Özet:
Bayes Ağları (BA), son on yılda birçok alanda kullanımı hızla yayılan grafiksel
istatistiksel modellerdendir. Ekonomi, finans, eğitim, mühendislik, tıp ve
biyomedikal alanlarda veri madenciliği amacıyla kullanılabilen bu yöntem
karmaşık ilişkili veri setlerinin modellenmesinde önemli rol oynamaktadır.
Çalışmamızda amaçlanan BA yaklaşımı kullanarak Amyotrofik Lateral Skleroz
(ALS) hastalığını modellemek ve tahminde bunmaktır. ALS klinik tanısı erken
dönemde zor olan bir hastalıktır. Ancak ALS tanısı koymada kan testleri, diğer
tanı yöntemlerine göre daha az zaman alan ve düşük maliyetli yöntemlerdir. ALS
araştırmalarında, hastalığın genetik mimarisini tahmin etmek amacıyla makine
öğrenmesi yöntemleri kullanılmıştır. Bu çalışmada ise Parkin protein düzeyi ve
hastalık önsel bilgileri birlikte kullanılarak bireye ALS tanısı koymada yardımcı
olacak bir model geliştirmektir. Elde edilen sonuçlar makine öğrenmesi
yöntemleri ile karşılaştırılmıştır.
Karşılaştırma sonuçlarına göre, Bayes Ağlarının doğruluk değeri 0,887 ve ROC
eğrisi altındaki alan (AUC) 0,970 olarak bulunmuştur. Bu sonuçlara göre cinsiyet
ve yaşın ALS vaka türünün tahmin edilmesinde etkili değişkenler olduğu
doğrulanmıştır. Ayrıca ALS hastalarında tutulum yaşama olasılığının çok yüksek
olduğu tespit edilmiştir. Son olarak, Parkin protein düzeyinin Parkinson hastalığı
üzerinde etkili olduğu gibi ALS hastalığı üzerinde de etkisi olabileceği ortaya
çıkarılmıştır. Bu proteinin düzeyi Parkinson hastalarında çok düşük seviyelerde
iken ALS hastalarında tüm kontrol gruplarına göre daha yüksek bulunmuştur.
