kronik akciğer hastalarının mobil iletişim teknolojisi ile takibi için zeki
advertisement
i KRONİK AKCİĞER HASTALARININ MOBİL İLETİŞİM TEKNOLOJİSİ İLE TAKİBİ İÇİN ZEKİ BAKIM VE ACİL TIBBİ YARDIM SİSTEMİ GELİŞTİRİLMESİ ALİ HAKAN IŞIK DOKTORA TEZİ ELEKTRONİK - BİLGİSAYAR EĞİTİMİ GAZİ ÜNİVERSİTESİ BİLİŞİM ENSTİTÜSÜ HAZİRAN 2012 ANKARA ii iii TEZ BİLDİRİMİ Tez içindeki bütün bilgilerin etik davranış ve akademik kurallar çerçevesinde elde edilerek sunulduğunu, ayrıca tez yazım kurallarına uygun olarak hazırlanan bu çalışmada orijinal olmayan her türlü kaynağa eksiksiz atıf yapıldığını bildiririm. Ali Hakan IŞIK iv KRONİK AKCİĞER HASTALARININ MOBİL İLETİŞİM TEKNOLOJİSİ İLE TAKİBİ İÇİN ZEKİ BAKIM VE ACİL TIBBİ YARDIM SİSTEMİ GELİŞTİRİLMESİ (Doktora Tezi) Ali Hakan IŞIK GAZİ ÜNİVERSİTESİ BİLİŞİM ENSTİTÜSÜ HAZİRAN 2012 ÖZET J2ME ortamında geliştirilen kronik akciğer hastalığı bakım sistemi (KAHBS), tanısı konulmuş astım ve koah hastalarının ev ortamında zeki ve kablosuz olarak gerçek zamanlı takibini sağlamaktadır. Bu çalışmada, geliştirilen sistemin özellikleri, performans ve gerçek hastalar üzerinde uygulama sonuçları sunulmaktadır. Söz konusu sistemde, hastanın solunum fonksiyon test değerleri spirometreyle, oksijen konsantrasyonu (SPO2) ve kalp atışı değerleri darbe oksimetreyle ölçülmektedir. Daha sonra, veriler bluetooth sanal seri port protokolü ile akıllı cep telefonuna aktarılmaktadır. Veriler beş girişli, iki gizli katmanlı, ileri beslemeli, geri yayılımlı, çok katmanlı yapay sinir ağı (ÇKA) ile sınıflandırılmaktadır. Akıllı cep telefonu üzerinde gerçek zamanlı çalışan ÇKA’ın giriş öznitelikleri FEV1, FVC, FEV1/FVC, FEF25-75, PEF dir. Çıkış sınıflandırma sonucu ise normal, obstrüktif veya restriktifdir. Sistemde ölçüm değerleri ve elde edilen sınıflandırma sonucu cep telefonu ekranında gösterilmektedir. Tüm veriler web servis ile XML tabanlı olarak uzak merkezdeki sunucu veritabanına WiFi, GPRS veya 3N iletişim teknolojileri vasıtasıyla gönderilmektedir. Ölçüm sonuçları acil bir durum içeriyorsa, hastaya v tavsiye, doktora ise bilgilendirme SMS mesajı gönderilmektedir. Buna ilaveten, güvenli giriş yapılan normal ve mobil web sayfaları üzerinden tüm hasta verileri, akış-hacim ve hacim-zaman grafikleri takip edilebilmekte, gerekli olduğu takdirde doktor hastaya e-posta gönderebilmektedir. Çalışmada ÇKA’ın eğitimi ve testi Atatürk Göğüs Hastalıkları ve Göğüs Cerrahisi Araştırma hastanesinden temin edilen 486 (313 normal, 136 obstrüktif, 37 restriktif) hasta verisi ile gerçekleştirilmiştir. ÇKA, 98,7% doğruluk, 97,83% belirlilik, 97,63% duyarlılık, ve 0,946 korelasyon değerlerine sahiptir. Bu çalışma, literatürdeki çalışmalarla kıyaslandığında astım-koah ayrımı ve kronik akciğer hastaların takibini zeki ve mobil bir sistem ile kolaylaştırılması bakımından ilerleme sağlamıştır. Bilim Kodu Anahtar Kelimeler Sayfa Adedi Tez Yöneticisi : 702.1.019 : Teletıp, astım, KOAH, SMS, yapay sinir ağı : 92 : Prof. Dr. İnan GÜLER vi DEVELOPMENT OF SMART CURE AND URGENT MEDICAL AID SYSTEM FOR TRACKING OF CHRONIC PULMONARY PATIENTS WITH MOBILE COMMUNICATION TECHNOLOGY (PhD Thesis) Ali Hakan IŞIK GAZİ UNIVERSITY INFORMATICS INSTITUTE JUNE 2012 ABSTRACT Chronic lung disease care system that is developed in J2ME provides real-time tracking of diagnostic asthma and COPD patients in the home environment with intelligent and wireless facilities. The properties of the developed system, the performance analysis and the practice results on real patients are presented in this study. The patient's pulmonary function test values are measured with spirometry, the oxygen concentration (SPO2) and pulse rate are measured with pulse oximetry in the system. Then, the data are transferred to the smart phone through bluetooth virtual serial port protocol. The data are classified with two five-input-hidden layer feed-forward multi-layer back propagation neural network (MLP). Input attributes of MLP that works on smart phone are FEV1, FVC, FEV1/FVC, FEF25-75, PEF. Output classification results are normal, obstructive or restrictive. The classification results and the measured values are shown in the smart phone screen. General packet radio service, wireless LAN, or third generation based wireless networks are used to send the pulmonary function test results to remote database through XML based web service. If the vii measurement results contain an emergency condition, a recommendation-based SMS message is sent to the patient and also an information-based SMS message is sent to the doctor. In addition, all patient data and flow-volume and volumetime graph can be visualized via normal and mobile web pages that are securely entered. Furthermore, if necessary, the doctor can send e-mail to the patient. In this doctorate study, the test results of 486 patients, obtained from Atatürk Chest Diseases and Thoracic Surgery Training and Research Hospital in Ankara/Turkey, are used as training and test set in algorithm. Algorithm has 98,7% accuracy, 97,83% specificity, 97,63% sensitivity, and 0,946 correlation values. When this study is compared with previous studies, it is observed that there are an improvement in differentiation between asthma and COPD and the facilitation of the tracking of chronic pulmonary patients with smart and mobile system. Science Code : 702.1.019 Keywords : Telemedicine, asthma, COPD, SMS, artificial neural network Page Number: 92 Advisor : Prof. Dr. İnan GÜLER viii TEŞEKKÜR Değerli yardım ve katkılarıyla çalışmalarımı yönlendiren hocam Prof. Dr. İnan GÜLER’ e ve aileme teşekkürü bir borç bilirim. ix İÇİNDEKİLER Sayfa ÖZET.......................................................................................................................... iv ABSTRACT ............................................................................................................... vi TEŞEKKÜR ............................................................................................................ viii İÇİNDEKİLER ......................................................................................................... ix ŞEKİLLER LİSTESİ ................................................................................................ xi ÇİZELGELER LİSTESİ ........................................................................................ xiii SİMGELER VE KISALTMALAR ....................................................................... xiv 1. GİRİŞ ...................................................................................................................... 1 1.1. Teletıp Kullanım Alanları .............................................................................. 2 1.2. Evde Bakım Sistemi ........................................................................................ 3 2. MOBİL SAĞLIK ................................................................................................... 9 2.1. Mobil Sağlık Sistemlerinde Kullanılmakta Olan Teknolojiler ve Kısıtları ........................................................................................................... 9 2.2. Kronik Akciğer Hastalıklarının Tanı, Tedavi ve Takibi ........................... 11 2.3. Mobil Sağlık ve Kronik Akciğer Hastalıkları Alanında Literatürde Yapılan Çalışmalar ...................................................................................... 16 3. KRONİK AKCİĞER HASTALIĞI BAKIM SİSTEMİ (KAHBS) ................. 27 3.1. Solunum Fonksiyon Testi ............................................................................. 27 3.2. Yapay Sinir Ağları ........................................................................................ 29 3.3. Tez Çalışmasında Kullanılan Cihazlar ....................................................... 30 3.4. Tezde Geliştirilen Sistemin Mimarisi .......................................................... 32 3.5. Tezde Geliştirilen Sistemin Teknik Tasarımı ............................................. 34 3.6. Kronik Akciğer Hastalıklarının Sınıflandırılması için Mobil Yapay Zekâ Yazılımı ................................................................................................ 41 3.6.1. Spirometre bluetooth uygulama yazılımı ......................................... 45 3.6.2. Darbe oksimetre bluetooth uygulama yazılımı................................ 52 3.6.3. Acil durumlarda ve bilgilendirme için SMS gönderilmesi ............. 55 3.7. Tüm Verilerin Web Tabanlı Görüntülenmesi ............................................ 57 3.8. Mobil Cihazlar için Web Sayfası Geliştirilmesi ......................................... 60 x Sayfa 4. SİSTEMİN HASTALAR ÜZERİNDE UYGULANMASI VE PERFORMANS ANALİZİ ............................................................................. 64 4.1. Sistemin Hastalar Üzerinde Uygulanması .................................................. 64 4.2. Performans Analizi ....................................................................................... 65 4.3. İrdeleme ......................................................................................................... 74 5. SONUÇ .................................................................................................................. 76 KAYNAKLAR ......................................................................................................... 79 EKLER ...................................................................................................................... 87 EK-1. Sağlık Bakanlığı’ndan alınan araştırma izin belgesi .................. 88 ÖZGEÇMİŞ .............................................................................................................. 89 xi ŞEKİLLER LİSTESİ Şekil Sayfa Şekil 2.1. Akciğer hastalıklarındaki toplam akciğer kapasiteleri ............................... 13 Şekil 2.2. Acil tıbbi yardımda dokümantasyon sistemi kullanarak afet kurtarma koordinasyonu ......................................................................................... 20 Şekil 2.3. PDA tabanlı izleme için uygulama senaryoları ......................................... 21 Şekil 2.4. Mobil takip sistemimin mimarisi ............................................................... 22 Şekil 2.5. Sistem şeması ............................................................................................. 23 Şekil 2.6. Hasta bilgi akışı ......................................................................................... 24 Şekil 2.7. 