Makine öğrenmesi yöntemleriyle kalp hastalıklarının tahmin edilmesi

Abstract

Kalp hastalıkları, kalbe giden damarlarda tıkanıklık, kalp kapakçığında açıklık ya da kalbin beklenmedik herhangi bir yerinde oluşan bir sorun ile ortaya çıkar. Kalp Hastalığı riskini arttıran iki önemli faktör vardır. Bunlar Genetik Faktörler ve Çevresel Faktörlerdir. Kalp hastalıklarında en yaygın görünen damarlardaki plaklanmadan dolayı olan kalp krizidir. Kalp hastalıklarının en önemli belirtisi göğüs ağrısıdır ve araştırmalar bu ağrılar ile karşılaşan insanların yaş ortalamasının günden güne düştüğünü göstermektedir. Dünya Sağlık Örgütünün verilerine göre dolaşım sistemi hastalıkları adı altında Dünya'da her yıl 17,9 milyon insan kalp hastalıklarından, Türkiye'de ise Türkiye İstatistik Kurumu verilerine göre ortalama 168 bin insan hayatını kaybetmektedir. Kalp Hastalığı Göğüs Ağrısı, nefes darlığı, bayılma, yorulma ve halsizlik gibi etkileri olan ve günlük yaşantınızı olumsuz yönde etkileyecek bir hastalıktır. Erken teşhis konulduğunda hastalığın ileri safhalara geçmemesi ve tedavinin başlaması hastanın hayatını kurtarır. Bu çalışmada 165'i Kalp hastası olan 303 denekten oluşan Heart Disease UCI veri seti üzerinde cinsiyet, diyabet, yaş, kolesterol, göğüs ağrısı türleri gibi özelliklerle çeşitli makine öğrenmesi yöntemleri uygulanmıştır. Lojistik Regresyon, K-En Yakın Komşu, Destek Vektör Makineleri, Naive Bayes, Karar Ağacı, Rastgele Orman, LightGBM Model, XGBoost Model, Ridge Model ve Bagging Model algoritmaları karşılaştırılmış, çıkan sonuçlar değerlendirilmiş ve farklı parametreler kullanılarak Rastgele Orman Algoritması ile %90,16 oranında doğruluk değer elde edilmiştir.

Heart diseases emerge as a result of a complication presenting itself in an unexpected part of the heart, as an infarction in the veins leading to the heart or an orifice in the cardiac valve. There are two important factors increasing the risk of heart disease. These are the genetic factors and environmental factors. The most common among the heart diseases is cardiac arrest, which occurs due to the plaque build-up in the veins. The most important symptom of heart disease is chest pain, and the researchers suggest that the average age of people experiencing these pains go down day by day. According to World Health Organization data, 17,9 million people die due to heart disease every year under the name of circulatory system diseases, and an average of 168 thousand people pass away in Turkey according to the Turkish Statistical Institute data. Heart diseases cause chest pain, shortness of breath, fainting, fatigue and exhaustion symptoms and affect peoples' life negatively. When diagnosed at an early stage, the patient's life can be saved by starting treatment and preventing the disease from advancing. In this research, various machine learning methods were applied on the Heart Disease UCI dataset comprised of 303 subjects including 165 cardiac patients, with factors such as sex, diabetes, age, cholesterol, and types of chest pain. Logistic Regression, K-Nearest Neighbor, Support Vector Machines, Naive Bayes, Decision Tree, Random Forest, LightGBM Model, XGBoost Model, Ridge Model and Bagging Model algorithms were compared, the results were evaluated, and 90,16% truth value was obtained with Random Forest Algorithm using different parameters.