ALS vaka tespitinde bayes ağları ve makine öğrenmesi yöntemlerinin karşılaştırılması

Abstract

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.