3N elektronik tıbbi rapor iletim sistemi ..................................................... 25 Şekil 3.1. İleri beslemeli geri yayılımlı ağ modeli ..................................................... 30 Şekil 3.2. Tez çalışmasında geliştirilen sistemin mimarisi ........................................ 33 Şekil 3.3. Sistemin teknik tasarımı ............................................................................. 35 Şekil 3.4. Solunum fonksiyon testi değerlendirme akış şeması ................................. 37 Şekil 3.5. GOLD kural tabanlı modele göre sınıflandırma ........................................ 40 Şekil 3.6. Beş girişli, iki gizli katmanlı, üç çıkışlı çok katmanlı yapay sinir ağı ....... 43 Şekil 3.7. MIDlet menüsü .......................................................................................... 46 Şekil 3.8. MIDlet’de spirometre uygulamasının başlatılması .................................... 47 Şekil 3.9. Spirometre cihazından bluetooth ile verilerin aktarımı ............................. 48 Şekil 3.10. Solunum fonksiyon test sonuçları ............................................................ 48 Şekil 3.11. Spirometre alt menüsü ............................................................................. 49 Şekil 3.12. MIDlet ayarlar sekmesi ............................................................................ 50 Şekil 3.13. Spirometre ile ölçülen örnek veri kümesi ................................................ 51 Şekil 3.14. Akıllı cep telefonundan astım kontrol testinin cevaplanması .................. 52 Şekil 3.15. Darbe oksimetre ....................................................................................... 53 Şekil 3.16. Darbe oksimetre verilerinin cep telefonunda gösterilmesi ...................... 54 Şekil 3.18. Kronik akciğer hastalığı bakım sistemi web sayfası ................................ 58 Şekil 3.19. Kronik akciğer hastalığı bakım sistemi web sayfasında SFT verileri...... 59 xii Şekil Sayfa Şekil 3.20. SFT verilerinin akış-hacim grafiği ........................................................... 60 Şekil 3.21. Mobil web sayfası kullanıcı ve şifre giriş ekranı ..................................... 61 Şekil 3.22. Mobil web sayfası .................................................................................... 62 Şekil 3.23. Mobil web sayfasındaki solunum fonksiyon test verileri ........................ 62 Şekil 3.24. Mobil web sayfasındaki darbe oksimetre verileri .................................... 63 Şekil 4.1. (a) Eğitim kümesi confusion matrix sonucu (b) Normal sınıfının regresyon eğrisi ....................................................................................... 70 Şekil 4.2. (a) Eğitim kümesi Obstrüktif sınıfının regresyon eğrisi (b) Restriktif sınıfının regresyon eğrisi ......................................................................... 71 Şekil 4.3. Eğitim kümesi ROC eğrisi ......................................................................... 71 Şekil 4.4. (a) Test kümesi Confusion matrix sonucu (b) Normal sınıfının regresyon eğrisi ....................................................................................... 72 Şekil 4.5. (a) Test kümesi Obstrüktif sınıfının regresyon eğrisi (b) Restriktif sınıfının regresyon eğrisi ......................................................................... 72 xiii ÇİZELGELER LİSTESİ Çizelge Sayfa Çizelge 3.1. Solunum fonksiyon testi referans denklemleri ...................................... 38 Çizelge 3.2. Solunum fonksiyon testi referans sonuçları ........................................... 39 Çizelge 4.1. Hastaların demografik özellikleri .......................................................... 64 Çizelge 4.2. Tıbbi testlerin analizinde kullanılan sınıflama ....................................... 66 Çizelge 4.3. 5-5-5-3 Mimarisi ile elde edilen farklı performans sonuçları ................ 69 Çizelge 4.4. Farklı ÇKA mimarilerinin performans sonuçları ................................... 74 xiv SİMGELER VE KISALTMALAR Bu çalışmada kullanılmış bazı simgeler ve kısaltmalar, açıklamaları ile birlikte aşağıda sunulmuştur. Simgeler Açıklama Öğrenme katsayısı Momentum değeri Kısaltmalar Açıklama ATS American Thoracic Society (Amerika Solunum Topluluğu) API Application Program Interface (Uygulama Program Arayüzü) BMI Body Mass Index (Vücut Kitle İndeksi) AUC Area Under Curve (Eğrinin Altında Kalan Alan) CRC Cyclic Redundacy Check (Çevrimsel Fazlalık Sınaması) ÇKA Çok Katmanlı Ağ DSÖ Dünya Sağlık Örgütü ERS European Respiratory Society (Avrupa Solunum Topluluğu) FEV1 Forced Expiratory Volume (Zorlu Nefes Verme Hacmi) FVC Forced Vital Capacity (Zorlu Vital Kapasite) FEF25-75 Forced Expiratory Flow (Zorlu Nefes Verme Akışı) GOLD Global Initiative for Chronic Obstructive Lung Disease (Kronik Obstrüktif Hastalıklar için Küresel Girişim) GINA Global Initiative For Asthma (Astım için Küresel Girişim) HTTP Hyper Text Transfer Protocol (Hiper Metin Aktarım Protokolü) KOAH Kronik Obstrüktif Akciğer Hastalığı xv Kısaltmalar Açıklama KAHBS Kronik Akciğer Hastalığı Bakım Sistemi J2ME Java 2 Micro Edition (Java Mikro versiyon) MIDlet Mobile Information Device let(Java Mobil Uygulama) PEF Peak Expiratory Force (Tepe Nefes Verme Gücü) ROC Receiver Operating Characteristic (Alıcı İşlem Karakteristiği) SMS (Short Messaging Service) Kısa Mesaj Servisi SFT Solunum Fonksiyon Testi SOAP Simple Object Access Protocol (Basit Nesne Erişim Protokolü) XML Extensible Markup Biçimlendirme Dili) YSA Yapay Sinir Ağı 3N Üçüncü Nesil Language (Genişletilebilir 1 1. GİRİŞ Günümüz bilgi çağında, bilgi ve iletişim teknolojilerindeki hızlı gelişmeler insanların kültürel, sosyal, eğitim, sağlık alanlarındaki ihtiyaçlarında köklü değişimlere neden olmuştur. Zaman ve mekân kavramı olmadan her zaman ve her yerden ihtiyaçları karşılama ihtiyacı ortaya çıkmıştır. Sağlık alanındaki mobil uygulamalar yeni kavramların oluşmasını sağlamıştır. Bu kavramların en önemlilerinden birisi Teletıp’dır. Uzak merkezler arasında bilgi ve iletişim teknolojilerini kullanarak tanı, tedavi, takip, değerlendirme amaçlarıyla biyomedikal işaretlerin gönderilmesi, depolanması ve sağlık hizmetlerinin sunumuna Teletıp (Telemedicine) denir [1]. Bu özellikler eğitim, yönetim, araştırma alanlarında klinik ve klinik olmayan hizmetleri içerdiği durumda Telesağlık (TeleHealth) olarak adlandırılmaktadır [2]. Sağlık hizmetlerinin nüfusla beraber maliyetinin artması, hastanın hastaneye gelme sıklığını azaltma ihtiyacı, uzman doktorlardan daha etkin yararlanmak, hastalık ile ilgili uzun süreli istatistikî bilgiye ulaşılmasıyla daha etkin tedavi yöntemlerini belirlemek gibi etkenler teletıp uygulamalarının başlamasına ve gittikçe yaygınlaşmasına sebep olmuştur. Teletıp uygulamalarının sağladığı bazı avantajlar aşağıda sunulmaktadır. Birinci avantaj, hastalığın tanı ve tedavi sürecinde bölgesel farklılıkların ortadan kalkmasıdır. Sağlık merkezlerine uzak olan hastalar da teletıp sayesinde sağlık hizmetlerinden faydalanabilmektedirler. İkinci avantaj, verimliliktir. Hastaların uzaktan takibi ile hastane masrafları azalacağı gibi zamandan da tasarruf edilmektedir. Hasta nerede olursa olsun, hastaya ait veriler uzman kişiler tarafından izlenebilmektedir. Diğer bir avantaj ise hasta ve hasta bilgilerine istenildiği anda hemen ulaşılabilmesidir. Yeni gelişmeleri takip etmek, ya da başka uzmanlara danışmak 2 hastalıkların tanısında ve tedavisinde hızlı, doğru ve etkili karar verilmesini sağlamaktadır [3]. Teletıp uygulamalarının başlangıcı 1960’lı yıllara uzanmaktadır. İlk olarak 1964 yılında, Omaha’daki Nebraska Psikiyatri Enstitüsü ile Norfolk’taki State Mental Hastanesi arasında, 180 km uzunluğunda kapalı devre televizyon sistemi kurulmuştur [4]. Bu sistem uzmanlar arasında interaktif konsültasyonlar yapılabilmesini sağlamıştır. Yine bu yıllarda Kuzey Amerika’da, uzman hekim bulunmayan kırsal yerleşim alanlarına sağlık hizmeti vermek amacıyla özel hatlar kurularak teletıp uygulamaları başlamıştır. 1968 yılında Massachusetts Hastanesi ile Boston Havaalanı arasında kurulan video bağlantısı sayesinde havaalanında sürekli hekim bulunması ihtiyacını ortadan kaldırmıştır [5]. 1968 yılında INTERACT programıyla Vermont Üniversitesi kırsal alanlarda teletıp kullanılarak uzman doktorlardan konsültasyon ve eğitim verilmiştir [6]. 1970 ve 1980’lerde, uydu iletişim tekniklerinin de gelişmesiyle de beraber, uzak mesafelerde bulunan kliniklerle bağlantıların kurulabilmesi için birçok proje başlatılmıştır. Özellikle A.B.D. ve Kanada’da çeşitli teletıp projeleri başlatılmıştır. Maliyetlerin yüksek olması nedeniyle bu projelerin çoğu devam ettirilememiştir. Almanya’da ise, Medkom çerçevesinde 30 hastane 1986’dan günümüze, video konferans ile çalışmalarını sürdürmektedirler. Amerika ile Çin arasında yapılan bir çalışmada da, Çin’deki hastaların tedavisinde Amerika’da ki doktorların teşhise ve tedaviye yardımcı olmaları sağlanmıştır. Günümüzde ise, bilişim ve iletişim sektörlerindeki gelişmelere paralel olarak teletıp uygulamaları da gittikçe artmaktadır. Amerika, Kanada, Avustralya, İngiltere ve Almanya teletıp uygulamalarında önde gelen ülkelerdir [3]. 1.1. Teletıp Kullanım Alanları Teletıp sadece hastanelerde değil askeri alanda, uzay araştırmalarında, cezaevlerinde uzaktan konsültasyon amacıyla kullanılmaktadır. Aşağıda teletıpın bazı kullanım alanları belirtilmiştir. 3 Uzaktan hasta takibi; Hastaya ait veriler uzak mesafeye iletilmek amacıyla çeşitli elektronik cihazlarla alınır ve değerlendirilmek üzere izleme merkezine gönderilmektedir. Örneğin, uzaydaki astronotların kalp atış hızları, kandaki oksijen, karbondioksit miktarı gibi veriler çeşitli yöntemlerle dünyadan izlenebilmektedir. Yine teletıp ile sağlık merkezlerine uzak yerlerde çalışanların ya da hastane dışındaki hastaların tıbbi verileri uzaktan takip edilebilmektedir. Bu kapsamda, doktora tez çalışması da hastaların uzaktan gerçek zamanlı takibini zeki bir sistem ile sağlamaktadır. Hastalığın tanı ve tedavisi; Hastalığın tanısının konmasında zorlanıldığı durumlarda, hastaya ait bilgi ve yapılan tetkikler, bilişim ve iletişim araçları aracılığıyla başka merkezlere gönderilmektedir. Uzakta bulunan uzmanlar veya merkezler aracılığıyla teşhis konulabilmekte ve tedavi düzenlenebilmektedir. Tıbbi eğitim ve araştırma; Veritabanlarına erişim ve özel seminerler ile tıp merkezlerine uzakta bulunan sağlık personeli ve hastalar için sürekli bir eğitim ve araştırma olanağı sağlanmaktadır [3]. 