Alzheimer Hastalığının Erken Teşhisinin Çoklu Değişken Kullanarak Tespiti

Abstract

Alzheimer hastalığı (AD) Dementia’nın bir türü olup bilişsel bir rahatsızlıktır. Alzheimer Hastalığının teşhisi, özel olmayan çeşitli değerlendirme ve biyobelirteçlere dayanmaktadır. Erken teşhis konulmazsa, hastalığın ilerlemesi ile ölüme bile sonuçlanabilecek ya da yaşam süresini kısaltacak etkileri vardır. Kesin tanı için beyindeki amiloid plaklarına bakılarak teşhis konulsa da bu birikme hastalığın sebebi değil sonuçlarından biri değerlendirilmektedir. Hastalığın erken teşhisinde ve ilk safhalarında amiloid plaklarının birikimi gözlenmesi ile teşhis oldukca zor ve zahmetlidir. Bu çalışmada, bir açık kaynak veri tabanından alınan demanslı hastalara ait klinik, bilişsel ve biyobelirteç veriler ile önişlemeli makine öğrenmesi yöntemleri kullanılarak Alzheimer Hastalığının erken teşhisi için bir yöntem önerilmiştir. Kullanılan yöntemler Karar Ağaçları, Gradient Boost, Extreme Gradient Boost, Light Gradient Boost, Cat Boost ve Rasgele Orman yapılarıdır. Bu yöntemler arasında Gradient Boost %91,25 ile en iyi sonucu sergilemiştir.

Alzheimer's disease (AD) is a type of Dementia and is a cognitive disorder. Diagnosis of Alzheimer's Disease is based on a variety of nonspecific assessments and biomarkers. If not diagnosed early, it has effects that may result in the progression of the disease, even death, or shorten the life span. Although the diagnosis is made by looking at the amyloid plaques in the brain for a definitive diagnosis, this accumulation is considered as one of the results, not the cause of the disease. In the early diagnosis and early stages of the disease, the diagnosis is very difficult and troublesome with the observation of the accumulation of amyloid plaques. In this study, a method for early diagnosis of Alzheimer's Disease is proposed by using preprocessed clinical, cognitive and biomarker data of patients with dementia from an open-source database and machine learning methods. The methods used are Decision Trees, Gradient Boost, Extreme Gradient Boost, Light Gradient Boost, Cat Boost and Random Forest structures. Among these methods, Gradient Boost showed the best result with 91.25%.