Alzheimer's disease (AD) one of the major health problem all around the world and unmitigated cure has not been found yet. A correct diagnosis of AD can be affirmed by histopathologic tests. In addition, mental tests and daily activities can lead diagnose of patients' mental condition. The goal of this study is to develop a data mining solution using neuropsychological test results that makes diagnosis of AD and its stages as accurate as possible and assist to medical doctors' final decision.
In this study, Sugeno-Type adaptive-network-based fuzzy inference system (ANFIS), multilayer perceptron (MLP), Iterative Dichotomiser 3 (ID3) and One Rule (OneR) algorithms were assessed whether to could predicting AD. The data set is collected from 264 patients who complained about their health problems and applied to Istanbul University's Department of Neurology. All of the subjects’ ages are 65 or over. The blind data records has 11 attributes that covers basic demographic information and neuropsychological test results. Using “Information Gain” filter, ineffective attributes are eliminated.
According to the results, ANFIS classified the instances with the highest correctness rate which is %96 and MLP classified an accuracy of 87%, ID3's is 76% and OneR's is 76%. In addition ANFIS has a high performance based on the methods that sensitivity, specificity and root mean square error.
Alzheimer hastalığı günümüzün en önemli sağlık sorunlarından biri olup, bu hastalığın tam anlamıyla tedavisi günümüz şartlarında mümkün değildir. Bir hastaya Alzheimer teşhisi koymak için histopatolojik testlere ihtiyaç duyulmaktadır. Buna ek olarak zihinsel testler, günlük aktivitelerinin değerlendirilmesi de hastalığın teşhisinde önemli rol oynamaktadır. Bu çalışmanın amacı, hastaya uygulanan nöropsikolojik testlerin sonuçları doğrultusunda veri madenciliği çözümü geliştirmektir. Böylece hekimlerin Alzheimer teşhisinde hız kazanıp hastalık hakkındaki kararlarında kolaylık sağlaması amaçlanmaktadır.
Bu çalışmada, Alzheimer hastalığının önceden tahmini için, Sugeno-Type adaptive-network-based fuzzy inference system (ANFIS) sistemi kullanılmış, multilayer perceptron (MLP), Iterative Dichotomiser 3 (ID3) ve One Rule (OneR) algoritmaları ile de karşılaştırılmıştır. Tahmin sistemi için kullanılan veriler, İstanbul Üniversitesi Nöroloji Departmanı’na sağlık sorunlarıyla başvuran 65 yaş üstü 264 hastanın kayıtlarından alınmıştır. Kayıtlar, hastaların demografik özellikleri ile birlikte, nöropsikolojik testler sonuçlarından oluşan 11 temel özellikte gruplanmıştır. Bir sonraki aşamada işlevsel özelliklerin kullanılması için “Information Gain” filtresi ile veriler filtrelenmiştir. Filtreleme sonucu, yaş ve cinsiyet çıkarılarak bu sayı 9’a düşürülmüştür.
Yapılan çalışmalar neticesinde ANFIS verileri 96% oranında hastanın gruplandırılmasını doğru olarak hesaplamıştır. MLP algoritması 87%, OneR ve ID3 algoritmaları da 76% oranında başarı göstermiştir. Aynı zamanda hassaslık, özgünlük ve ortalama karesel hata değerlerinde ANFIS’in diğer algoritmalara göre belirgin bir şekilde daha iyi performans sergilediği gözlemlenmiştir.
