Predicting the existence of mycobacterium tuberculosis on patients by data mining approach

Abstract

Günümüzde veri madenciliği yöntemleri birçok problemin çözümünde oldukça popüler bir tekniktir. Kısaca tanımlamak gerekirse, veri madenciliği mevcut bir veri kümesinden çeşitli örüntüler elde etmeye yarayan bir mekanizmalar bütünüdür. Elde edilen bu örüntüler, mevcut olan ya da yeni toplanan verilerin yorumlanarak bu verilerden anlamlı bilgilerin elde edilmesinde kullanılır. Birçok çalışma alanında geniş ölçekli veriler ile çalışılır. Bu verilerin anlamlı bilgiye dönüştürülmesinde çok sayıda farklı algoritmalar ve yaklaşımlar uygulanmıştır.Biyomedikal alanı veri madenciliği tekniklerinin kullanılarak verilerin anlamlı bilgilere dönüştürülebildiği alanlardan biridir. Kalp atımlarının sınıflandırılması, Alzheimer hastalığında arkaplandaki MEG (Magnetoencephalography) aktivitesinin analizi, insandaki kalıtsal metabolik bozuklukların metabolik biyomarkerlar ile öngörülmesi ve kanda Sikolosporin A seviyelerinin tahmin edilmesi gibi konu başlıkları altında birçok veri madenciliği çalışması yapılmıştır.Bu çalışma tüberküloz hastalarının sınıflandırılması problemi üzerinde yoğunlaşmıştır. Tüberkülozun kesin tanısının konmasında hastanın balgamında bakterinin bulunup bulunmadığına dair bir testin yapılması gereklidir. Bu testin neticesi de yaklaşık olarak 45 günlük bir zaman dilimi sonunda belli olmaktadır. Bizim çalışmamızın amacı, veri madenciliği tekniğini kullanarak tüberküloz hastalığının tanısını kesin tıbbi test sonuçlarını beklemeden, mümkün olduğunca tutarlı bir şekilde koyabilen bir sistem geliştirmektir. Sistemin tutarlı bir şekilde çalışması çok önemlidir. Çünkü gerçekte tüberküloz olmayıp sistem tarafından tüberküloz olarak sınıflandırılan hastalar 45 gün boyunca güçlü ve yoğun bir antibiyotik tedavisine boşu boşuna alınacaklar ve bunun sonunda gereksiz olarak kullandıkları ilaçların yan etkilerine maruz kalacaklardır. Aynı şekilde gerçekte tüberküloz olup sistem tarafından tüberküloz dışı sınıflandırılan hastalar da 45 gün boyunca tedaviye alınmayıp uygulanması gereken tedavi programına geç başlayacaklar ve mevcut hastalıkları daha da ilerlemiş olacaktır.Yapmış olduğumuz çalışmamızın bulguları neticesinde ANFIS metodunun tüberküloz hastalarının sınıflandırılması konusunda Bayesian Network, Multilayer Perceptron, Part, Jrip ve RSES metodlarına göre daha tutarlı ve güvenilir olduğunu gördük.Anahtar Kelimeler: ANFIS, Biyomedikal, Hastaların Sınıflandırılması

Data mining techniques are very popular for solving various problems. As a brief description, data mining is a mechanism for obtaining patterns from an existing data set. Those extracted patterns are used to interpret the new or existing data into useful information. In most of the areas, large scaled data is collected. To convert these data into information, many different algorithms and approaches are used.Biomedical is one of the areas where data mining can be applied to convert data into information. Many studies are made under topics such as classification of cardiac beat, analysis of MEG (Magnetoencephalography) background activity in Alzheimer's disease, predicting metabolic biomarkers of human inborn errors of metabolism, prediction of Cyclosporine A blood levels and etc.This study focuses on classification of tuberculosis patients. To make a correct diagnosis of tuberculosis, a medical test must be applied to patient?s phlegm. The result of this test is obtained about after a time period of 45 days. The purpose of this study is to develop a data mining solution which makes diagnosis of tuberculosis as accurate as possible and helps deciding if it is reasonable to start tuberculosis treatment on suspected patients without waiting the exact medical test results or not. It is imperative that, there must be a very accurate classification for this model. Because false positive classified patients will use strong antibiotics for 45 days for nothing and they have to deal with its side affects. And the false negative classified patients? treatment plan will be suspended for 45 days and within this untreated period their disease will get even worse than it is. Therefore, correct prediction of tuberculosis is a very important issue.According to the findings of our study, we concluded that ANFIS is an accurate and reliable method comparing to Bayesian Network, Multilayer Perceptron, Part, Jrip and RSES methods for classification of tuberculosis patients.Keywords: ANFIS, Biomedical, Patient Classification