Akademik Veri Yönetim Sistemi
Demirsoy İ. (Yürütücü), Özge A., Ceren Akgör M. H.
Yükseköğretim Kurumları Destekli Proje, BAP Araştırma Projesi, 2026 - 2027
Bu projenin amacı, primer ve sekonder baş ağrılarının ayırıcı tanısını geliştirmek için klinik fenotiplemeye dayalı açıklanabilir yapay zeka (XAI) modeli geliştirmek ve tanısal karar sürecinde en yüksek ağırlığa sahip klinik belirleyicileri ortaya koymaktır. .alışma kapsamında ayrıntılı klinik verileri bulunan 1700 hastaya ait tetikleyiciler, eşlik eden semptomlar, ağrı şiddeti, temporal özellikler ve demografik değişkenler analiz edilecektir. Sınıf dengesizliğini gidermek i.in sentetik örnekleme yöntemi uygulanacak, sınıflandırma modeli olarak eXtreme Gradient Boosting (XGBoost) algoritması kullanılacaktır. Model çıktılarının klinik olarak yorumlanabilirliğini sağlamak amacıyla SHAP ve LIME a.ıklanabilir yapay zeka teknikleri ile değişken katkıları analiz edilecektir. Projenin özgün değeri, baş ağrısı tanısında yalnızca doğruluk odaklı tahmin üretmek yerine, tanısal kararı şekillendiren klinik özellikleri nicel olarak ortaya koyan şeffaf bir yapay zeka yaklaşımı geliştirmesidir. Beklenen sonuçlar arasında primer baş ağrılarının .oklu tetikleyici yükü ve semptom kümeleri ile karakterize olduğunun gösterilmesi, sekonder baş ağrılarının ise daha belirgin zamansal örüntülerle ilişkili olduğunun belirlenmesi ve klinisyenlere karar destek sağlayabilecek a.ıklanabilir bir modelin oluşturulması yer almaktadır. Bu yaklaşımın, baş ağrısı sınıflandırmasında klinik doğruluğu artırması, tanısal belirsizliği azaltması ve kişiselleştirilmiş değerlendirme stratejilerine katkı sağlaması beklenmektedir.