Akademik Veri Yönetim Sistemi
Yıldırım T. (Yürütücü), Düdükçü H. V., Çimen S., Ayten U. E., Şahin S., Damcı T.
TÜBİTAK Projesi, 1001 - Bilimsel ve Teknolojik Araştırma Projelerini Destekleme Programı, 2024 - 2026
Diyabet olarak da adlandırılan Diabetes mellitus, düzensiz yüksek kan şekeri seviyelerine neden olan ve bir glukometre ile sürekli kan şekeri seviyesinin izlenmesini gerektiren kronik bir hastalıktır. Sürekli ve invazif kan şekeri ölçümlerine alternatif olarak literatürde diyabet takibine yönelik hasta kan şekeri düzeylerinin tahmini üzerine çalışmalar bulunmaktadır. Bu çalışmalar diyabet hastalarının yaşam kalitesini artırmayı amaçlamaktadır.
Bu projede, hastaları modellemek ve glukometre olmadan kan şekeri seviyelerini tahmin etmek için yapay zeka yöntemlerinden yararlanılacaktır. Projede öncelikle hastalara yönelik derin öğrenme yöntemleri içeren kişisel tahmin modelleri oluşturulacaktır. Projenin ikinci fazında ise projede geliştirilen derin öğrenme modelleri çeşitli simülasyonlarla test edildikten sonra insülin pompası yazılımı geliştirilecektir. Daha sonra mobil uygulamadan elde edilen verilere ve geliştirilen hasta modellerine dayalı olarak kan şekeri seviyesi tahminleme yapılacak ve tahmin sonucundaki kan şekeri seviyesine göre hastanın insülin enjeksiyon dozu hesaplanacaktır. Önerilen proje, uygun insülin dozajlarını belirlemek amacıyla yapay zeka (AI) algoritmalarından yararlanmak için bir mobil uygulama ile sorunsuz bir şekilde entegre olan yenilikçi bir insülin pompası yazılımı olan InsulAI'nın geliştirilmesiyle sonuçlanacaktır. InsulAI, makine öğrenimi tekniklerinden yararlanarak ve hastaya özel günlük verileri işleyerek, uygulanacak insülin miktarını doğru bir şekilde tahmin edebilecektir. Geliştirilecek olan yazılım, invazif kan şekeri izleme ihtiyacını azaltarak ve insülin doz hesaplanmasını kolaylaştırarak diyabet hastalarının yaşam kalitesini önemli ölçüde iyileştirecektir.
Proje içerisinde geliştirilecek olan insülin dozu hesaplama algoritması içerisinde çalışacak olan kan şekeri tahmin modellerinin eğitim ve testlerinde 30 farklı hasta profili kullanılması planlanmaktadır. Projede öncelikle yalnızca literatürde kullanıma sunulan gerçek hazır veri kümeleri kullanılacaktır. Buna ek olarak profil sayısının artırılması için diyabet simülatörlerinden de yararlanılacaktır. Model eğitimleri sırasında ise 20 hasta profili kullanılarak ortak diyabet tahmin modeli eğitilecek ve kalan 10 hasta için de model başarımının artırılması için ortak model üzerinde ince ayar eğitimleri gerçekleştirilecektir. Proje içerisinde kan şekeri tahmini sonuçları ve insülin doz hesaplamaları başarımları çeşitli değerlendirme metrikleri kullanılarak değerlendirilecek ve proje ekibindeki uzman doktorların onayına sunularak başarımları doğrulanacaktır. Gerekli görülmesi durumunda hazır veri setleri ve simülatörler kullanılarak oluşturulan modellerin başarımını arttırmak amacıyla proje içerisinde de benzer hasta verileri toplanarak model eğitimlerinde kullanılacaktır.
Önerilen proje, tahmin edilen verileri kullanarak hasta modellerini güncellemeyi ve insülin pompası yazılımı için tahmin edilen kan şekeri seviyelerini kullanmayı içerdiğinden, literatürdeki mevcut çalışmalara kıyasla özgün bir yaklaşıma sahiptir. Ayrıca geçmiş kan şekeri, gün içinde alınan insülin miktarı, egzersiz ve diyet bilgileri gibi hasta verileri ile derin öğrenme yöntemlerini kullanarak önceki tahminlerden yeni tahminler yapmak ve ortak bir hasta modeli oluşturarak bu ortak modelden yeni hastalar için az veri ile ince ayar yapmak projenin yenilikçi yönlerindendir. BBu yenilikçi yaklaşım, invazif kan şekeri takip yükünü azaltarak ve daha hassas insülin doz hesaplamasını kolaylaştırarak diyabet hastalığı takibi için geniş kullanıma ulaşma potansiyeline sahiptir.