Publication:
Machine Learning In Healthcare And Medicine Applications

Simple item page
dc.contributor.authorÖnder, Emrah
dc.contributor.authorGözübol, Zekiye İrem
dc.contributor.authorSevim, Ekrem
dc.contributor.institutionauthorGÖZÜBOL, ZEKİYE İREM
dc.date.accessioned2020-11-21T11:02:59Z
dc.date.available2020-11-21T11:02:59Z
dc.date.issued2019-10-10T00:00:00Z
dc.description.abstractAmaç: Çalışmanın amacı; sağlık hizmetleri ve tıp alanında yazılmış olan akademik çalışmalarda yapay zekânın bir alt kümesi olan makine öğreniminin kullanım alanlarını ve uygulamaları incelemektir.Yöntem: Belirlenen amaca ulaşabilmek için akademik veritabanlarından ve indekslerden -makine öğrenimi-, -sağlık hizmetleri-, -sağlık-, -sağlık yönetimi- arama kelimeleri kullanılarak 311 adet makale indirilmiş ve bunlardan bu çalışmaya uygun olan 159 tanesi detaylı incelenmiştir. Akademik çalışmaların yılları, hangi ülke yazarları tarafından hazırlandıkları, hangi sağlık konusunu işledikleri, hangi akademik dergilerde yayınlandıkları, hangi anahtar kelimeleri kullandıkları ve hangi makine öğrenimi algoritmalarından yararlandıkları gibi kategorilerde frekans grafikleri çizilmiştir.Bulgular: Çalışmaların yayınlandığı yıllar incelendiğinde en fazla çalışma 2014 (24), 2015 (30) ve 2016 (27) yıllarında yapılmıştır. Akademik çalışmaların yayınladığı dergi ve konferanslar incelendiğinde sağlık alanında makine öğreniminin kullanıldığı araştırmalara JAMA (9), PLOS ONE (7), -Computational and Structural Biotechnology Journal- (3), -Health Affairs- (3), -American Journal of Preventive Medicine- (2) ve -Expert Systems with Applications- (2) dergilerinde ve IEEE’nin düzenlediği kongrelerde sunulan bildirilerde (16) sıklıkla rastlanmıştır. Akademik çalışmaların yazarlarının (her çalışmanın ilk üç yazarı) ülkeleri incelendiğince ABD (103), İngiltere (24) ve Çin (22) ülkeleri en üst sırada çıkan ülkeler olmuştur. Bu ülkeleri Yunanistan (11), Singapur (9), Hindistan (8), Fransa (6), Almanya (6), Fransa (6), İran (5), Kanada (5), Danimarka (4) ve Slovenya (4) takip etmiştir. Kullanım sıklığına göre sıralandığında -Makine öğrenimi-, -veri madenciliği-, -sağlık hizmetleri-, -büyük veri-, -elektronik sağlık kayıtları-, -öngörü modelleri-, -giyilebilir cihazlar-, -sağlık enformatiği-, -sınıflandırma-, -nesnelerin interneti-, -tıbbi enformatik-, -yapay zeka-, -mobil sağlık hizmetleri-, -derin öğrenme-, -doğal dil işleme-, -bulut bilişim-, -insan hareket analizi / algılama-, -kalp yetmezliği-, -sağlık yönetimi-, -sensör-, -kanser- ve -sağlık yönetimi- anahtar kelimeleri çalışmalarda sıklıkla kullanılmıştır. Makine öğreniminin sıklıkla kullanıldığı veri analizi yöntemleri regresyon, sınıflandırma, kümeleme ve boyut indirgemedir. Bu çalışma kapsamında incelenen akademik çalışmalarda en sık sınıflandırma analizine yer verilmiştir. Çalışmalarda en sık kullanılan makine öğrenimi algoritmaları sırasıyla derin öğrenme (39), destek vektör makineleri (25), karar ağaçları (21), yapay sinir ağları (16), naif bayes (14), lojistik regresyon (8), rassal orman algoritması (4), J48 algoritması (4), bayes ağları (3) ve k-en yakın komşuluk algoritmasıdır (2). Makine öğrenimi yöntemlerinin performansları genellikle %70 ile %100 arasında değişmektedir. -Accuracy- ve -F Score- sıklıkla kullanılan performans parametreleridir. Uç değerler atıldığında veri setlerine ait satır sayısı ortalaması (birim sayısı) 333, sütun sayısı (değişken sayısı) ortalaması ise 15 olarak bulunmuştur.Sonuç: Çalışma sonuçlarına göre daha sık olarak tıp alanında çalışma var iken sağlık yönetimi alanında çalışmaya daha az rastlanmıştır. Büyük veri (%9,82), elektronik sağlık kayıtlarının analizi (%8,59), kalp yetmezliğinin değerlendirilmesi (%6,13), klinik görüntüleme (%4,91), genomik (%4,29), kanser nüks tahmini (%3,68), kanserde hayatta kalma tahmini (%3,68), diyabet hastalığı tanısı (%3,07), mobil sağlık uygulamaları (%3,07), kalp hastalığı tanısı (%2,45), giyilebilir teknoloji ve bulut bilişim ile bütünleşme (%1,84), hepatit hastalığı tanısı (%1,84), karaciğer hastalığı tanısı (%1,84), aktivite izleme (%1,84), dang humması hastalığı tespiti (%1,23), doğal dil işleme (%1,23) ve radyoloji (%1,23) en çok rastlanan uygulama alanları olarak tespit edilmiştir. Sağlık yönetimi kapsamında hastaneye giriş yapan hastalar için hasta kalış süresi ve maliyetlerinin tahmini daha sık çalışmalar yapılabilir konular olarak öngörülmektedir. Türkiye’de sağlık yönetimi ve tıp alanında makine öğrenimin kullanıldığı akademik çalışmaların artmasında fayda vardır.Anahtar Kelimeler:Sağlık Hizmetleri, Tıp, Sağlık Yönetimi, Yapay Zekâ, Makine Öğrenimi, Derin Öğrenme
dc.identifier.urihttp://hdl.handle.net/20.500.12645/27402
dc.subjectÖnder E., Gözübol Z. İ. , Sevim E., -Machine Learning In Healthcare And Medicine Applications-, 3rd International Health and Hospital Administration Congress, Sakarya, Türkiye, 10 - 13 Ekim 2019, cilt.1, no.1, ss.1-5
dc.titleMachine Learning In Healthcare And Medicine Applications
dc.typeConference Paper
dspace.entity.typePublication
local.avesis.ida8e2c25f-a63b-4cd0-8a78-a51dd80c61c9
local.publication.goal03 - Sağlık ve Kaliteli Yaşam
local.publication.isinternational1
relation.isAuthorOfPublication8f9ed9df-e96f-4ed4-83e6-2d35d2e88528
relation.isAuthorOfPublication.latestForDiscovery8f9ed9df-e96f-4ed4-83e6-2d35d2e88528
relation.isGoalOfPublication9c198c48-b603-4e2f-8366-04edcfc1224c
relation.isGoalOfPublication.latestForDiscovery9c198c48-b603-4e2f-8366-04edcfc1224c
Files
Collections
Yayınlar - Eserler