1.2. Evde Bakım Sistemi Evde bakım, tek bir olgu ya da çok boyutlu bir kavram yerine, bir olgular grubu olarak tanımlanmaktadır. Evde bakım, kişiye kendi evinde profesyoneller tarafından verilen temel önlemlerden yaşlılıktaki rahatlatıcı bakıma kadar olan bütün etkinliklerdir. Sonuçta, evde bakım hizmeti, kişiye kendi evinde profesyoneller tarafından verilir. Evde bakım, önleyici sağlık hizmetlerine ilişkin ev ziyaretlerinden yaşam sonu bakımına kadar geniş bir etkinlik yelpazesini kapsar. Evde bakımla ilgili kavramların tanımları ve kullanımı konusunda çeşitlilikler bulunmaktadır [7]. Evde bakım sistemi kavramı ülkeler arasında farklı sözcüklerle ifade edilmektedir. Amerika Birleşik Devletleri’nde (ABD) evde bakım (home care), evde sağlık bakımı (home health care), evde hemşirelik (home nursing), Batı Avrupa’da, evde sağlık 4 bakımı (home health care), ev ziyareti (home visiting), Fransa’da ise evde bakım ve yaşam sonu desteği (home care - fin de vie) şeklinde kullanılmaktadır [8, 9]. Dünya Sağlık Örgütü’ne (D.S.Ö.) göre; “Evde bakım, hizmeti alanlara kendi evlerinde sağlanan bir dizi sağlık ve sosyal destek hizmetleri” şeklinde tanımlanmaktadır. Evde bakım hizmeti, sağlık hizmetlerini bireylere ve ailelerine yaşadıkları ortamda almayı, sağlığı düzenlemek ya da hastanın bağımsızlığını en üst düzeye çıkarmak için oluşturulmuş hizmetlerdir [10]. Geleneksel evde bakım hizmetinde uzman hemşireler sabit ve sınırlı sayıda hastaları ziyaret etmektedir. Ziyaretlerdeki tüm aktiviteler hemşire tarafından kontrol edilmektedir. Söz konusu ziyaretlerde hayati öneme sahip biyomedikal sinyaller kaydedilmekte, hastanın terapi programının genel değerlendirilmesi yapılmakta, ziyaret sırasında gözlemlenen ihtiyaçlar hakkında tıbbi eğitim ve ilaç verilmektedir [11]. Türkiye’de, Sağlık Bakanlığınca hazırlanan Evde Bakım Hizmetleri Sunumu hakkındaki yönetmelikte evde bakım; hekimlerin önerileri doğrultusunda hasta kişilere, aileleri ile yaşadıkları ortamda, sağlık ekibi tarafından rehabilitasyon, fizyoterapi, psikolojik tedavi de dahil tıbbi ihtiyaçlarını karşılayacak şekilde sağlık ve bakım ile izlem hizmetlerinin sunulması şeklinde tanımlanmaktadır. Bu tanımda, diğer evde bakım hizmetleri tanımlarından farklı olarak, hizmetlerin hekim odaklı olarak yürütülmesine önem verilmiştir. Bu yaklaşımda, Türk insanının sağlık hizmetlerinin sunumunda esas unsur olarak hekimi görmesinin etkili olabileceği düşünülmektedir. Evde Bakım Sisteminin Hedefi Evde bakımın genel hedefi olan, evde bakım alanların avantajları; “hastaların rahat yaşamaları ve yaşam kalitelerini geliştirmeleri veya devam ettirmeleri amacıyla hizmeti alanlar için en iyi alternatif olduğu” görüşüne dayanmaktadır. Bu hizmetlerin 5 hedefinde; yaşam kalitesini artırmak, hizmeti alanların iyi olma durumunu en üst düzeyde korumak ve sürdürmek amacı bulunmaktadır. Evde bakım, hastane bakımı ile karşılaştırıldığında, en etkili bakım türü olarak kabul edilmekte olup, evde kalmak, kendi içinde olumlu bir amaç olarak düşünülmektedir. Kronik hastalığı olanlar için evde bakımın hedefleri açıkça tanımlanmıştır. Ancak, son dönemdeki hastalar için hedefler, kalan yaşam kalitesini artırmak için fiziksel ve zihinsel rahatlık sağlamak ve hastaların büyük bölümünün tercih ettiği gibi ölümün ev ortamında gerçekleşmesini sağlamaktır. Evde bakımın diğer bir hedefi, hastanın günlük yaşam etkinliklerini yapabilmesine olanak sağlamaktır [12]. Teknolojik Gelişmelerin Evde Bakım Sistemlerine Etkisi Evde bakım hizmetlerinde sağlık personelinin, hastaların gereksinim ve beklentilerine cevap verebilmesi için taşınabilir tıbbi cihaz ve malzemelere gerek vardır. Bu nedenle, evde bakım hizmetleri için artan teknolojik kapasiteyi kullanan cihaz ve malzemelere gereksinim duyulmaktadır. Bu cihaz ve malzemelerin çeşitliliği ve işlevselliği bu hizmetlerin kapsamını genişletmektedir. Evde bakım hizmetlerinde iletişim ve ulaşım teknolojisinden yararlanma, hizmetlerin değerlendirme, planlama, uygulama ve izlem sürecini kolaylaştırmaktadır. Evde bakım hizmetleri çeşitli hastalıklar için uygulanabilir olmakla birlikte, hizmet götürülen hasta grupları içinde daha öncelikli olanlar vardır. Bunların başında ağır hastalar, temel gereksinimlerini sağlayamayacak durumda olan yaşlılar, kanser hastaları, kronik hastalar ve psikiyatri hastaları gelmektedir. Evde bakım hizmetlerinin üç temel işlevi vardır. Bunlar; Bireysel gereksinimlerle ilgili bakım, Önlem amaçlı eylem ve değerlendirmeler, Hastaneden taburcu olma sonrası eylem ve değerlendirmelerdir. Evde bakım hizmeti; yaşam kalitesini artırması ve hastane günlerini azaltmasından dolayı toplumsal yarar sağlamaktadır [12, 13]. 6 Türkiye Kronik Hava Yolu Hastalıkları Önleme ve Kontrol Programı Sağlık Bakanlığı evde bakım için 2009 yılında 444 38 33 nolu çağrı merkezini devreye almasıyla beraber kronik hava yolu hastalıklarını önleme-kontrol programı ve eylem planını uygulamaya almıştır. Bu kapsamda kronik hava yolu hastalıkları ile daha etkili, verimli mücadele etmek, farkındalığın sağlanması, hastalığın erken dönemde saptanması ve gelişiminin önlenmesi amaçlanmaktadır [14]. 2008 yılında, kronik akciğer hastalarının ev ortamında gerçek zamanlı ve zeki bir sistem ile takibini sağlaması amacıyla doktora tezine başlanmıştır. Sağlık Bakanlığının da 2009 yılında hastaların evden takip ve tedavisini sağlayacak eylem planını başlatmasıyla doktora tezinin önemi ortaya çıkmıştır. Teletıp kapsamında yapılan doktora çalışmasında kronik akciğer hastalarının mobil iletişim teknolojisi ile takibi için zeki bakım ve acil tıbbi yardım sistemi geliştirilmiştir. Söz konusu alanda çalışma yapılmasının nedenleri aşağıda sunulmaktadır; Dünya Sağlık Örgütü(D.S.Ö.) verilerine göre kronik akciğer hastalıklarının ölüme neden olan, bireylerin yaşam kalitesini ve verimliliğini azaltan hastalıklar sıralamasında üst sıralarda yer alması ( Ülkemizde KOAH 3. sırada), Ülkemizde yaklaşık 4 milyon Astım, 3 milyon KOAH hastası bulunması[15], Kronik akciğer hastalıklarının yavaş ilerlemesi ve uzman hekim tarafından hastanın sürekli takip edilme ihtiyacı, Nüfusla ve sürekli takip ihtiyacı nedeniyle sağlık hizmetleri maliyetinin artması, hastanın hastaneye gelme sıklığını azaltma ihtiyacı, Yaşlı nüfusun giderek artması, Hastane sayısının yetersizliği ve büyük şehirlerdeki ulaşım zorluğu, 7 Kronik akciğer hastalıklarından KOAH ve Astımın takibinde solunum fonksiyon test değerlerinin, akciğer grafiği ve akciğer seslerine göre daha doğru sonuç vermesidir(Astımda Akciğer grafiği sonucu normal olabilir). Ayrıca, literatürdeki son çalışmalar kronik akciğer hastalarının kendi kendine yönetmede, ilaç kullanma düzenlerinde sıklıkla hatalar yaptığını göstermiştir. Yine aynı çalışmalar hastaların kendi bakım planlarını takip edebilmeleri için yeni bir yaklaşım geliştirmenin gerekli olduğunu ortaya koymuştur [16, 17]. Tez çalışması, uzman doktorların evinden de erişebileceği, hastalığın takibi amacıyla uzak merkezler arasında hasta ile uzman doktoru bir araya getiren, mobil iletişimin getirdiği yenilikleri kullanan, zaman ve mekânı ortadan kaldıran bir sistemdir. Bu amaçla solunum fonksiyon test(SFT) değerleri sezgisel olarak yapay sinir ağı ile değerlendirilip hastalık sınıflandırılmakta ve darbe oksimetre verileri kural tabanlı değerlendirilmektedir. Böylece, hekime hastanın durumu hakkındaki bilgi verilmesi, hastanın kendi durumunu anlaşılabilir formatta takip etmesi sağlanmaktadır. Darbe oksimetre ile ölçülen oksijen konsantrasyonu ve kalp atışı özellikle KOAH hastalarının takibinde önemlidir. Hastanın oksijen konsantrasyonu 80%’nin altında ise veya kalp atış sayısı (Nabız) 40’ın altında veya 150’nin üzerinde ise hastanın acil durumu olduğu kabul edilmektedir. Söz konusu eşik değerler değiştirilebilir özelliktedir. Ayrıca akıllı cep telefonu üzerinde yapılan ileri beslemeli geri yayılım yapay sinir ağı sınıflandırma sonucu KOAH ise de hastanın acil duruma sahip olduğu kabul edilmektedir. Hastanın SFT ve darbe oksimetre verilerinde acil durum yok ise sadece hastaya biyomedikal verileri içeren bilgilendirme SMS mesajı gönderilmektedir. Verilerin uzaktan sürekli takip edilmesinde acil durum var ise, örneğin kalp atışı veya SPO2 eşik değerlerin dışında ise veya SFT sınıflandırma sonucu KOAH ise, doktora hasta veri ve bilgilerini içeren SMS mesajı, hastaya ise tavsiye SMS mesajı gönderilmektedir. Doktor hastanın biyomedikal verileri ve sınıflandırma sonucunu içeren bilgilendirme SMS mesajını değerlendirerek, gerekli ise ambulansı hastaya yönlendirerek hastaya müdahale edilmesi sağlanabilmektedir. Çalışmayla hastalık ile ilgili uzun süreli istatistikî bilgiye ulaşılarak, daha etkin tedavi 8 yöntemleri belirlenebilmektedir. Ayrıca hastaların uzaktan takibi ile hastaneye gitme sıklığı, tedavi ve takip maliyetleri azaltılacağı gibi zamandan da tasarruf edilebileceği düşünülmektedir. Bunlara ilaveten hastaya ait veriler istenildiği zaman normal ve mobil web sayfasından takip edilebilmektedir. Web sayfasında, hasta ve doktor birbirlerine e-posta gönderebilmektedir. İfade edilen özelliklere sahip sistemin hastaların yaşam kalitesini artıracağı düşünülmektedir. Tez çalışması beş bölümden oluşmaktadır. Giriş bölümünden sonraki ikinci bölümde mobil sağlık ve kronik akciğer hastalığının tanı, tedavi ve takibi ile ilgili açıklayıcı bilgiler verilmektedir. Üçüncü bölümde, geliştirilen kronik akciğer hastalığı bakım sistemi yazılımı anlatılmaktadır. Dördüncü bölümde, sistemin hastalar üzerinde uygulanması ve Atatürk Göğüs Hastalıkları ve Göğüs Cerrahisi Araştırma Hastanesinden alınan verilerin yapay sinir ağı ile eğitim ve testinin performans analiz sonuçları verilmektedir. Beşinci bölümde ise tez çalışmasından elde edilen sonuçlar açıklanmıştır. 9 2. MOBİL SAĞLIK Mobil sağlık, sağlık hizmetleri için iletişim teknolojisi, tıbbi algılayıcı ve mobil bilgisayar kullanımı olarak tanımlanmaktadır. Bu yeni tanım, e-sağlık sistemlerinin, geleneksel teletıp platformundan kablosuz ve mobil yapılandırmaya dönüşümünü temsil etmektedir. Kullanımı artan ve giyilebilen teknolojilerdeki gelişmelerle beraber kablosuz haberleşmede mevcut olan ve yeni ortaya çıkan gelişmelerin gelecekteki sağlık hizmetlerinin sunumunda önemli değişiklere neden olacağı düşünülmektedir [18]. Kişisel sunucularda, WPAN, WLAN, WAN vb. uzak bağlantı topolojileri ile kablosuz olarak teletıp sunucularına küresel bağlantı sağlamaktadır. Bu iki alandaki gelişmeler cep telefonu ve taşınabilir akıllı cihazlarda(PDA vb.) hızlı ilerlemeleri tetiklemiştir[19]. Belirtilen yenilik ve özellikleri kullanan tez çalışması mobil sağlık kapsamında değerlendirilmektedir. 