Tez No	İndirme	Tez Künye	Durumu
361326		A literature-driven clinical decision support system for human congenital malformations / İnsan konjenital malformasyonlari için bir literatür temelli klinik karar destek sistemi Yazar:GÖKHAN KARAKÜLAH Danışman: PROF. DR. OĞUZ DİCLE ; PROF. DR. BİLGE KARAÇALI Yer Bilgisi: Dokuz Eylül Üniversitesi / Sağlık Bilimleri Enstitüsü / Biyomühendislik Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Biyomühendislik = Bioengineering ; Çocuk Sağlığı ve Hastalıkları = Child Health and Diseases Dizin:Doğal dil işleme = Natural language processing ; Karar destek sistemleri = Decision support systems ; Malformasyonlar = Abnormalities ; Sağlık = Health ; Teşhis = Diagnosis ; Teşhis-ayırıcı = Diagnosis-differential	Onaylandı Doktora İngilizce 2014 132 s.
Bu çalışmada insan konjenital malformasyonlarıyla (KM) ilişkili olgu sunumlarının, doğal dil işleme (DDİ) teknikleri aracılığı ile anlamsal olarak çözümlenmesi ve KM'ları karakterize eden fenotipik özelliklerin belirlenmesi hedeflenmiştir. Bununla beraber, işlemsel ve istatistiksel yöntemler ile elde edilen bulgular doğrultusunda KM'ların tanısında kullanılmak üzere bir klinik karar destek sistemi yazılımı geliştirilmesi amaçlanmıştır. Medical Subject Headings (MeSH) veri tabanı hastalıklar kategorisinde yer alan insan KM'ları ile ilişkilendirilmiş olgu sunumları, PubMed ve PubMed Central veri tabanlarından indirildi. The Human Phenotype Ontology'de (HPO) yer alan insan KM'ları ile ilişkili fenotipik özellikler, serbest metin formunda hazırlanmış olgu sunumları üzerinde DDİ teknikleri yardımı ile belirlendi ve her bir fenotipik özelliğin KM'lardaki görülme sıklıkları hesaplandı. Sonrasında, her bir KM için çoklu doğrusal regresyon modeli oluşturularak, belirlenen fenotipik özellikler ilişkili oldukları KM'lar için major ve minör olarak sınıflandırıldı. Son olarak, HTML, PHP ve JQuery web teknolojilerinden faydalanılarak, KM'ların tanı aşamasında kullanılmak üzere bir klinik karar destek sistemi yazılımı ve bu yazılıma ait kullanıcı ara yüzleri tasarlandı. MeSH veri tabanından elde edilen 486 KM'la ilişkili PubMed ve PubMed Central veri tabanlarında 60.000'nin üzerinde serbest metin formatında hazırlanmış olgu sunumuna ulaşılmış ve bir derlem oluşturulmuştur. HPO terimleri ve bu terimlerin eş anlamlılarından oluşan toplam 10171 farklı fenotipik özellikten faydalanılarak derlem üzerinde yapılan metin çözümleme işlemi sonrasında, 486 KM'un her biri ile ilişkili yaklaşık 33 fenotipik özellik tanımlanırken, bu özelliklerin 8 tanesinin ilişkili olduğu KM'u karakterize etmeye yardımcı majör bir bulgu olduğu belirlenmiştir (p<0.001). Bu çalışmada, literatürde yer alan olgu sunumlarından DDİ teknikleri kullanılarak elde edilen bilginin bir klinik karar destek sistemi için güvenilir bir bilgi kaynağı olabileceği gösterilmiştir. Klinik tanısı karmaşık olan KM örneğinde olduğu gibi geliştirilen klinik karar destek sisteminin gerek klinik uygulamalarda, gerekse uzamanlık ve tıp öğrencilerinin eğitimine yardımcı bir araç olarak yararlanabileceği ortaya konulmuştur. Bir sonraki aşamada, geliştirilen yazılımın hastane bilgi sistemine entegre edilerek kendini güncelleyebilen bir karar destek sistemi olması sağlanabilir.
This study aims at analyzing semantically the case reports on human congenital malformations (CMs) using natural language processing (NLP) techniques and determining the phenotypic features that characterize the CMs. In addition to these, the study aimed at developing a decision support system for use in the diagnosis of CMs, in line with the findings obtained with computational and statistical methods. The case reports on the human CMs in the diseases category of the Medical Subject Headings (MeSH) database were downloaded from PubMed and PubMed Central databases. The phenotypic features related to the human CMs in the Human Phenotype Ontology (HPO) were determined in the case reports which were prepared in free text format, via NLP techniques; and the frequencies of each phenotypic feature in CMs were calculated. Later, the phenotypic features were classified as minor and major for the CMs they had been selected for by forming a multiple linear regression model for each malformation. Lastly, a clinical support system tool and the user interfaces for this tool were designed using HTML, PHP and JQuery web technologies. Over 60,000 free text formatted case reports, related to the 486 CMs obtained from the MeSH database, were accessed in the PubMed and PubMed Central databases and a corpus was built. After the text analysis conducted using the 10171 different phenotypic features, comprising of HPO terms and the synonyms of these terms, it was found that while there were approximately 33 phenotypic features related to each of the CM, 8 of these features were the major findings for characterizing the related CM (p<0.001). This study showed that the information extracted from the case reports in the literature via NLP methods can be a reliable information source for a clinical decision support system. As in the CM example, in which the clinical diagnosis is quite complex, the clinical decision support system developed here has been proven to be used both in clinical applications and as a facilitating tool for specialty and medicine student training. In the next step the system developed here could be transformed into a decision support system which can update automatically by integrating it into the hospital information system.