Page 5 - Dijital KobiEfor Ocak 2023

yüksek uzmanlarımızla oluşan oranında doğru yönlendirilmesini
sinerji, başarıyı getiren en önemli yapabilmekte. Yetişmiş doktor ek-
faktörlerden birisi oldu.” sikliği, gün be gün doktorların yurt
Özgür Şahin, projede geçir- dışına çıkması, hastaların randevu
dikleri aşamaları şöyle anlattı: almasında yaşanan aksamalar ve
“Büyük miktarda veri içerisinden, bekleme sürelerinin artması gibi
gizli kalmış, değerli, kullanıla- sorunların aşılmasında bu ürünün
bilir bilgileri açığa çıkarmak ve çok faydalı olacağını değerlendiri-
stratejik kararlara destek sağla- yoruz ve ürünün yaygın kullanımı
yabilmek için veriyi çok iyi anla- ile birlikte yanlış yönlenmeler so-
mak, üzerinde detaylı çalışmalar LSTM derin öğrenme algoritması nucunda tıbbi birimlerde gereksiz
yapmak, algoritmaları test eder- %98 doğruluk oranı ile en başa- yoğunluk oluşmasının önlenmesi
ken alınan başarısız sonuçlar- rılı sınıflandırma algoritması ol- ve bu sayede doktorlarımızın iş
dan yılmamak gibi listeyi daha da muştur. Çalışma sonuçları yapay yükünün azaltılması gibi sağlık
uzatabileceğimiz birçok önemli sinir ağları ve makine öğrenmesi sistemimize olumlu katkıları ola-
nokta bulunuyor. Türkçe hasta şi- algoritmalarının kıyaslanması ve cağına inanıyoruz” diye konuştu.
kayetlerinin analiz ve sınıflandı- doğal dil işleme sürecinde kulla-
rılmasının yapıldığı bu çalışmada nılması adına sonraki çalışmalar Muayene sürelerini ve
aynı veri kümesi üzerinde Ran- için kaynak teşkil edecektir.” teşhiste hata yapma
dom Forest, SVC, LightGBM, Na- riskini %70 azaltıyor
ive Bayes makine öğrenmesi al- Doktorların iş yükünü Özgür Şahin, sözlerini şöyle
goritmaları ve LSTM (LongShort azaltacak, sağlık sistemine tamamladı: “Doktorların, makine
Term Memory) Derin öğrenme olumlu katkıları olacak öğrenmesi algoritmaları ile yük-
algoritmaları ile ayrı ayrı yapılan Sibernetik Doktor Asistanı, sek tahminleme yaparak onları
sınıflandırma işlemleri başarıyla hastaların şikayet ve bulgula- asiste eden robotik sistemlerle
gerçekleştirilmiştir. Kullanılan rından yola çıkarak %98 doğru çalışması, ilk denemelerde mua-
sınıflandırma algoritmalarının yönlendirme yapabiliyor: Özgür yene sürelerini azalttığı, yorgun-
her bir tanesi farklı başarı oran- Şahin, “Sonuç olarak yola çıkar- luk, dalgınlık sebebi ile gözden
ları göstermiştir. Kullanılan algo- ken en başta sorduğumuz soruya kaçan semptomlar sebebi ile
ritmalardan elde edilen çıktılara geri dönecek olursak yanıtımız teşhiste hata yapma riskini %70
göre LSTM derin öğrenme algo- kocaman bir evet olacak. Yukarıda azalttığı ve doktorların farkında-
ritması kullanılan diğer makine özetlediğimiz çalışmalarımız neti- lığını arttırdığı gibi geri bildirim-
öğrenmesi algoritmalarına göre cesinde geliştirdiğimiz yeni asis- ler almaktayız. Bizlere iletilen bu
çok daha başarılı bir sonuç ver- tanımız hastaların şikâyet ve bul- geri bildirimler ile yola çok daha
miştir. Elde edilen çıktılara göre gu verilerinden yola çıkarak %98 keyifle devam ediyoruz.”

Ocak 2023 KobiEfor Dijital 5