2.1. Mobil Sağlık Sistemlerinde Kullanılmakta Olan Teknolojiler ve Kısıtları Biyomedikal alanında kablosuz izleme, kalp atışı, kan basıncı, kan oksijen konsantrasyonu, EKG, EEG vb. biyomedikal işaretlerin takip edilmesini kapsamaktadır. Örneğin, GPRS tabanlı 2.5N iletişim teknolojisi ile söz konusu işaretlerin takip edilmesinde bazı kısıtlamalar mevcuttur. Bunlardan bazıları [20]; Standart ve farklı mobil iletişim teknolojileriyle esnek ve beraber çalışmadaki sorunlar, Haberleşme servisleri, cihazlarıyla bağlantı ve uyumda işletim zorlukları, Yüksek maliyetli ve düşük hızlı veri transfer ücretleri, Sağlık hizmetlerinin sunumunun karmaşık bir sektör olması, e-sağlık ve mobil-sağlık sistemlerinden yararlanmak için organizasyonel değişikliğe ihtiyaç bulunması, 10 Sağlık bakım uzmanlarının ve doktorların, mobil sağlık sistemlerinin kısa ve uzun vadeli yararlarını tam olarak kavrayamaması, Mobil sağlık sistemlerinin ücretlendirilmesi ve geri ödenmesinde henüz tam bir gelişme ve standardın olmaması, Mobil sağlık sistemlerin, hastane bilgi sistemi, tıbbi kayıt vb. sistemlerle uyumlu çalışmasındaki eksikliklerdir. 3N Kablosuz İletişim Teknolojisinin Mobil Sağlık Sistemlerine Etkisi Kablosuz iletişim ve mobil şebeke teknolojilerindeki gelişmeler, mobil sağlık sistemlerinde tetikleyici etkiye sebep olmuştur. Üçüncü nesil(3N), yeni nesil mobil teknolojilere verilen genel addır. 3N’de klasik frekans veya zaman çoklu iletişim (multiple access) tekniklerinden prensip olarak farklı olan kod bölmeli çoklu erişim CDMA (Code Division Multiple Access) teknolojisi kullanılmaktadır. 3N’in en önemli özellikleri; TDMA (Zaman bölmeli çoklu erişim), CDMA(Kod bölmeli çoklu erişim) vb. erişim tekniklerini tek çatı altında toplaması, 0-40 km/saat arasında, 2 Mbit veri iletişimi sağlaması, görüntülü konuşmayı sağlaması, konumlandırma servislerini sağlamasıdır. 3N ile gelen yüksek veri transfer hızı, iletiminde büyük zorluklar ve gecikmeler meydana gelen biyomedikal işaretlerin daha hızlı ve güvenli iletilmesini sağlamıştır [21, 22]. Doktora tez çalışmasında, hasta verileri akıllı cep telefonundan uzak merkezdeki sunucuya tercihe bağlı olarak 3N ile gönderilebilmektedir. Hasta ile Taşınabilir Cihaz Arasında Kullanılan Mobil İletişim Teknolojileri Mobil sağlık sistemlerinde, hastadan çeşitli biyomedikal işaretlerin taşınabilir cihaza kablosuz iletilmesinde sıklıkla bluetooth ve zigbee teknolojileri kullanılmaktadır. Tez çalışmasında spirometre ve darbe oksimetreden ölçülen veriler akıllı cep telefonuna bluetooth iletişim teknolojisi ile gönderilmektedir. Bluetooth, 1994 yılında Ericsson tarafından cep telefonları ve cep telefonu 11 aksesuarları arasında kablosuz iletişim kurulabilmesi için geliştirilen düşük güç tüketimli, düşük maliyetli radyo arabirimidir. Bluetooth ile diğer çözümler arasındaki en belirgin fark, bluetooth ile birden çok cihazın birbirleri ile aynı anda iletişim kurabilmesidir. Örneğin bilgisayar, PDA vb. cihazlara kablosuz noktadan noktaya yada noktadan çoklu noktaya bağlantı sağlanmaktadır. Bluetooth teknolojisindeki radyo bağlantısıyla, kızıl ötesi iletişim teknolojisindeki gibi, görsel temasa ihtiyaç duyulmamaktadır. Diğer standartlarda olduğu gibi bluetooth da 2,45 GHz ISM bandını kullanmaktadır. Parazitleri büyük ölçüde önleyebilmek için frekans atlama yöntemine başvurulmaktadır. Bluetooth ağı içerisindeki cihazlar 10-100 metre alan içerisinde, 400 kb/sn simetrik veya 700-150 kb/sn. asimetrik veri iletimi sağlamaktadır [22]. 2.2. Kronik Akciğer Hastalıklarının Tanı, Tedavi ve Takibi Akciğer hastalıklarının tanı, tedavi ve takibi için oskültasyon (Akciğer seslerinin stetoskopla dinlenmesi), radyolojik görüntüleme ve solunum fonksiyon testi (spirometre testi) yöntemleri kullanılmaktadır. Radyolojik görüntülemede bilgisayarlı tomografiyle akciğer grafiği çekilmektedir. Akciğer grafileri halen en fazla talep edilen tetkiklerin başında gelmektedir. Akciğer grafiğinde, grafinin çekilmesi sırasında, banyo sürecinde yapılan hatalar ile birlikte bazı hastalıklar (bronşektazi, intersitisiyel akciğer hastalığı gibi) doğrudan akciğer grafiğinde görülmemektedir [23]. Diğer yandan radyolojik görüntüleme yöntemleri radyoaktif etkiye sahiptir ve bir insanın kümülatif olarak x ışınlarının etkisine maruz kalması kanser riskinin ve bazı bozuklukların gelişmesine sebep olabilmektedir. Aynı zamanda hamile bayanlar için de kullanılması olanaksız olmaktadır. Buna ilaveten astım tanısında akciğer grafiği sonuçlarının genellikle normal görülmesi bu yöntemin önemini azaltmaktadır [24]. Oskültasyonda ise fiziksel bir muayene sırasında doktorun hastanın göğüs duvarında oluşan sesleri stetoskopla dinleyerek soluk borusu, bronşiyal ağaç ve akciğerlerdeki 12 hava akışını yorumlayabilmek için kullanılan bir yöntemdir [25]. Klasik stetoskop ile oskültasyon, farklı ses örüntüleri arasında ayrım yapmak için oskültasyonu yapan bireyin kendi duyma özelliklerine, deneyim ve kabiliyetine bağlı olan bir süreçtir. Diğer biyomedikal sinyaller (kalp ve kas sesleri) ile akciğer seslerinin birbirine karışması, stetoskobun kulaklığının hekimin kulağına iyi oturmamasından dolayı dış çevredeki seslerin de duyulması gibi dezavantajları da vardır [26]. Solunum fonksiyon testi akciğer hastalığının tanı, tedavi ve takibi sürecinde kullanılmaktadır. Bu test hastanede yapılabildiği gibi evde de yapılabilmektedir. Evde yapılan tedavi sürecinin takibinde solunum fonksiyon testinin bilgisayarla analizi, görsel içerik sağlaması, basit, müdahaleci olmayan (non-invazif) bir yöntem olması, dinlemeye göre potansiyel tanı değerini artırması ve mevcut tanısal metotlara tamamlayıcı olması yönünden daha etkili olduğu düşünülmektedir. Tez çalışmasında da tanısı konulmuş hastaların takibi solunum fonksiyon test sonuçları ile sağlanmaktadır. Kronik Akciğer Hastalıkları Kronik hastalıklar, çok uzun süre devam eden ve tam olarak tedavi edilemeyen hastalıklardır. Kronik obstrüktif akciğer hastalığı (KOAH) ve astım, kronik akciğer hastalıkları içinde yaygınlığa ve ölümlülüğe neden olan hastalıklar arasında ilk sıralarda yer alan ve bireylerin yaşam kalitesini önemli ölçüde etkileyen hastalıklardır. Akciğer hastalıkları iki gruba ayrılmaktadır. Bunlar obstrüktif ve restriktif hastalıklardır. Obstrüktif hastalıklarda (KOAH, astım, kistik fibrozis) hava yolu direnci artmıştır. En önemli göstergesi FEV1 ve FEV1/FVC değerindeki azalmadır. Restriktif hastalıklarda (pnömani, fibrozis, atelektazi) akciğer kompliansı (basınç değişikliğinin sebep olduğu hacim değişikliği) azalmaktadır. En önemli göstergesi FVC değerindeki azalmadır. FEV1 değeri de FVC değerine bağlı azalmakta ve FEV1/FVC değeri normal olarak kalmaktadır [27, 28]. Şekil 2.1.’de akciğer hastalıklarındaki toplam akciğer kapasiteleri gösterilmektedir. 13 Şekil 2.1. Akciğer hastalıklarındaki toplam akciğer kapasiteleri [27] Tez çalışmasında da bireyin solunum fonksiyon test sonuçları akıllı cep telefonu üzerinde ileri beslemeli geri yayılımlı çok katmanlı yapay sinir ağları kullanılarak sınıflandırılmasıyla normal, obstrüktif, restriktif sonuçlar elde edilmektedir. Sınıflandırma sonucu obstrüktif ise hastanın rahatlatıcı ilaç kullandıktan sonra solunum fonksiyon testini tekrarlaması sağlanmaktadır. Böylece son ölçüm sonucu ile daha önceki ölçümlerin FEV1 değerinin ortalaması arasında %12 veya 200 ml fark olduğu durumda akciğer hastalığının geri dönüşümlü olduğu anlaşılmakta ve hastanın durumunun astım olduğu bulunmaktadır. İlaç kullanımı sonucunda hastanın FEV1 değerinde değişiklik yok ise, bir başka değişle hastalık geri dönüşümlü değil ise, hastanın KOAH olduğu anlaşılmaktadır [60]. D.S.Ö. (Dünya Sağlık Örgütü), KOAH’ın dünya genelinde ölüme neden olan hastalıklar arasında 2002 yılında 5. sırada yer aldığını açıklamıştır. Risk faktörlerini azaltmaya yönelik acil önlem alınmazsa, KOAH’ın önümüzdeki 10 yıl içinde %30’dan daha fazla artacağını ve 2030 yılında ölüme neden olan hastalıklar arasında 3. sıraya yükseleceğini bildirmiştir [29]. KOAH ülkemizde de önemli bir sağlık problemi olup 2004 yılı raporunda ölüme neden olan hastalıklar arasında 3. sırada yer 14 almaktadır. KOAH Türkiye’deki toplam hastalık yükünün %2,8’ini, Astım %1,25’ini oluşturmaktadır. Türkiye 18 yaş üzeri astım sıklığı %3,87’dir. Cinsiyete göre astım sıklığı erkeklerde %3,11 ve kadınlarda %4,44’dür [30]. Yine D.S.Ö. tahminlerine göre 2005 yılın raporunda 300 milyon insan astımdan zarar görmüş ve 255,000 insan astımdan vefat etmiştir [31]. KOAH Kronik obstrüktif akciğer hastalığı, kronik bronşit ve amfizeme bağlı genellikle geri dönüşümü olmayan ve ilerleyici hava akımı kısıtlaması olarak tanımlanmaktadır. KOAH'lı hastalarda en önemli belirtiler öksürük, balgam çıkarma, nefes darlığı ve hırıltılı solunumdur. Hastalığın erken dönemlerinde genellikle hiçbir belirti görülmez. Hastaları hastaneye getiren en önemli nedenlerden biri de hastalığın seyri sırasında görülen akut ataklardır. KOAH tedavisinin amaçları hastalığın ilerlemesini önlemek, semptomları iyileştirmek, egzersiz toleransını arttırmak, akut atakları önlemek ve tedavi etmek, komplikasyonları (enfeksiyon, pulmoner emboli, kalp yetmezliği v.b) önlemek ve tedavi etmek, yaşam süresini uzatmak ve yaşam kalitesini yükseltmektir. Genellikle belirlenen hedefler; sigaranın bıraktırılması, çevresel ve mesleki nedenli maruz kalmanın kontrolü, uzun süreli tedavi ve akut atakların tedavisini kapsamaktadır [32]. Astım Astım, havayollarının artmış bronşiyal aşırı duyarlılığın eşlik ettiği, geri dönüşümlü kronik iltihaplanma hastalığıdır. Klinik açıdan astım, tedaviyle veya kendiliğinden düzelebilen hava yolu tıkanıklığıdır. Hastalık hem küçük (<2 mm), hem de büyük havayollarını ilgilendirmektedir. Tekrarlayıcı öksürük, hırıltılı solunum atakları, göğüste sıkışma hissi, değişik derecelerde nefes darlığı en önemli belirtilerdir. 