Şahin, Canan BaturTanyıldız, HayriyeDinler, Özlem Batur2026-06-192026-06-1920232148-2683https://hdl.handle.net/20.500.12899/4632Dünya çapında milyonlarca insanı etkileyen kronik bir hastalık olan diyabet, vücudun kan şekeri düzeylerini etkili bir şekilde yönetememesiyle karakterize edilir. Kontrol edilmezse veya uygun şekilde yönetilmezse, bu durum kalp hastalığı, felç, böbrek yetmezliği ve hatta körlük gibi ciddi sonuçlara yol açabilir. Genetik ve yaşam tarzı faktörlerinin karşılıklı etkileşimi nedeniyle, diyabet insidansı artmakta ve diyabet acil müdahale gerektiren önemli bir küresel sağlık sorunu olarak konumlanmaktadır. Dünya Sağlık Örgütü (WHO), diyabetin küresel prevalansının 1980'den bu yana neredeyse iki katına çıktığını ve yetişkin nüfusta %4,7'den %8,5'e yükseldiğini bildirmektedir. Bu artış, hastalığın erken teşhisine ve etkin yönetimine yönelik stratejilerin aciliyetini ve önemini vurgulamaktadır. Böyle bir halk sağlığı sorunu karşısında sağlık hizmetleri bu salgınla mücadele için teknolojik gelişmelerden yardım istemektedir. Sağlık hizmetlerinde en umut verici teknolojik sınırlar arasında, çok büyük miktarda veriyi analiz edebilen, kalıpları tanımlayabilen ve sonuçları tahmin edebilen yapay zekanın (AI) bir alt kümesi olan Makine Öğrenimi (ML) yer alıyor. Makine öğrenimi, hasta sağlığına ilişkin değerli içgörüler sağlayarak, tedavi kararlarını bildirerek ve hatta bir kişinin gelecekte hastalığa yakalanma riskini tahmin ederek diyabet yönetiminde devrim yaratma potansiyeline sahiptir. Bu teknoloji, doğru kullanılırsa diyabetle mücadelede oyunu değiştirebilir. Bu bağlamda, diyabet riskini tahmin etmek için geleneksel sınıflandırıcı yöntemlerin kullanılması uygulanabilir ve etkili bir yaklaşım gibi görünmektedir. Bu yöntemler gelişmeye devam ettikçe, bu kronik hastalığın erken teşhisi ve etkili tedavisinde önemli bir rol oynamakta ve diyabet risk tahmininin doğruluğunu ve kesinliğini artırma sözü vermektedir. Bu yazıda, diyabeti tahmin etmek için geleneksel sınıflandırıcı yöntemlerin nasıl kullanıldığını, bu teknolojinin hastalık teşhisindeki etkilerini ve gelişen bu alanın gelecekteki potansiyelini inceleyeceğiz.eninfo:eu-repo/semantics/openAccessDiyabetYapay zekaSınıflandırıcılarMakine ÖğrenmesiTahmin.Article5222023313255040000-0002-2131-63680000-0002-6300-90160000-0002-2955-6761