenmesi sürecinde uzmanlara önemli bir rehber olarak sunulmaktadır. Tiroid bezinin insan sağlığı üzerindeki kritik rolü ise, bu çalışmayı özellikle önemli hale getirmektedir. Tiroid bezinin ürettiği TSH, T3, T4, Anti-TPO ve Anti-TG gibi hormon ve antikorların seviyelerindeki anomaliler, bir tiroid hastalığı belirtisi olabilir. Bu nedenle, tahlil sonuçlarının doğru bir şekilde değerlendirilmesi, hastalık teşhisinde konusunda önemli bir yer tutar. Ancak bu değerlendirme, uzmanlık gerektiren bir süreç olduğu için zaman alıcı ve hata yapmaya açık bir hal alabilir. Bu noktada, yapay zeka tabanlı bir sistem, süreci hızlandırabilir ve hata oranlarını azaltabilir. Araştırmanın gerçekleştirilmesinde, gerçek hasta verilerine erişimde yaşanan zorluklardan dolayı sentetik veri üretimi ihtiyacını doğmuştur. Bu amaçla, Python programlama dili ve Faker kütüphanesi kullanılarak gerçeğe benzer sentetik veri setleri oluşturulmuştur. Bu veri setleri, ulusal referans değerler ışığında tanıları koyulmuş, tiroid hastalıklarının klinik parametrelerine uygun şekilde sınıflandırılmıştır. Sentetik veri üretimi, etik ve hukuki sorunları minimize ederken, modelin eğitimi için gereken veri çeşitliliğini sağlamıştır. Çalışmada kullanılan Random Forest algoritması, sınıflandırma problemlerinde sıkça tercih edilen güçlü bir modelleme yöntemidir. Bu algoritma, çoklu karar ağaçlarının kombinasyonuna dayanır ve genellikle yüksek doğruluk oranları ile göze çarpar. Veri setinin %80'i modelin eğitimi için, %20'si ise test için ayrılmıştır. Rastgelelik kontrolü sağlamak amacıyla random_state parametresi kullanılmıştır. Modelin doğruluk oranı, sentetik verilerle eğitilmiş olmasına rağmen Random Forest algoritmasıyla anonim veriler üzerinde yapılan testte %97, sentetik veriler üzerinden yapılan testte sentetik veriler üzerinden elde edilen doğruluk oranı %98,44 olarak kaydedilmiştir. Ayrıca LightGBM kullanılarak eğitilen modelin sentetik veriler üzerindeki doğruluk oranı %98,75 olarak hesaplanmıştır. Bu model, anonim verilerle test edildiğinde ise %96,67'lik bir başarıya ulaşmıştır. Benzer şekilde XGBoost algoritmasıyla eğitilen modelde sentetik veri testi %98,12 başarı gösterirken, anonim verilerle test edildiğinde yine %96,67 doğruluk elde edilmiştir. Random Forest algoritmasıyla yapılan eğitimde ise Bu başarı oranı, modelin tiroid hastalıklarının ön tanısında umut verici bir araç olduğunu göz önüne getirmektedir. Bu çalışma, yalnızca sağlık profesyonellerine teşhis sürecinde destek olmakla kalmayıp, bireylerin kendi tahlil sonuçlarını anlamalarına da katkı sağlamayı hedeflemektedir. Yapay zeka teknolojilerinin klinik karar destek sistemlerine entegre edilmesi, teşhis süreçlerini daha hızlı ve güvenilir hale getirme potansiyeline sahiptir. Bunun yanı sıra, veri gizliliği ve etik hassasiyetler gözetilerek gerçek hasta verilerinin kullanılmaması da, hasta mahremiyetinin korunması açısından önemli bir yarar sağlamıştır. Sonuç olarak bu çalışma, yapay zekanın tıbbi uygulamalardaki yeteneğini vurgulamakta ve tiroid hastalıklarının erken teşhisinde yeni bir bakış açısı sunmaktadır. Yapay zeka tabanlı tahlil analizi ve tanı sistemlerinin geliştirilmesi, sağlık hizmetlerinin daha verimli ve erişilebilir olmasına katkıda bulunabilir. Bu çerçevede, geliştirilen modelin klinik uygulamalarda kullanım potansiyelinin değerlendirilmesi ise, gelecekteki araştırmalara ışık tutacaktır.