15 Belirtiler genellikle gece veya sabahın erken saatlerinde ortaya çıkmaktadır [33]. Astım da hasta, tedavi sonucunda normal sağlığına kavuşabilmektedir. Bronşiyal astım her yaşta görülebilen, çocukluk döneminin en sık, en uzun süren kronik hastalıklardandır. Hastaların % 30’unda başlangıç 1 yaş civarında olup, % 8090’da ilk belirtiler 4-5 yaşlarından önce ortaya çıkmaktadır. Hastalık ergenlik öncesinde erkeklerde kızlara oranla 2 kez daha yüksektir. Daha büyük yaşlarda her iki cinste de eşit olarak görülmektedir. Astımın toplumda görülme sıklığı ve ölümlülüğü kentsel toplumları etkilemesi bakımından gittikçe büyüyen bir problemdir. Sebebi kesin olarak açıklanamamakla birlikte birçok ülkeden bildirilen güvenilir araştırmalar, teşhis ve tedavi alanındaki ilerlemelere rağmen bu hastalığa bağlı ölümlülüğün giderek arttığını göstermektedir [34]. Hastalığın dünya üzerindeki dağılımı, ülkeden ülkeye veya bazen bir ülkede bölgeden bölgeye değişim göstermektedir. Ayrıca, son yıllardaki hastalıkların insan gruplarında görülme sıklığı ile ilgili çalışmalarda astım yayılımının giderek arttığı görülmektedir. Bu artışın kapalı yerlerde yaşama, tozlar, akarlar gibi ev içi allerjenlerle ilişkili olduğu düşünülmektedir. Astım gelişimi ile ilişkili diğer risk faktörleri arasında düşük doğum ağırlığı, sigara içimi ve dumanı, havayolları iltihaplanmaları, sosyoekonomik durum, ailede astım veya alerji hikâyesi, yaş, cinsiyet, diyet, çevresel ve genetik faktörlerdir [35, 36]. Astım Krizi Astım hastası krize girdiğinde salbutamol veya terbutalin içeren sprey veya toz formundaki ilaçları kullanmaktadır. İlk bir saat içinde 20 dakika arayla 2-4 puff alınmaktadır. Bu süreç sonunda yakınmalar biterse 24-48 içerisinde her 4-6 saatte bu ilaçlar kullanılmaktadır. Şikâyetler düzelmezse hekime başvurulmaktadır. Astım krizinin ölümcül olduğunu gösteren göstergeler; Şikâyetlerin çok şiddetli olması, uzun sürmesi, 16 Hastada morarma olması, Kalp atışı seviyesinin 120 den fazla olması ve nabzın düzensizleşmesi, Hastanın konuşurken cümleleri tamamlayamayıp kelimeler arasında soluk alıp vermesidir. Kronik Akciğer Hastalıklarında Kullanılan İlaçlar Astım, KOAH(kronik bronşit ve/veya amfizem), kistik fibrozis, bronşektazi ve alerjik nezle havayolu hastalıklarının tedavisinde nefes açıcı(bronkodilatör), iltihap giderici(antienflamatuar), antibiyotik, balgamı sulandırıcı(ekspektoran, mukolitik) ilaçlar ve oksijen en sıklıkla nefes yoluyla uygulanan ilaçlardır. Bu ilaçlardan sprey türü ilaçlar etkisini direk gösterirken diğerleri uzun süre sonra etkisini göstermektedir. Solunum yoluyla ilaç uygulama modelleri; Ölçülü doz inhalatörler (Sprey türü ilaçlar) Kuru toz inhalatörler Nebulizörler (Buhar makinaları) dir [36, 37] . Kullanılan ilaçlar rahatlatıcı ve tedavi edici olmak üzere ikiye ayrılmaktadır. Rahatlatıcı ilaçlar, hasta krizde iken veya şikâyeti olduğunda kullanılan kısa süreli etkili olan sprey veya kuru toz türü ilaçlardır. Steroid hormonları ise tedavi edici ilaçlar arasında yer almaktadır. Söz konusu hormonların önemli yan etkileri bulunmaktadır. 2.3. Mobil Sağlık ve Kronik Akciğer Hastalıkları Alanında Literatürde Yapılan Çalışmalar Literatürde, mobil sağlık ve akciğer hastaları alanında birçok çalışma bulunmaktadır. Bu bölümde bu çalışmalardan öne çıkanlar sunulmaktadır. 17 Eduardo ve arkadaşlarının gelişmiş 3N tabanlı mobil sağlık sistemi adlı çalışmasında, ambulanstaki personel ile uzaktaki hastanede bulunan bir uzman hekim arasında üçüncü nesil(3N) ile mobil erişimin gerçekleştirilmesi, ayrıca gerçek zamanlı olarak biyomedikal işaretlerin ve video konferansın diğer gerçek zamanlı olmayan servislerle beraber kullanılarak iletilmesi anlatılmaktadır. Sistem uygun sıkıştırmaaçma yöntemleri (codecs) ve servis kalitesi(QoS) mekanizmasını kullanmaktadır [38]. KOAH’ın bakımı için Teletıp deneyimi adlı 157 hasta üzerinde yapılan çalışmada profesyonellerin desteğinde bütünleşmiş evde hasta bakım hizmetlerinin yaşam kalitesini artırdığı ve hastaların %51 oranında hastaneye yeniden kabulünde azalma sağladığı belirlenmiştir. Hastalar web tabanlı hasta yönetim modülüne her zaman her yerden ulaşabilmekte, hastaların kaydı tutulmakta, hastalara ihtiyaç duydukları bilgi iletilmekte, ilave eğitim materyalleri ile hasta bilgilendirilmekte, gerektiğinde buradaki kayıtlara göre evde hasta ziyareti yapılmakta, kan basıncı, solunum fonksiyon değerleri(Spirometre ile alınıyor), kalp atışları, oksijen konsantrasyonu gibi biyomedikal işaretler sisteme GSM/GPRS bağlantısı üzerinden aktarılmaktadır [39]. Morón ve arkadaşlarının darbe oksimetre algılayıcıları için kablosuz bir izleme sistemi adlı çalışmada, bir veya birçok kullanıcıdan bluetooth ile oksijen konsantrasyonu ve kalp atışı işareti alınmakta ve bu biyomedikal işaretler WiFİ ve GPRS ile iletilmektedir. Böylece tek bir merkezden birçok hastanın oksijen konsantrasyonu ve kalp atışı görüntülenmektedir [40]. Rasmussen ve arkadaşlarının astımın internet destekli takibi çalışmasında ve literatürdeki diğer çalışmalar, hastalıkların tedavi ve izlenmesinde internet tabanlı teknolojilerin yararlı olduğunu göstermiştir. Astımın internet tabanlı izlenmesi çalışmasında astım tedavisinin optimizasyonu amacıyla internet teknolojisinden yararlanılmıştır. İnternet tabanlı izleme, uzman eşliğinde izleme, İnternet tabanlı ve uzman eşliğinde izleme grupları birbiri ile karşılaştırılmıştır. İnternet tabanlı izleme grubunda görülen astım semptomlarında, yaşam kalitesinde, akciğer 18 fonksiyonlarında, havayolu cevabında önemli gelişmeler olduğu gözlenmiştir. PEF değerinin günlük değişimi %15-20 olmasıyla ve bronkilatör kullandıktan sonra FEV1'de artış ile solunum yollarındaki gelişme görülmüştür. Yaşam kalitesi de yapılan anket ile takip edilmiştir [41]. Finkelstein ve arkadaşlarının, internet destekli astımı evden uzaktan izleme sistemi çalışmasının amacı, evde kendi kendine spirometre testinin geçerliğini test etmek ve astım hastaları tarafından internet temelli çalışmanın kullanılabilirliğini değerlendirmektir. Bu amaçla, hastalar üç hafta süreyle günde iki defa spirometre testlerini(Solunum fonksiyon testleri) gerçekleştirmişler. Bu süre sonunda uzman kişiler hastaları ziyaret etmiş ve onların eşliğinde söz konusu testler tekrar yapılmıştır. Standart bir test anket kullanarak hastaların bu teknolojiye karşı olan davranışları ve testlerin geçerliliği değerlendirilmiştir. SPSS t testi sonucunda evi ziyaret edilip teknik destek verilenler ile verilmeyenler arasında bir farklılığın olmadığı gözlenmiştir. Ölçümlerdeki FVC, FEV1, PEF değişimi diğer çalışmalarda bulunan sonuçlarla benzerdir. Çalışmaya katılan hastaların %71’inin bilgisayar altyapısı olmasına rağmen sistemi karmaşık değil ya da az karmaşık olarak bulmuşlardır. Hastaların %87.1’i sistemi beğenmiştir. Çalışma sonucunda hastaların kendi kendine yaptığı spirometre testinin geçerli olduğu ve uzman eşliğinde yapılan test ile karşılaştırılabileceği gösterilmiştir. Söz konusu çalışma bilgisayar altyapısı olmayan hastalara başarıyla uygulanmıştır [42]. Finkelstein ve arkadaşlarının astımlı hastaların kendi kendine bakımı için hastaların evden uzaktan izleme sisteminin geliştirilmesi ve uygulanması sunulmuştur. Çalışmanın amacı Amerikan ulusal astım eğitimi ve önlenmesi programı kapsamında sağlık uzmanlarının astım hastalarının bakım süreçlerini takip etmesini, astım hastalarının kendi bakım planlarını takip etmesini ve uymasını amaçlayan astımı evden uzaktan izleme sistemini tasarlamak ve değerlendirmektir. Böylece potansiyel tehlikeler önceden tanımlanmakta ve zamanında müdahale edilebilmektir. Çalışmada hastaya hastalığı ile ilgili anket soruları sorulmuş, pefmetreden elde edilen PEF değeri ve hastalıkla ilave bilgiler web ara yüzünden girilmiş ve uzman hekim ilgili verileri 19 değerlendirip hastaya uzaktan mesaj yoluyla destek vermiştir [17]. Astımı evden uzaktan izleme sisteminin başarılı olabilmesi için hasta ile sağlık uzmanları arasında günlük tekrarlanan rutin işlerin yönetilmesi ve gerçek zamanlı klinik karar destek sistemi sağlanması gerekmektedir. Birçok bağımsız çalışma, astım hastalarının PEF değerine bağlı yönetim programının hastaların klinik sonuçlarında iyileşme sağladığı ve yaşam kalitesini artırdığını göstermiştir[17]. Fakat son çalışmalar astım hastalarının hastalıklarını kendi kendine yönetmede, ilaç kullanma düzenlerinde, PEF verisini okumalarında sıklıkla hatalar oluştuğunu göstermiştir. Yine aynı çalışmalar hastaların kendi bakım planlarını takip edebilmeleri için yeni bir yaklaşım geliştirmenin gerekli olduğunu göstermiştir [16, 17, 43]. Chakraborty ve arkadaşlarının bronş astımı hastaları için bilgisayar destekli zeki tanı sistemi çalışmanın amacı klinik (semptomatik)-epidemiyolojik(neden/risk faktörleri) bilgiye dayalı olarak bronş astımı hastalarına sorulan sorularla interaktif bilgisayar destekli zeki tanı sistemi tasarlamaktır. Bronş astımı çeşidi, olasılık açısından astım şiddetinin derecesi şeklinde ifade edilmiştir. Sinir ağı kullanarak hastalık olasılığı tahmin edilmiştir. Eğer hastalık tespit edilmişse hastalığının onaylanması için hasta klinik teste gönderilmekte ve tanısal doğruluğu artırmak amacıyla hastalık olasılığı yeniden gözden geçirilmektedir. Bu çalışmada en iyi tanıyı elde etmek amacıyla tanı özelliklerinin sinir ağıyla öğrenilmesi de yapılmaktadır. Çalışmada astım çeşitleri geri yayılımlı sinir ağı modeliyle sınıflandırılmıştır. Genetik alerjik geçmişe sahip olmak, sigara, toz, hormonal faktörler vb. 12 farklı klinik özellik ve 4 farklı test ile klinikepidemiyolojik özellikler çıkarılmıştır. Hastaya sorulan anket soruları ile klinikepidemiyolojik bilgi tabanı oluşturulmuştur. Söz konusu zeki sistemin % 85,94 ile %90,47 arasında tanısal doğruluğu sahip olduğu kanıtlanmıştır [44]. Üncü ve arkadaşlarının KOAH daki spirometrik FVC grafiklerinin sınıflandırılması için bulanık kural tabanlı model çalışmasında, spirometre ile yapılan solunum 20 fonksiyon testlerinden elde edilen FVC grafiklerinin bulanık mantıkla KOAH derecesine göre sınıflandırılması yapılmıştır. FEV1 ve FEV1/FVC değerleri kural tabanındaki her kuralın tespiti için önemli bir kriter olarak kullanılmıştır. İleride yapılacak çalışma olarak elde edilen sonuçlarının hastalara uygulanacak anket ile birleştirilip hatalı faktörlerin giderilmesi şeklinde açıklanmıştır [45]. Hassinen ve Marttila-Kontio’in acil tıbbi yardımda dokümantasyon sistemi kullanarak afet kurtarma koordinasyonu adlı çalışmada, afet durumunda hastaların oksijen konsantrasyonu, kalp atışı , kan basıncı gibi çeşitli biyomedikal işaretlerin bluetooth ile iletimi yapılmaktadır. Ayrıca, barkod okuyucu, kulaklık ve sayısal kalemle elde edilen hasta ve tedavi bilgilerinin de çeşitli kablosuz teknolojilerle iletimi ve bu bilgilerin dokümantasyonu ile acil tıbbi yardımda insan gücünün ve teçhizatın etkili koordinasyonunu sağlayacak model önerilmiştir. Şekil 2.2.’de sistem mimarisi gösterilmektedir. Şekil 2.2. Acil tıbbi yardımda dokümantasyon sistemi kullanarak afet kurtarma koordinasyonu Bilgi toplayıcı cihaz olarak tablet bilgisayar kullanılmıştır. Paralel