Kalp sağlığı yaşam için son derece büyük bir öneme sahiptir. Kaslı bir yapıya sahip olan kalp dakikada ortalama 70 defa kasılıp gevşeyerek vücuda besin ve oksijence zengin kanın ulaştırılması ve kirli kanın vücuttan toplanmasını sağlamaktadır. Tüm vücudu besleyen kalp, odacıkları içerisinde yer alan kandan kendi yararlanamamakta, kalp dokusunun kanlanması koroner arterler ile sağlanmaktadır. Bu damarlarda meydana gelen tıkanma, kalp dokusunun yeterince beslenememesi sonucu kalp krizlerine neden olmaktadır. Kalp krizleri dünya genelinde yaygın olarak görülen sağlık sorunları olup, ölümler ve ağır hasarlarla sonuçlanmaktadır. Kalp krizine sebep olan çok sayıda etken bulunmakta ve bu nedenle teşhisi karmaşıklaşmaktadır. Pek çok insan kalp krizine sebep olan belirtileri kriz anına kadar fark edememekte ve kalp krizinin teşhisi uzmanlar için de zor bir hal alabilmektedir. Bu nedenle kalp krizi riskinin tespiti ve olası kalp hastalıklarının erken teşhisinde uzmanlara karar desteği sağlayacak sistemlere ihtiyaç doğmaktadır. Yapay zekâ teknolojisindeki hızlı gelişmeler farklı alanlarda olduğu gibi sağlık alanında da sorunlara alternatif çözümler sunmaktadır. Mevcut veriler üzerinden öğrenerek yeni durumlar hakkında başarılı tahminler üretebilen makine öğrenmesi teknikleri, hastalıkların erken teşhisi konusunda uzmanlara destek sağlamaktadır. Bu çalışmada kalp krizi riskinin erken teşhisine yönelik olarak 14 farklı özellikten oluşan ve 303 adet örnek içeren veri seti üzerinde Rastgele Orman, Lojistik Regresyon ve Naive Bayes teknikleri kullanılarak karşılaştırmalı bir sınıflama çalışması gerçekleştirilmiştir. En yüksek doğruluk değeri %90.32 olarak Rastgele Orman tekniği ile elde edilmiş, bunu %87.10 ile Lojistik Regresyon ve %83.83 ile Naive Bayes izlemiştir.
Anahtar Kelimeler: Kalp krizi, erken teşhis, makine öğrenmesi
|