Özet (Çeviri)
The use of artificial intelligence (AI) technologies in the healthcare sector has been on the rise, particularly in disease diagnosis and the analysis of laboratory results. In this context, AI's ability to process large-scale data has made it possible to evaluate medical information quickly and effectively. This study aims to develop an AI model focused on the diagnosis of thyroid diseases. AI is presented as a significant guide for specialists in processing and interpreting complex lab data. The critical role of the thyroid gland in human health makes this study particularly important. Abnormalities in the levels of hormones and antibodies such as TSH, T3, T4, Anti-TPO, and Anti-TG produced by the thyroid gland may indicate the presence of a thyroid disorder. Therefore, accurate evaluation of test results plays a key role in disease diagnosis. However, since this evaluation is a process requiring expertise, it can be time-consuming and prone to error. At this point, an AI-based system can accelerate the process and reduce error rates. Due to difficulties in accessing real patient data during the research process, the need to generate synthetic data emerged. For this purpose, synthetic datasets resembling real data were generated using the Python programming language and the Faker library. These datasets were labeled based on national reference values and classified according to clinical parameters of thyroid diseases. Synthetic data generation helped minimize ethical and legal concerns while providing the necessary data diversity for model training. The study utilized the Random Forest algorithm, a widely preferred and powerful modeling method for classification problems. This algorithm relies on a combination of multiple decision trees and is known for delivering high accuracy. 80% of the dataset was allocated for training the model, while 20% was used for testing. To ensure reproducibility, the random_state parameter was employed. The model's accuracy rate, although trained on synthetic data, was calculated as 97% on anonymized data using the Random Forest algorithm. When tested on synthetic data, the Random Forest model achieved an accuracy rate of 98.44%. Additionally, a model trained using LightGBM achieved 98.75% accuracy on synthetic data and 96.67% accuracy on anonymized data. Similarly, the model trained with XGBoost reached 98.12% accuracy with synthetic data and 96.67% accuracy with anonymized data. This success rate highlights the promising potential of the model as a diagnostic tool for early detection of thyroid disorders. This study aims not only to support healthcare professionals in the diagnostic process but also to help individuals better understand their own lab results. The integration of AI technologies into clinical decision support systems has the potential to make diagnostic processes faster and more reliable. Moreover, by avoiding the use of real patient data, data privacy and ethical concerns were effectively addressed, ensuring the protection of patient confidentiality. In conclusion, this study emphasizes the capabilities of AI in medical applications and offers a new perspective on the early diagnosis of thyroid diseases. The development of AI-based lab analysis and diagnostic systems can contribute to making healthcare services more efficient and accessible. In this context, evaluating the potential of the developed model for clinical use will provide guidance for future research.
Benzer Tezler
- Dijital vatandaşlık ve yapay zeka ile güçlendirilmiş sosyal kredilendirme sisteminin toplumsal sonuçları: Çin örneği
Social consequences of a social crediting system powered by digital citizenship and artificial intelligence: The case of China
ENES IŞIKGÖR
Yüksek Lisans
Türkçe
2026
SosyolojiBitlis Eren ÜniversitesiSosyoloji Ana Bilim Dalı
PROF. DR. ALİ ÜLVİ ÖZBEY
- Etkin bina emlak vergi değerinin belirlenebilmesi için makine öğrenme temelli bir değerleme modeli önerisi
A proposal for a machine learning based valuation model for determining efficient building property tax value
ELİF ŞEVVAL TAŞTAN
Yüksek Lisans
Türkçe
2025
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. REHA METİN ALKAN
- Çölyak hastalığının teşhis edilmesi ve sınıflandırılmasında yapay zekâ algoritmalarının kullanılması
Application of artificial intelligence algorithms in the diagnosis and classification of celiac disease
MANARBEK SAKEN
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. NEJAT YUMUŞAK
- Gıda sektöründe satın alma süreçlerinin yapay zekâ tabanlı iç kontrol sistemleriyle yeniden şekillendirilmesi
Reshaping purchasing processes in the food sector with artificial intelligence-based internal control systems
OSMAN EMRE KURTULUŞ
- İnsan idrar sedimenti mikroskobik içeriğinin derin öğrenme temelli yapay zeka sistemi ile belirlenmesi
Determining the microscopic content of human urine sediment by deep learning based artificial intelligence system
YUNUS EMRE YÖRÜK
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. HAMDİ MELİH SARAOĞLU