programlama 21 özelliğinden dolayı dokümantasyon yazılımı olarak Labview yazılımı kullanılmıştır [46]. Cano-García ve arkadaşlarının tıbbi kişisel alan ağları için PDA tabanlı taşınabilir kablosuz EKG monitörü çalışmasında, PDA’ya takılan PCMCIA kart ile hastadan EKG sinyallerinin alındığı, geniş bir alanda kullanılabilen kablosuz bağlantıya sahip giyilen EKG monitörü senaryoları gerçekleştirilmiştir. Bir veya birçok hastanın taşınabilir cihaz üzerinden Bluetooth, wiFi ve UMTS gibi farklı kablosuz teknolojilerle uzaktan takibi sağlanmıştır. Şekil 2.3.’de görülen senaryolarda sadece taşınabilir PDA’nın kullanıldığı, bluetooth ile uzaktan bağlantı kurulduğu, kablosuz bağlantı ile uzaktan takip ve web ara yüzü eklenen farklı senaryolar ile hasta takibi sağlanmıştır [47]. Şekil 2.3. PDA tabanlı izleme için uygulama senaryoları Şekil 2.4.’de gösterilen istepanian ve arkadaşlarının mobil sağlık sistemi çalışmasında, hastanın tüm biyomedikal işaretleri kablosuz bağlantıya sahip algılayıcılar aracılıyla hastanın konumundan bağımsız olarak gözlemlenebilmektedir. Böylece mobil takip sistemi geliştirilmiştir [48]. alınıp 22 Şekil 2.4. Mobil takip sistemimin mimarisi Figueredo ve arkadaşların, Şekil 2.5.’de görülen, evde bakım ve hasta izleme için mobil teletıp sistemi çalışmasında yaşlı nüfusunun giderek artması, hastanelere ulaşım zorluğu ve kronik hastaların sürekli bakım ihtiyacı dikkate alınmıştır. Hastadan EKG, kalp atışı, kan basıncı, SpO2, solunum değerleri, sıcaklık değerleri Agilent A3 marka hasta başı monitörden alınmıştır. Buradan da söz konusu veriler RS232 seri port aracılıyla mobil telefona aktarılmıştır. Mobil telefon söz konusu verileri paketlere dönüştürmekte ve TCP/IP veya UDP protokolü ile hastanedeki sunucuya gönderilmektedir. Sunucu tarafında çalışan Java tabanlı yazılım, tıbbi verilerin doktorlar arasında görüntülenmesini, dağıtılmasını, arşivlenmesini, analiz edilmesini sağlamakta, hasta tarafında çalışan istemci yazılım da kullanıcılar için kullanımı kolay ara yüz sağlamaktadır [49]. 23 Şekil 2.5. Sistem şeması Gao ve arkadaşlarının Şekil 2.6.’da görülen çalışmasında, afet durumunda hastaların hayati durumunu görüntülemek ve hastaneye kadar durumunu takip etmek için önemli biyomedikal sinyalleri alan giyilebilir algılayıcıları, konum algılayıcıları, adhoc ağları, elektronik hasta kayıt ve web portalıyla uyumlu olan gerçek zamanlı hasta takip sistemi geliştirilmiştir. Giyilebilir darbe oksimetre ve kan basıncı algılayıcıdan alınan veriler IEEE 802.15.4 standardı(Zigbee) ile dizüstü bilgisayara aktarılmakta, hastanın konumu açık mekânda GPS ile kapalı mekânda Harvard üniversitesinin geliştirdiği MoteTrack sistemiyle takip edilmektedir. Diz üstü bilgisayarda bulunan kablosuz EVDO kartları ile bilgiler hastanede bulunan OPTIMUS firmasının geliştirdiği hastane ön-bakım yazılımına iletilmektedir Hastadan alınan biyomedikal değerler önceden belirlenen değerleri aştığında sistem görüntülü ve sesli alarm vermektedir. Hastalardan alınan verilen değerlendirilmesiyle acil müdahale bekleyen 24 hastalar arasında önceliklendirme yapılabilmektedir. Çalışma ile acil müdahale sistemlerinde görülen sorunların çözülebileceği anlaşılmıştır. Şekil 2.6. Hasta bilgi akışı Diğer bir çalışmada eşik değerlerine bağlı olarak oksijen konsantrasyonunun azalması, kalp atışının azalması (bradikardi), artması(taşikardi) ve değişimine bağlı olarak acil durum merkezine bilgi verilmektedir [50]. Sauer ve arkadaşlarının nöral sinyal telemetri için bluetooth-3N tabanlı kablosuz iletim sistemi adlı çalışmada, EEG sinyallerinin bluetooth ile gezgin(mobil) cihaza buradan da başka bir işlem veya depolama yapılmaksızın 3N iletişim teknolojileri ile uzaktaki sunucuya iletilmesi anlatılmaktadır. Uzaktaki sunucuda da veriler işlenmekte ve analiz edilmektedir [51]. Eugene ve arkadaşlarının tıbbi görüntüleme bölümü için 3N GSM mobil (hücresel) 25 telefonları ile elektronik tıbbi raporu iletim sistemi geliştirilmesi adlı çalışmada, elektronik tıbbi rapor iletim sistemiyle hastaların tıbbi resim ve raporlarının gezgin(mobil) cihazlar ile uzman hekimlere 3N iletişim teknolojileri ile iletilmektedir. Şekil 2.7.’de geliştirilen sistemin mimarisi görülmektedir [52]. Şekil 2.7. 3N elektronik tıbbi rapor iletim sistemi Teong ve arkadaşlarının 3N ile uyumlu çalışan, tıbbi verileri güvenli bağlantı ile sunucudan alan, söz konusu verileri uzman hekimin görüntülemesi için gönderen, hasta kayıtlarına hastaneden erişmesini sağlayan, yazılı kayıtlar ve tıbbi görüntülerin gönderen WAP uygulama protokolü geliştirilmesi amaçlanmıştır [53]. Groning ve arkadaşlarının GSM ile insülin pompası kontrolü adlı çalışmada, SMS ile kontrol edilebilen bir insülin pompası geliştirilmiştir. Bilgisayarda yüklü olan yazılım, hastaya insülin verilmesi gerektiği zaman bir SMS oluşturmakta ve bu SMS’i insülin pompasına bağlı olan GSM modeme göndermektedir. Bu SMS içerisinde ne miktarda insülin enjekte edilmesinin bulunduğu şifreli bir metin bulunmaktadır. İnsülin pompası tarafında bulunan GSM modem SMS’i aldıktan sonra, ne kadar insülin pompalanacağını ayarlayan step motora SMS içerisindeki komutu iletir ve step motor insülin enjekte etme işlemini gerçekleştirir. Aşağıda GSM tabanlı bilgisayar kontrollü insülin pompasının çalışma prensibi gösterilmektedir. 26 Bilgisayar tarafında geliştirilmiş olan yazılım, günün belirli saatlerinde belirli miktarlarda insülin enjekte etmek üzere ayarlanmıştır. Yazılım sürekli olarak çalışmakta ve insülin pompasının kontrolü için gereken SMS’leri üretmektedir [54]. 27 3. KRONİK AKCİĞER HASTALIĞI BAKIM SİSTEMİ (KAHBS) 3.1. Solunum Fonksiyon Testi Hastalık belirtileri ve fizik muayene bulguları zaman zaman belirleyici olmamaktadır. Benzer şekilde, havayolu obstrüksiyonu(tıkanıklık) olan hastalardan biri aşırı nefes darlığı hissederken, diğer hastada nefes darlığı yakınması belirgin değildir. Bu nedenle akciğer hastalıklarının tanısında daha objektif sonuçlar vermesi nedeniyle solunum fonksiyon testleri önemlidir. Akciğer hastalıklarında tıkanıklık ve iltihaplanmanın derecesinin saptanmasında çok değişik solunum fonksiyon parametreleri kullanılmaktadır. En sık tercih kullanılan parametreler; zorlu vital kapasite (FVC) ölçümünün birinci saniyesindeki zorlu nefes verme hacmi (FEV1), FEV1 değerinin FVC değerine oranı(FEV1/FVC), nefes vermenin ortasındaki akım hızı (FEF25-75) ve nefes verme akım hızı (PEF) ölçümleridir. Solunum Fonksiyon Test Sonuçları Solunum fonksiyon testi(SFT) sonucunda ölçülen veriler dinamik akciğer hacimleri olup, havayollarının çapı ve bütünlüğünü yansıtmaktadır. Bu verilerin ayrıntılı açıklanması ve yorumlanması kronik akciğer hastalığın tanı, tedavi ve takibinde büyük öneme sahiptir. En önemli SFT verileri FVC, FEV1, FEV1/FVC, FEF25-75 ve PEF dir. FVC(Forced vital capacity): Maksimum nefes almadan sonra yapılan zorlu bir nefes verme ile dışarı atılan havanın hacmidir. FVC testi en önemli solunum testidir. Normal değerleri kişinin boy, yaş, ırk, kilo ve cinsiyetine bağlıdır. Hava yolu obstrüksiyonu nedeniyle akciğerdeki havanın tam atılamaması sonucu bronşiyal astımlı hastalarda FVC değerleri düşük bulunmaktadır. 28 FEV1 (Forced expiratory volume): Zorlu yapılan bir nefes vermenin birinci saniyesinde atılan havanın hacmidir. Obstrüktif akciğer hastalıkları dışındaki diğer bazı hastalıklarda da FEV1 düşmektedir. Bu nedenle hava yolu tıkanıklığı göstergesi olarak FEV1 alınması daha doğrudur. FEV1/FVC: FEV1’in FVC ye oranıdır. Bu oran sağlıklı erişkinde % 75’in üzerindedir. Oran ne kadar düşer ise hava yolu tıkanıklığı o kadar ağırdır. Astımlı hastada FEV1, FVC ve PEF değerlerinin beklenene göre düşük bulunması tanıda önemlidir. KOAH gibi diğer obstrüktif akciğer hastalıklarında da bu parametreler düşük bulunmaktadır. Ancak astımda azalmış solunum fonksiyon değerlerinin bir özelliği geri dönüşümlü, başka bir ifade ile hastalığın tedavi edilebilir olmasıdır. FEV1, FVC ve PEF ölçümlerinden sonra hastaya inhalasyon ile kısa etkili beta 2-agonist ilaç verilmektedir. 15-20 dakika sonra FEV1 ve/veya FVC de bazal değere göre %12 lik veya mutlak değer olarak 200 ml lik artış, PEF’de ise % 15 lik artış olması hava yolu tıkanıklığının geri dönüşümlü olduğunu göstermektedir. Bu durum astım lehine önemli bir bulgudur. Ayrıca obstrüktif hastalarda FEV1 ve FVC düşük iken, bu oran beklenen değerden daha düşüktür. PEF: Zorlu bir nefes verme ile sağlanan maksimum nefes verme akım hızıdır. Pefmetre ile ölçülen değer (PEF) solunum yollarındaki hava akımının ulaştığı en yüksek değeri vermektedir. Hava akımının olduğu solunum yolu açıklığı çapının artıp azalmasıyla değişmektedir. Eğer solunum yollarında bir daralma söz konusu ise bu değer düşük çıkmaktadır. Sağlıklı kişilerde kişinin yaşı, cinsi ve boyuna göre üflemesi gereken ortalama PEF değerleri saptanmış ve bu değerlerden nomogram elde edilmiştir. Hava yolu tıkanıklığı olan hastalarda PEF’in mutlak değerleri beklenen değerlere göre düşük bulunmaktadır. PEF ne kadar düşük ise hastada o kadar belirgin hava yolu tıkanıklığı vardır. Mutlak değerlerin yanı sıra PEF’in günlük değişkenliğinin saptanması astım tanısında ve tedavinin izlenmesinde çok önemlidir. Birçok değişik biyomedikal nedenlerle sağlıklı kişilerde ve özellikle astımlı hastalarda sabaha karşı belirtilerin artması şeklinde kendini göstermektedir. PEF değerlerinde sabah ve akşam arasındaki bu farklılığa günlük değişkenlik 29 denilmektedir. Sağlıklı kişilerde günlük PEF değişkenliği %20 nin altındadır. Astımlı hastalarda ise değişkenlik %20 ve üzerindedir. PEF değişkenliği ne kadar fazla ise astımın o kadar ağır olduğu ve hastalığın kontrol altına alınamadığı anlamına gelmektedir. FEF25-75: Zorlu nefes vermede, havanın %25 ile %75’i ortasında bulunan akım hızıdır. Bu değer hava yollarındaki tıkanıklığın erken göstergesi olması bakımından önemlidir [55]. 