Yapılandırılmış Klinik Verilerle Alzheimer Hastalığının Makine Öğrenmesi Tabanlı Sınıflandırılması

Abstract

Bu çalışmada, yapılandırılmış klinik veriler kullanılarak Alzheimer hastalığının ikili sınıflandırılmasına yönelik, veri sızıntısı riskini sınırlandırmayı ve deneysel tekrarlanabilirliği esas alan kontrollü bir makine öğrenmesi yaklaşımı uygulanmıştır. Çalışmada 2.149 sentetik klinik kayıttan oluşan açık erişimli bir veri kümesi kullanılmıştır. Veri kümesi, sınıf dağılımları korunarak tabakalı örnekleme yöntemiyle %70 eğitim, %15 doğrulama ve %15 bağımsız test kümelerine ayrılmıştır. Ön işleme parametreleri yalnızca eğitim verisinden öğrenilmiş ve bağımsız test kümesi model geliştirme sürecinden tamamen izole edilmiştir. Karar Ağacı (Decision Tree), Rastgele Orman (Random Forest), K-En Yakın Komşu (K-Nearest Neighbors), Lojistik Regresyon (Logistic Regression), Destek Vektör Sınıflandırıcısı (Support Vector Classifier), XGBoost ve CatBoost olmak üzere yedi sınıflandırma algoritması, 5 katlı tabakalı çapraz doğrulama ile karşılaştırılmıştır. Model seçimi, ayrı doğrulama kümesindeki alıcı işletim karakteristiği eğrisi altında kalan alan (ROC-AUC) ölçütüne göre gerçekleştirilmiştir. En yüksek doğrulama ROC-AUC değeri 0,9389 ile CatBoost tarafından elde edilmiştir. Erken durdurma sonucunda en uygun model 15. iterasyonda belirlenmiş ve eğitim ile doğrulama kümelerinin birleştirilmesiyle yeniden eğitilmiştir. Nihai CatBoost modeli, 323 kayıtlık bağımsız test kümesinde %93,19 doğruluk, %94,74 duyarlılık, %92,34 özgüllük ve %90,76 F1 skoru sağlamıştır. ROC-AUC değeri 0,9547, Matthews korelasyon katsayısı (MCC) ise 0,8557 olarak hesaplanmıştır. Hata matrisi 108 doğru pozitif, 193 doğru negatif, 16 yanlış pozitif ve 6 yanlış negatif örnekten oluşmuştur. Bulgular, yapılandırılmış klinik özelliklerin mevcut sentetik veri kümesinde yüksek ayırt etme performansı sağladığını göstermektedir.