COMPARATIVE ORDINAL LONGITUDINAL DATA ANALYSIS TO PREDICT A DIAGNOSIS OF ALZHEIMER'S DISEASE BY USING MULTIMODAL DATA

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, İSTATİSTİK ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: AYCAN ÇAĞRI EMEN

Danışman: Özlem İlk Dağ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Alzheimer Hastalığı (AH), yaşlı yetişkinleri etkileyen en yaygın nörolojik hastalıklardan biridir. Hastalık, semptomlar ortaya çıkmadan önce önemli ölçüde ilerleyebilir, bu nedenle erken teşhis, hastalığın ilerlemesini yavaşlatmak için kritik öneme sahiptir. Dolayısıyla, hastalığı tahmin etmek için uygun boylamsal analiz yöntemlerinin kullanılması gereklidir. Ancak, önceki çalışmalar sıklıkla verilerin boylamsal doğasını göz ardı etmiştir. Bu tez, bu eksiklikleri gidermek amacıyla, OASIS-3 veri kümesine çeşitli istatistiksel modeller ve makine öğrenimi algoritması uygulamaktadır. OASIS-3 veri kümesi; demografik bilgiler, bilişsel değerlendirmeler, MRG ve PET tarama sonuçlarını içermektedir ve bu veriler birleştirilerek Alzheimer Hastalığını etkileyen temel faktörlerin kapsamlı bir değerlendirmesi yapılmıştır. Çalışmada, hastalığın şiddetini sınıflandırmak ve etkili faktörleri belirlemek için marjinal modeller (Genelleştirilmiş Tahmin Denklemleri, GEE), rastgele etkili modeller (hem frekansçı hem de Bayesçi Genelleştirilmiş Doğrusal Karışık Modeller, GLMMs) ve bir makine öğrenimi algoritması (Ordinal Mixed Effect Random Forest, OMERF) kullanılmıştır. Bulgular, Bayesçi Genelleştirilmiş Karışık Modellerinin, şiddetli AH vakalarını ordinal veriler arasında tanımlamada diğer yöntemlerden daha üstün olduğunu göstermektedir. Bu araştırma, Alzheimer Hastalığı'nın ilerleyişini daha iyi anlamak ve tahmin etmek için gelişmiş boylamsal yaklaşımların önemini vurgulamakta olup, erken teşhis ve müdahale için değerli bilgiler sağlamaktadır.