Sağlık Hizmetleri Yönetiminde Bir Yapay Sinir Ağları Uygulaması

Abstract

Bu çalışmada, Bayes Ağları ve Yapay Sinir Ağları ile desteklenen bir model Sağlık Hizmetleri Yönetimi’nde kullanılmak üzere önerilmiştir. Bayes Ağları incelenen sistemlerdeki nedensel ilişkilerin ortaya konmasına ve bu nedensel ilişkilere sahip sistem değişkenlerinin durum kümelerindeki elemanların olasılıklarının hesaplanmasında kullanılmaktadır. Yapay Sinir Ağları ise kendilerine eğitim seti olarak sunulan girdi/hedef çiftleri arasındaki doğrusal olmayan ilişkileri saptamakta kullanılmaktadırlar. Bayes Ağları, incelenen sistemin modellenmesi ve olası sistem davranışlarının tahmin edilmesi aşamalarında, Yapay Sinir Ağları türlerinden Çok Katmanlı Algılayıcılar ise sistemin kontrol edilemez kritik değişkenini etkileyen diğer kontrol edilebilir değişkenlerin kritik değişken üzerindeki etkilerine göre önem derecelerinin saptanmasında kullanılmıştır. Uygulama alanı olarak özel bir hastanenin radyoloji servisinin tomografi bölümü seçilmiştir. Bu bölüm için kritik değişken olan tetkik süresini etkileyen değişkenler saptanmış, önemlerine göre sıralanmış ve bu sıraya göre iyileştirme önerilerinde bulunulmuştur. Önerilen model uygulandığı alana benzer diğer alanlarda da ufak değişikliklerle uygulanabilecek esnekliğe sahiptir.

In this study, a model supported by Bayesian Belief Nets and Artificial Neural Networks is proposed to be applied in the area of Health Care Management. Bayesian Belief Nets are used to represent the causal relationships in the systems which are examined and to calculate the probabilities of the states of the variables of the systems that are of interest. Artificial Neural Networks are used to find out the nonlinear relationships between the input/target pairs represented themselves as a training set. Bayesian Belief Nets are used in the stages of modeling the causal relationships in the system of interest and estimating the probable behaviors of that system. Multilayer Perceptrons as a type of Artificial Neural Networks are used to determine the importance level of the controllable variables that have a causal effect on the uncontrollable critical variable of the system. As an application area, tomography section of radiology department of a private hospital is selected. The variables that affect the critical variable, which is medical scrutiny time, for this section, are determined, these affecting variables are ordered in terms of importance, and suggestions for improvement are represented according to that order. The proposed model has a flexibility to be applied in other similar areas to the area it was applied with little modifications.