PSİKOLOJİK HASTALIKLAR ALANINDA MEDİKAL TAHMİNLER ÜRETMEYE YÖNELİK DERİN ÖĞRENME TABANLI DİL MODELLERİNİN GELİŞTİRİLMESİ

Abstract

Medikal metinlerin yapay zekalı sistemler tarafından analiz edilmesi, hastane yönetim süreci, hasta sağlığı takibi, kişiselleştirilmiş tıp önerileri ve hekim kararını destekleyici öneri sistemleri için önemli katkılar sunmaktadır. Psikolojik rahatsızlık yaşayan hastaların erken safhada tespit edilmesi ve bu hastaların doğru birime sevkinin sağlanması hem tedavi sürecinde hem de hastane işleyişi sürecinde önemli kazanımlar sağlanacak bir konudur. Günümüzde psikolojik rahatsızlıkların farkındalığı oldukça düşük seviyede olmakla birlikte, bu hastaların tedavi amaçlı farklı tıbbi birimlere sıklıkla başvurdukları bilinmektedir. Bu problemlerin çözümüne yönelik katkılar sunmak amacıyla hasta-hekim görüşmelerinden oluşan medikal metinler üzerinden Derin Öğrenmeli sistemlerle analizler yapmak ve potansiyel olarak psikolojik hastalık belirtisi taşıyan yeni hastaları tespit etmek bu tez çalışmasının öncelikli hedefidir. Bu tez kapsamında, geçmişte psikolojik tedavi gören hasta metinleriyle potansiyel yeni hastaların cümleleri arasındaki anlamsal benzerlik örüntülerini tespit eden dil temsili modelleri geliştirilmiştir. Ayrıca potansiyel psikiyatri bölümü hastalarının, sıklıkla başvurduğu diğer tıbbi bölümler ve psikolojik rahatsızlıkların sık görülen komplikayonları deneysel bulgularla açıklanmıştır. Alanda yapılan literatür taramasına göre ilk kez gerçekleştirildiği düşünülen bir yöntem olarak, hastalıktan bağımsız herhangi bir psikolojik rahatsızlığın erken tespiti için tek bir modelin kullanılabilmesi sağlanmıştır. Önerilen yöntemde hekim kararlarıyla yaklaşık %89 oranında aynı tahmini üreten bir mimari sunulmaktadır. Bu yöntemin kullanımıyla birlikte; bireysel tespitlerin dışında, toplumsal kaygıların belirlenmesi ve bu kaygıların sebebiyet verdiği psikolojik rahatsızlıkların ülkelere göre değişimi analiz edilmiştir. Benzeri amaçla gerçekleştirilecek çalışmalarda tıbbi verilere erişim güçlüğü ve etiketli veri eksikliğinin dezavantajlarını minimum seviyeye indirmek için iki farklı veri artırım yöntemi önerilmektedir. Bu yöntemlerle birlikte psikolojik rahatsızlıkların tespitinde %90 üzerinde başarı sağlayan Derin Öğrenme tabanlı dil modelleri geliştirilmiştir.

The analysis of medical texts by artificial intelligence systems offers important contributions to the hospital management process, patient health monitoring, personalized medicine recommendations and recommendation systems that support physician decision-making. Detecting patients with psychological disorders at an early stage and ensuring that these patients are referred to the right unit is an issue that will provide significant gains both in the treatment process and in the hospital operation process. Although the awareness of psychological disorders is at a very low level today, it is known that these patients frequently apply to different medical units for treatment. In order to contribute to the solution of these problems, the primary goal of this thesis is to analyze medical texts consisting of patient-physician interviews with Deep Learning systems and to identify new patients with potential signs of psychological illness. In this thesis, language representation models have been developed to detect patterns of semantic similarity between the sentences of patients who have received psychological treatment in the past and the sentences of potential new patients. In addition, other medical departments that potential psychiatry patients frequently consult, and common complications of psychological disorders are explained with empirical findings. According to the literature review in the field, it is thought to be the first time that a single model can be used for the early detection of any psychological disorder independent of the disease. In the proposed method, an architecture that produces approximately 89% of the same prediction with physician judgements is presented. With the use of this method, apart from individual determinations, the determination of social concerns and the change in psychological disorders caused by these concerns according to countries were analyzed. Two different data augmentation methods are proposed to minimize the disadvantages of difficulties in accessing medical data and lack of labelled data in similar studies. Together with these methods, Deep Learning-based language models that provide over 90% success in the detection of psychological disorders have been developed.