Early Stage Diabetes Prediction Using Machine Learning Methods

Abstract

Diyabet, tedavisi olmayan, yaygın ve ölümcül bir hastalıktır. Milyonlarca insan diyabet hastasıdır ve bu hastalık hayatlarını doğrudan etkilemektedir. Erken tedavi sayesinde diyabetin etkilerini azaltmak ve hastaların hayat standartlarını arttırmak mümkün olsa da çoğunlukla teşhis konulması yıllar sürebilen bir süreçtir. Diyabetin erken teşhisi için mevcut hastaların verileri kullanılarak makine öğrenmesi uygulanabilir. Bu sayede kan testi, glukoz ölçümü veya bu gibi herhangi bir tıbbi işleme gerek kalmadan diyabet teşhisi konulabilecek, diyabete yakalanma riski olan kişiler saptanabilecektir. Bu yaklaşımla diyabet teşhisinde kullanılabilecek bir makine öğrenmesi modeli geliştirmek çalışmanın konusunu oluşturmaktadır. Sunulan çalışmada 520 hastanın 16 farklı kategoride verisi işlenerek oluşturulan diyabet veri seti üzerinde sekiz makine öğrenmesi yaklaşımı uygulanmış, performans kıyaslaması 10 katlamalı çapraz doğrulama ile doğruluk, kesinlik, duyarlılık ve f skoru metrikleri ile ölçümlenmiştir. Ek olarak veri setinde yer alan özelliklerin diyabet teşhisindeki anlam önceliği araştırılmıştır. Geliştirilen modellerin hepsi belli düzeyde başarı oranını yakalamıştır. En düşük doğruluk oranı %88.82 sınıflandırma başarımı ile basit bir makine öğrenmesi tekniği olan Naive Bayes tekniği kullanılarak elde edilmiştir. En iyi sonuç 1 boyutlu evrişimsel sinir ağı ile elde edilmiştir. Evrişimsel sinir ağı kullanılarak elde edilen modelin doğruluğu %99.04, kesinliği %100, hassasiyet oranı %98.63 ve f skoru %99.31 olarak ölçülmüştür. Elde edilen sonuçlar, geliştirilen sınıflandırmanın diyabet teşhisinde bir soru seti olarak kullanılabileceğini göstermektedir.