3.2. Yapay Sinir Ağları Yapay Sinir ağları insan beyninden esinlenerek geliştirilmiş, ağırlıklı bağlantılar aracılığıyla birbirlerine bağlanan ve her biri kendi belleğine sahip işlem elemanlarından oluşan paralel ve dağıtılmış bilgi işleme yapılarıdır. Yapay sinir ağları bir programcının geleneksel yeteneklerini gerektirmeyen, kendi kendine öğrenme düzenekleridir. Genel olarak yapay sinir ağları model seçimi ve sınıflandırılması, işlev tahmini, en uygun değeri bulma ve veri sınıflandırılmasında başarılıdır. En çok kullanılan yapay sinir ağı, ileri beslemeli geri yayılımlı yapay sinir ağı modelidir. Yapay Sinir ağları pek çok alanda olduğu gibi, tanı ve teşhis amaçlı olarak tıp alanında da kullanılmaktadır [56, 57]. Bu tez çalışmasında da ilgili model kullanılmıştır. Geri Yayılım Algoritması Çalışmada, algoritmanın ileri doğru yayma aşamasında aktivasyon fonksiyonu olarak sigmoid yerine daha etkili sonuç veren tansig fonksiyonu kullanılmıştır. Tansig e Q[k] e -Q[k] fonksiyonu sonucu Q[k] denklemi ile bulunmaktadır. Çok katmanlı ağın e e -Q[k] (ÇKA) eğitiminde ileri besleme işlemi ile çıkış değeri elde edilmektedir. Beklenen değerden, bulunan çıkış değeri çıkarılarak hata elde edilmektedir. Bulunan hata, çıkış nöronundan itibaren geriye doğru yayılarak ağırlık ve eşik değerleri 30 güncellenmektedir. Bu işlem beklenen hata değerine veya iterasyon sayısına ulaşılıncaya kadar tekrarlanmaktadır. Böylece Şekil 3.1.’de görüldüğü gibi ağırlık ve eşik değeri güncellenerek ağın eğitimi gerçekleştirilmektedir. Şekil 3.1. İleri beslemeli geri yayılımlı ağ modeli Geri yayılım algoritmasında ağırlık değişimleri eşitlik 3.1, yeni ağırlık değerleri eşitlik 3.2 ile bulunmaktadır. Wjm (t ) .m .Ç j .Wjm (t 1) ……………………………………………….…....…3.1 Wjm (t ) Wjm (t 1) Wjm (t ) .……………………………………………….……....…3.2 Benzer şekilde eşik değeri değişimi eşitlik 3.3, yeni eşik değeri eşitlik 3.4 ile bulunmaktadır. Q j (t ) . j .Q j (t 1) …………………………..…………………...….…………3.3 Q jm (t ) Q jm (t 1) Q jm (t ) .……………………………………………………......…3.4 3.3. Tez Çalışmasında Kullanılan Cihazlar Doktora tez çalışmasında biyomedikal verilerin ölçülmesi spirometre ve darbe 31 oksimetre cihazları ile sağlanmıştır. Verilerin görüntülenmesi ve değerlendirilmesi için akıllı cep telefonu kullanılmıştır. Ayrıca, uzak merkezdeki sunucu ile veriler depolanmaktadır. Ayrıca, web sayfaları ölçüm verileri yayınlanmakta, SMS bilgilendirme ve tavsiye mesajları gönderilmektedir. Spirometre Akciğer hacim ve kapasiteleri spirometre ile ölçülmektedir. Spirometre Spiro (Ruh, nefes) ile metre(ölçüm) kelimelerinin birleşiminden oluşmaktadır. Spirometre, kronik akciğer hastalıklarının tanı, tedavi ve takibinde sıklıkla kullanılmaktadır. THORMED firmasında alınan spirometre ile ölçülen en önemli solunum fonksiyon test sonuçları FVC, FEV1, FEV1/FVC, PEF ve FEF25-75 dir. Sayısal ölçüm sonuçlarından hacimzaman ve akış-hacim grafik verileri de elde edilerek daha etkin tanı, tedavi ve takip sağlanabilmektedir. Grafik verileri yaklaşık bin noktadan oluşmakta ve web sayfalarından erişilmektedir. Tez çalışmasında kullanılan spirometre gerekli tüm solunum fonksiyon test sonuçlarını ölçtüğü gibi söz konusu verileri bluetooth sanal seri port protokolü ile akıllı cep telefonuna göndermektedir. Ayrıca cihazın otomatik kalibrasyon özelliği mevcuttur. Darbe Oksimetre Darbe oksimetre cihazı arter kanındaki oksijen satürasyonu (SPO2) ve kalp atışı ölçümü yapabilen sayısal bir ölçüm cihazıdır. Darbe oksimetre cihazı %-0-100 aralığında oksijen satürasyonunu ve 18-300 bpm(Beats per Second) aralığında kalp atışı ölçümü yapabilmektedir. Sağlıklı bir insanda oksijen satürasyonu % 94–100 arasında değişmektedir. Darbe oksimetre sadece fonksiyonel hemoglobine dayalı satürasyon ölçümü yapmaktadır. Ölçtüğü parametre SpO2’dir [28]. Kandaki oksijen miktarını gerçek zamanlı görüntülemek önemlidir. Oksijen yetersizliğinde kalp, karaciğer ve böbrekler kalıcı olarak zarar görmektedir. Beynin korteks tabakası dakikalar mertebesinde oksijensiz kaldığında benzer kalıcı hasarlar görülmektedir [58]. Tez çalışmasında kullanılan darbe oksimetre, 63 gram ağırlığındaki parmak tipi 32 olup, hastanın günlük yaşamanı etkilemeden SPO2 ve kalp atışı değerlerini ölçen, hastanın devamlı parmağında taşıyabildiği, kapalı alanda 10 metre, açık alanda 100 metre çapında Bluetooth Sanal Seri Port (RS-232) protokolü ile veri gönderimi sağlayan cihazdır. Akıllı Cep Telefonu Hastayı rahatsız etmeden, her zaman ve her yerden hastanın takibi kavramının ortaya çıktığı tıp dünyasında akıllı cep telefonlarının kullanımı yaygınlaşmaktadır. Bu kapsamda tez çalışmasında akıllı cep telefonu kullanılmıştır. Symbian işletim sistemine sahip Nokia 5800 cihazının veri alımını sağlayan bluetooth, geliştirilen java uygulamasının yüklenebildiği bellek, verilerin uzaktaki sunucuya gönderilmesini sağlayan 3N, GPRS ve WiFi özellikleri kullanılmıştır. Uzak Merkezdeki Sunucu Uzak merkezdeki sunucu verilerin depolanması, normal ve mobil web sayfalarının internet üzerinden sunulmasını ve SMS mesajının oluşturulmasını sağlamaktadır. Bu amaçla UBUNTU işletim sistemine sahip sunucu kurulmuştur. Sunucu üzerinde Apache, Apache Tomcat, MySQL, SSH and phpmyadmin servisleri çalışmaktadır. MySQL veritabanında hastaların kişisel bilgileri, kabul edilebilir solunum fonksiyon test (SFT) verileri, çok katmanlı yapay sinir ağı sonuçları, web sayfası verileri depolanmaktadır. Ayrıca sunucu üzerinde çalışan program SFT verileri ve sınıflandırma sonucu ile SMS mesajının gönderilmesini sağlayan XML dosyasını oluşturmaktadır. Söz konusu SMS mesajı, hasta ve doktora özel bir firmanın SMS ağ geçidi üzerinden gönderilmektedir. 3.4. Tezde Geliştirilen Sistemin Mimarisi Tez çalışmasında geliştirilen sistemin mimarisi Şekil 3.2.’de gösterilmektedir. 33 Şekil 3.2. Tez çalışmasında geliştirilen sistemin mimarisi Geliştirilen sistemin mimarisinde görüldüğü gibi ev ortamında kronik akciğer hastasının solunum fonksiyon test değerleri spirometreyle, oksijen konsantrasyonu ve kap atışı değerleri darbe oksimetre ile ölçüldükten sonra veriler bluetooth sanal seri port protokolü ile akıllı cep telefonuna aktarılmaktadır. Cep telefonu ekranında söz konusu veriler ve solunum fonksiyon testinin ileri beslemeli geri yayılımlı yapay sinir ağı (ÇKA) ile sınıflandırılmasından elde edilen sonuç gösterilmektedir. Aynı zamanda bu veriler web servis ile uzaktaki sunucuya XML tabanlı olarak WiFi, GPRS veya 3N ile gönderilmektedir. Web servis, verileri sunucuda bulunan veritabanına kaydetmektedir. Acil durum olmadığında doktora SMS gönderilmemekte, hastaya bilgilendirme SMS mesajı gönderilmektedir. Acil durumda ise hastaya solunum fonksiyon test değerleri ve bu verilerin sınıflandırma sonucu veya darbe oksimetre verileri gönderilmektedir. Ayrıca, hastaya bu sonuçlara bağlı olarak “Acilen doktorunuz ile görüşünüz”, “Herhangi bir solunum sorununuz yoktur.” benzeri tavsiye mesajı, doktora ise hastanın biyomedikal verilerini içeren 34 bilgilendirme SMS mesajı gönderilerek doktorun acil durum merkezi veya ambulansı hastaya yönlendirmesi sağlanmaktadır. Bunlara ilaveten normal ve mobil web sayfası üzerinden spirometre ve darbe oksimetreden ölçülen veriler zaman ve kullanıcı bazlı takip edilebilmekte, St. George solunum ve astım kontrol testi yapılabilmekte ve sonuçları takip edilebilmektedir. Ayrıca, yaklaşık bin noktadan oluşan solunum fonksiyon testinin akış-hacim ve hacim zaman grafikleri görüntülenebilmekte, gerekli olduğu takdirde doktor ve hasta birbirlerine e-posta gönderebilmektedir. 3.5. Tezde Geliştirilen Sistemin Teknik Tasarımı Tez çalışmasında geliştirilen sistem hasta, sunucu ve web birimlerinden oluşmaktadır. Hasta biriminde bulunan solunum fonksiyon modülü, spirometre cihazından solunum fonksiyon değerlerinin (FVC, FEV1, FEV1/ FVC, PEF, FEF25-75) bluetooth sanal seri port protokolü ile alınmasını sağlamakta, darbe oksimetre modülü ise kalp atışı ve arteriyel oksijen konsantrasyonu verilerinin bluetooth sanal seriport protokolü ile alınmasını sağlamaktadır. Karar destek modülü sistemin ana modülü olup, solunum fonksiyon test verilerinin ileri beslemeli geri yayılımlı çok katmanlı yapay sinir ağı (ÇKA) ile sınıflandırmakta, iletişim modulü sunucu birimi ile bağlantıyı sağlamaktadır. Sunucu biriminde bulunan sunucu veritabanı modülü, darbe oksimetre ve spirometreden elde edilen verileri, spirometre verilerinin sınıflandırma sonuçlarını, acil durum ve web sayfası bilgilerini depolamaktadır. Acil durum modülü, nabız (kalp atışı) ve arteriyel oksijen konsantrasyonunun belirlenen sınırlar dışında olması veya SFT verilerinin ÇKA ile sınıflandırma sonucunun KOAH olması durumunda hasta ve doktora SMS göndererek, gerekli ise, ambulansın hastaya yönlendirilmesini sağlamaktadır. 35 Web biriminde bulunan normal web sayfası modulü hasta ve doktorun kullanıcı ve zaman bazlı hasta verilerinin takibi ve incelenmesini sağladığı gibi kronik akciğer hastalıkları hakkındaki ilave bilgilerle hastayı bilgilendirmektedir. Ayrıca St. George solunum testi ve astım kontrol testi(AKT) ile kronik akciğer hastalığı ile ilgili ilave bilgilere ulaşılmasını sağlamaktadır. Bu testler tercihe bağlı olarak web sayfasından gerçekleştirilmektedir. Mobil web sayfası modülü, mobil cihazların tarayıcılarına uyumlu içeriğe erişim sağlamaktadır. Şekil 3.3.’de geliştirilen sistemin teknik tasarımı gösterilmektedir. Şekil 3.3. Sistemin teknik tasarımı Solunum Fonksiyon Test Verilerinin Değerlendirilme Diyagramı Solunum fonksiyon testinin (SFT) değerlendirilme akış şeması Şekil 3.4.’de gösterilmektedir. Sistem mimarisi ve akış şeması uzman doktorun tavsiyeleri doğrultusunda geliştirilmiştir. Hasta, solunum fonksiyon testini gerçekleştirdikten sonra ölçümün değerlendirilmesi geliştirilen algoritma ile yapılmaktadır. Söz konusu SFT verilerinin değerlendirilebilmesi için öncelikle verilerin kabul edilebilirlik şartlarını sağlaması 36 gerekmektedir. Solunum fonksiyon testinin kabul edilebilir olması için ölçümler arasındaki en yüksek FEV1 ve FVC ile en düşük FEV1 ve FVC değeri arasındaki farkın 400 mililitreden küçük olması ve en az üç gerçek ölçümün yapılması gerekmektedir. SFT testinin dışındaki tüm aşamalar akıllı cep telefonu üzerinde yapılmaktadır. Örneğin hastaların referans değerleri hastanın boyu, yaşı ve cinsiyetine göre bulunmaktadır. SFT sonuçları (FVC, FEV1, FEV1/FVC, FEF25-75 ve PEF) giriş özniteliği alınıp, ileri beslemeli geri yayılımlı çok katmanlı yapay sinir ağı ile sınıflandırma gerçekleştirilmektedir. Sınıflandırma sonucu obstrüktif bulunur ise hastanın bronkilatör vb. rahatlatıcı ilaç kullandıktan sonra yeni SFT test yapılması gerekmektedir. Yeni SFT ölçümünde daha önceki ölçümlere göre FEV1 de %12 veya 200 ml. değişiklik var ise hastalığın geri dönüşümlü olduğu anlaşılmakta ve hastanın durumu Astım olarak adlandırılmaktadır. FEV1 de değişiklik yok ise hastanın durumu KOAH olarak belirlenmektedir. Daha sonra sonuç SMS ile hastaya bildirilmektedir. 