Biyomedikal Veri Bilimi ve Yapay Zekaya Giriş

Ön Okuma ve Hazırlık

• Molnar’ın Interpretable Machine Learning kitabının Introduction ve Interpretability bölümlerini (yaklaşık 20 sayfa) okuyun; kitap açık erişimlidir.
• Google hesabınızla colab.research.google.com adresine giriş yapabildiğinizi kontrol edin. Kendi bilgisayarında çalışmak isteyenler için yerel ortam rehberi hazır.
• Şu soruyu düşünerek gelin: Tez ya da çalışma alanınızda hangi biyomedikal veri türüyle karşılaşıyorsunuz ve bu veride sizi en çok ne zorluyor?

Ders Notları

Biyomedikal veri neden “zor” veridir?

Makine öğrenmesi ders kitaplarındaki veri setleri temiz, dengeli ve bağımsız örneklerden oluşur. Biyomedikal veri ise neredeyse hiçbir zaman öyle değildir:

• Heterojendir. Aynı hastanın tablo hâlindeki laboratuvar sonuçları, dakikada 250 örnekli EKG’si, milyonlarca piksellik BT görüntüsü ve on binlerce genin ifade profili vardır. Her biri farklı temsil, farklı ön işleme ve farklı model ister.
• Eksik ve yanlıdır. Bir test istenmemişse değeri yoktur; ama istenmemiş olması bile bilgidir (hasta stabil). Eksiklik rastgele değildir.
• Bağımlıdır. Aynı hastadan çok kayıt, aynı hastaneden çok hasta. Bağımsızlık varsayımı çöker; rastgele bölme sızıntı üretir.
• Az örnek, çok öznitelikli olabilir (omik veride 200 hasta × 20.000 gen).
• Etiketi pahalı ve gürültülüdür. Altın standart bir patolog, bir kardiyolog ya da bir yıl sonraki sonlanımdır; uzmanlar arası uyum sınırlıdır.
• Yüksek risklidir. Yanlış karar hastaya zarar verir; model yalnızca doğru değil, açıklanabilir ve denetlenebilir olmalıdır.

Bu dersin tamamı, bu altı zorluğun her birine karşılık gelen yöntemleri sırayla kurar.

Beş veri türü

Problem tipleri: soruyu makine öğrenmesi diline çevirmek

Bir klinik soru, model kurulmadan önce problem tipine çevrilir. Bu çeviri, sonraki her kararı (kayıp fonksiyonu, metrik, doğrulama) belirler.

• İkili / çok sınıflı sınıflandırma: Bu görüntü malign mi? Bu hasta 30 gün içinde yeniden yatar mı?
• Regresyon: Yatış süresi kaç gün? eGFR bir yıl sonra ne olur?
• Kümeleme (denetimsiz): Sepsis hastaları kaç klinik fenotipe ayrılır?
• Segmentasyon: Görüntüde tümör hangi piksellerde?
• Zaman serisi tahmini / olay tespiti: Nöbet ne zaman başlayacak? Sonraki 6 saatte hipotansiyon gelişir mi?
• Sağkalım analizi: Olaya kadar geçen süre; sansürlü veriyle çalışır.

Dersin iş akışı

Her hafta aşağıdaki zincirin bir halkasını derinleştirir:

veri → ön işleme → model → klinik metrik → açıklama → güven

1. Veri (Hafta 1–3): türü tanı, keşfet, öznitelik türet, boyut indirge.
2. Ön işleme (Hafta 2): eksik veri, ölçekleme, dengesiz sınıf, hasta-bazlı bölme, sızıntı.
3. Model (Hafta 4–7, 9–11): lojistik regresyondan Transformer’a.
4. Klinik metrik (Hafta 4, her hafta tekrar): ROC-AUC, duyarlılık/özgüllük, kalibrasyon, karar eğrisi.
5. Açıklama (Hafta 12–13): permütasyon önemi, PDP, SHAP, LIME, Grad-CAM, karşıt-olgusal.
6. Güven (Hafta 14): dış doğrulama, dağıtım kayması, model kartı, federe öğrenme, regülasyon.

Etik ve regülasyon çerçevesi

• Mahremiyet: Sağlık verisi KVKK’da “özel nitelikli kişisel veri”dir; işlenmesi açık rıza ya da kanuni istisna gerektirir. Anonimleştirme yeterli değildir; yeniden tanımlama riski vardır (Hafta 11, 14).
• Adalet: Model bazı alt-gruplarda sistematik kötü çalışabilir (Hafta 13: Obermeyer ve ark., 2019). Alt-grup analizi rapor standardıdır.
• Hesap verebilirlik ve şeffaflık: Kim sorumlu? Model ne yaptığını açıklayabiliyor mu? Model kartı ve TRIPOD+AI raporlaması (Hafta 14).
• Regülasyon: AB Yapay Zeka Yasası tıbbi cihaz niteliğindeki YZ’yi yüksek riskli sınıfa koyar; FDA, YZ/ML tabanlı tıbbi cihazları ayrı bir listeyle izler. Tez çalışmanız bir gün ürün olacaksa bu çerçeveler tasarımın parçasıdır.

Uygulama / Laboratuvar

İlk defter, dersin tüm iş akışını tek oturumda, küçük ölçekte gösterir: klinik tablo verisi yükleme, sızıntısız ön işleme, lojistik regresyon, ROC ve kalibrasyon, permütasyon önemi ile açıklama, sentetik EKG’de filtreleme ve spektrum, görüntünün bir matris olduğu fikri. Hedef bugün yöntemleri öğrenmek değil; her adımın neden var olduğunu görmek.

Ders içi çalışma: Verilen üç problemi (sepsis erken uyarı, EEG’de nöbet tespiti, patoloji lamında tümör segmentasyonu) veri türü, problem tipi, etiket kaynağı, uygun klinik metrik ve olası sızıntı kaynağı açısından bir tabloya dökün. Grup hâlinde 10 dakikada tamamlayıp bir satırı sınıfa sunun.

Tartışma Soruları

1. Aynı hastanın verisinin hem eğitim hem test kümesinde bulunması neden “sızıntı”dır ve bu neden biyomedikal veride diğer alanlardan daha sık görülür?
2. Yüksek doğruluklu ama açıklanamayan bir model ile daha düşük doğruluklu ama yorumlanabilir bir model arasında klinik seçim hangi koşullara bağlıdır? (Bu soruya 12. haftada Rudin’in makalesiyle geri döneceğiz.)
3. Kendi tez konunuzu yukarıdaki problem tiplerinden hangisine çevirirsiniz; etiketi kim, nasıl tanımlar?

Haftanın Özeti

Dersin haritasını çizdik: beş veri türü, problem tipleri, uçtan uca iş akışı ve etik–regülasyon çerçevesi. İlk defterle akışın tamamını küçük ölçekte çalıştırdık. Bundan sonraki her hafta bu haritanın bir bölgesini derinleştirecek; gelecek hafta veriyle uğraşmanın en kritik adımı olan ön işleme ve sızıntıyla başlıyoruz.

Etiketler:girişveri türleriEHRomiketikregülasyonproblem tipleriiş akışı