37 Şekil 3.4. Solunum fonksiyon testi değerlendirme akış şeması Çalışmada, hastadan ölçülen veriler ÇKA ile sınıflandırılmadan önce hastanın cinsiyetine ve yaşına bağlı olarak Knudson tarafından geliştirilmiş solunum fonksiyon referans değerleri hesaplanmaktadır. Örneğin, 20 yaşından büyük erkek bir hastanın FVC değeri FVC=0,0576*Boy(cm)-0,0260*Yaş-4,34 formülü ile bulunmaktadır. Ülkemiz için henüz kesinleşmiş bir referans değer çizelgesi bulunmamaktadır. 38 Çalışmanın veri havuzu oluşturması yönünde ilerleme sağlandığından söz konusu alanda referans değer elde edilebilmesinde yararlı olabileceği düşünülmektedir. Çizelge 3.1.’de yaygın olarak kullanılan referans algoritmaları açıklanmaktadır. Tez çalışmasında söz konusu algoritmalardan Avrupa halkları için belirlenen Knudson algoritması kullanılmıştır. Çizelge 3. 1. Solunum fonksiyon testi referans denklemleri [91] Referans Akciğer Denklem Çalışma Algoritması Fonksiyonu Bay Bayan Quanjer FVC (L) 0,0576*H-0,0260*A- 0,0443*H-0,0260*A-2,890 4,340 FEV1(L/sn) 0,0430*H-0,0290*A- 0,095*H-0,025*A-2,600 Grubu Avrupa 2,490 Knudson FVC (L) 0,0844*H-0,0298*A- 0,044*H-0,0169*A-3,195 8,782 FEV1(L/sn) 0,0665*H-0,0292*A- 0,0665*H-0,0292*A-6,515 Avrupa 6,515 Crapo FVC (L) 0,0600*H-0,0214*A- 0,0491*H-0,0216*A-3,590 4,650 FEV1(L/sn) 0,0414*H-0,0244*A- 0,0342*H-0,0255*A-1,578 2,190 Hankinson FVC (L) FEV1(L/sn) Asya (OrtaDoğu) -0,1933+0,0064*A- -0,3560+0,01870*A 0,000269*A*A +0,000382*A*A+0,000148 +0,00018642*H*H 15*H*H Amerika 0,5536-0,01303*A- 0,4333-0,00361*A- (Kafkas) 0,000172*A*A 0,000194*A*A +0,0014098*H*H +0,001196*H*H H=Boy(cm), A=Yaş(Yıl) Çizelge 3.2.’de Atatürk Göğüs Hastalıkları ve Göğüs Cerrahisi Araştırma Hastanesinden alınan hasta verileri ile farklı algoritmaların FVC değerleri bulunmuştur. Elde edilen sonuçlardan Avrupa halkları için belirlenen Quanjer ve 39 Knudson algoritmaların sonuçları arasında önemli fark olmadığı görülmüştür. Çizelge 3. 2. Solunum fonksiyon testi referans sonuçları Bay Referans Akciğer Algoritması Fonksiyonu Quanjer FVC (Litre) Knudson FVC (Litre) Crapo FVC (Litre) Hankinson Göğüs FVC (Litre) hastalıkları Bayan Boy(cm) Yaş Sonuç Boy(cm) Yaş Sonuç 175 59 4,21 163 41 3,26 170 24 4,83 155 32 3,14 174 58 4,17 156 34 3,14 174 53 4,30 155 45 2,81 172 46 4,37 160 40 3,16 175 59 4,23 163 41 3,28 170 24 4,85 155 32 3,08 174 58 4,18 156 34 3,09 174 53 4,32 155 45 2,86 172 46 4,36 160 40 3,17 175 59 4,59 163 41 3,53 170 24 5,04 155 32 3,33 174 58 4,55 156 34 3,34 174 53 4,66 155 45 3,05 172 46 4,69 160 40 3,40 175 59 4,62 163 41 3,70 170 24 5,05 155 32 3,41 174 58 4,58 156 34 3,44 174 53 4,73 155 45 3,27 172 46 4,78 160 40 3,57 uzman doktorları, sıklıkla kronik akciğer hastalığının sınıflandırmasında, Şekil 3.5.’de görülen GOLD kural çizelgesini kullanmaktadır. Atatürk Göğüs Hastalıkları ve Göğüs Cerrahisi Araştırma Hastanesinden alınan veri kümesi söz konusu kural çizelgesi ile sınıflandırıldığında %72,2 başarısı sağlanmıştır. Tez çalışmasında geliştirilen çok katmanlı yapay sinir ağının aynı veri kümesini %98,7 başarı ile sınıflandırılması çalışmasının önemini ortaya koymaktadır. 40 Şekil 3.5. GOLD kural tabanlı modele göre sınıflandırma[38] Hava yolu obstrüksiyonu olan hastaların bronkodilatör kullanması sonrası FEV1 de %12 veya 200 ml. artış olması hastanın geri dönüşümlü hava yolu tıkanıklığına sahip olduğunu göstermektedir. Bu değişim obstrüktif hastaların astım olduğunu bulmamızı sağlamaktadır. FEV1 de %12 veya 200 ml. artış olmaması durumunda ise hastanın KOAH olduğuna karar verilmektedir [59, 60]. Çalışmada sınıflandırma sonucunda hava yolu obstrüksiyonu olan hastaların bronkodilatör kullanması sonrası FEV1 değişimleri takip edilip astım mı yoksa KOAH olduğu bulunmaktadır. Şu ana kadar literatürde yapılan çevrimdışı çalışmalarda normal, obstrüktif, restriktif ayrımı yapılmış iken çalışmada geliştirilen model ile gerçek zamanlı astım ve KOAH ayrımı da yapılmaktadır. 41 3.6. Kronik Akciğer Hastalıklarının Sınıflandırılması için Mobil Yapay Zekâ Yazılımı Mobil Yapay Zekâ Yazılımı Bu bölümde, kronik akciğer hastalığının sınıflandırılması hakkında literatürde yapılmış tüm çalışmalar incelenip, yorumlanmıştır. Daha sonra çok katmanlı yapay sinir ağı(ÇKA) ile geliştirilen mobil yapay zekâ yazılımı ayrıntı bir şekilde anlatılıp, diğer çalışmalardan farkı açıklanmıştır. Literatürdeki kronik akciğer hastalıklarının sınıflandırılması çalışmalarında yapay zekâ, destek vektör makinesi, bayesian, bulanık mantık algoritmaları, istatiksel ve kural tabanlı yöntemler kullanılmıştır. Çalışmalarda giriş özniteliği olarak, solunum fonksiyon testinden elde edilen veriler ve/veya FVC akış-hacim grafiği kullanılmıştır[61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77]. Bu çalışmanın literatürdeki diğer çalışmalardan farkları; yazılımın mobil platformda çalışması, gerçek zamanlı sınıflandırma yapılması, gerçek zamanlı sınıflandırmada MATLAB ve benzeri hazır kütüphane veya fonksiyonların kullanılmaması, spirometre sonucuna göre kronik akciğer hastalığının sınıflandırmasında FVC ve FEV1/FVC’in yanı sıra literatürde önemi kabul edilen[33, 34, 39] fakat şu ana kadar sezgisel algoritmalarda kullanılmayan FEF25-75’i giriş özniteliği alması, normal, obstrüktif ve restriktif sınıflandırmasının yanı sıra Astım, KOAH ayrımının yapılabilmesi, GOLD un kural tabanlı modeline göre(%72,2) yüksek başarımda(%98,7) sınıflandırma yapılması ve kronik akciğer hastalarının takibini kolaylaştırmasıdır. Kronik akciğer hastalığının tanı ve takibinde sigara, yaş ve BMI(Vücut kitle indeksi) nın öznitelik olarak bulunmaktadır. BMI kullanılabileceği hakkında Ağırlık(kg)/[Boy(metre)* literatürde Boy(metre)] birçok çalışma formülü ile bulunmaktadır. Nefes darlığı ve hırıltının KOAH dan bağımsız olarak BMI ile ilişki 42 olduğuna dair Montes ve arkadaşlarının çalışması[78] ve Harik-Khan ve arkadaşlarının[79] düşük BMI ya sahip erkeklerin akciğer hastalığı için artan risk faktörü oluşturduğuna ilişkin çalışmalardan yola çıkarak söz konusu parametrelerin ÇKA’ın girişinde öznitelik olarak kullanılabileceği düşünülmüştür. Fakat FEV1/FVC ve FVC ile birlikte söz konusu özniteliklerle ağın eğitilmesi sağlanamamıştır. ÇKA’a uygulanan giriş değişkenlerinin ortalaması, standart sapması, varyansı alındığında ağın eğitilmesi sağlanamamıştır. Bundan dolayı, Atatürk Göğüs Hastalıkları ve Göğüs Cerrahisi Araştırma Hastanesinden alınan 486 hastaya ait gerçek spirometre çıktı değerleri yüze bölünerek normalize edilmiştir. Bu değerler (FVC, FEV1, FEV1/FVC, PEF, FEF25-75) hastanın akciğer hacim ve gücünün referans değerlere bölünmesi ile elde edilen değerlerdir. Ağın eğitilmesi geri yayılımlı delta kuralı ile yapılmış olup, ezberlemeyi önlemek amacıyla karışık dağıtılmış 313 normal, 136 obstrüktif, 37 restriktif olmak üzere 389 hasta verisi ile gerçekleştirilmiştir. Ağın testinde ise 61 normal, 28 obstrüktif, 8 restriktif olmak üzere 97 hasta verisi kullanılmıştır. Böylece veri setinin %80’i eğitime, %20’si teste ayrılmıştır. Şekil 3.6.’da görüldüğü gibi ileri beslemeli ve geri yayılımlı ÇKA(Çok katmanlı yapay sinir ağı) ın eğitiminde kullanılan giriş öznitelikleri FVC, FEV1, FEV1/FVC, PEF, FEF25-75 dir. Mobil cihazların işlemci gücü, normal bilgisayarlara göre düşük olduğundan öncelikle Matlab ile eğitim ve test gerçekleştirilmiştir. Şekil 3.3.’de görülen beş girişli, iki gizli katmanlı, üç çıkışlı ağın eğitimi 1000 iterasyon ve 1000 döngüde sağlanmıştır. Buradan elde edilen ağırlık ve eşik değerleri mobil ÇKA yazılımının ağırlık ve eşik başlangıç değerleri olarak alınmıştır. Eğitimde öğrenme oranı 0,05, momentum değeri 0,9 alınmıştır. 43 Şekil 3.6. Beş girişli, iki gizli katmanlı, üç çıkışlı çok katmanlı yapay sinir ağı 4 katmanlı ve 5-5-5-3 mimarisine sahip ÇKA’ın eğitim kümesinin doğruluk değeri 98,7%, belirlilik değeri 97,83%, duyarlılık değeri 97,63% ve korelasyon değeri 0,946 olarak bulunmuştur. Spirometre ile SFT ölçümü yapılıp, bluetooth ile SFT değerleri mobil cihaza alındıktan sonra isteğe göre her ölçümden sonra ağın yeniden eğitimi gerçekleştirilebilmektedir. Daha sonra ileri besleme ile eğitilmiş ağın çıktısı olan sınıflandırma sonucu elde edilmektedir. Java Platformunda Geliştirilen KAHBS Uygulaması Cep telefonu üzerinde çalışan uygulama J2ME(Java 2 Micro Edition) ile geliştirilmiştir. J2ME ile geliştirilen MIDlet’lerin diğer uygulamalardan en büyük farkı programda main kısmının olmamasıdır. Program Active, Pause ve Destroyed durumlarına sahiptir. Bu durumlar için StartApp(), PauseApp() ve DestroyApp() metotları kullanılmaktadır. Söz konusu özellik J2ME’ya özel bir yapıdır. Programın çalıştığı kısım StartApp() metotunun bulunduğu kısımdır. Uygulamada J2ME kullanılmasının sebebi çalışmada gerekli olan birçok servis, uygulama, arayüzü sorunsuz bir şekilde desteklemesidir. İfade edilen bu özelliklere erişim ve bunların kullanımı API(Application Program Interface) ile gerçekleştirilmektedir. API, 44 herhangi bir yazılımdan diğer bir kaynak veya servise erişim ve kontrolünü sağlayan kurallar ve özellikler kümesidir. Çalışmada oksijen konsantrasyonu ve kap atışını ölçmemizi sağlayan darbe oksimetre cihazına, akciğer hacim ve kapasitesini ölçmemizi sağlayan spirometre cihazına bluetooth iletişim teknolojisi ile erişim için JSR-82(Java APIs for Bluetooth), verilerin akıllı cep telefonundan web sunucusuna http protokolü kullanarak WiFI, GPRS veya 3N ile gönderilmesi için JSR-172(J2ME Web Services Specification), web sunucusunda değerlendirme sonucunun ilgili kişi veya merkeze SMS ile gönderilmesi için JSR-120(Wireless Messaging API) kullanılmıştır. J2ME’da her özellik için farklı API kullanılması ile ilgili özelliğin daha ayrıntılı ve uygulamaya özel kullanılabilmesi sağlanmıştır. Örneğin .NET programlama dili ile darbe oksimetreye bluetooth bağlantısı sağlanıp iki byte da gönderilen kalp atışı ve oksijen konsantrasyonu verileri alınabilirken, akış(stream) şeklinde veri gönderen spirometreden veri almak mümkün olmamıştır. JSR-82’de tanımlı olan seri port protokolü ile akıllı cep telefonu ile cihazlar arasında bluetooth sanal seri port bağlantısı kurulmaktadır. Bağlantı kurulduktan sonra veriler byte byte cep telefonuna aktarılmaktadır. Bu uygulamada cep telefonu sunucu, cihazlar ise istemci olarak çalışmaktadır. J2ME’de bluetooth bağlantısı 5 alt başlıkta anlatılabilir. Bunlar; Bluetooth Yığıtının başlatılması (Stack Initialization) Cihaz Yönetimi (Device Management) Cihazın bulunması (Device Discovery) Servisin bulunması (Service Discovery) İletişim (Communication)’dir. Bu bağlantı şeklinde, sunucu (cep telefonu) StreamConnectionNotifier sınıfı ile bluetooth servisi oluşturmakta, ServiceRecord sınıfı sunucu cihazında oluşturulan servis kaydını almakta, StreamConnection sınıfı ise servisin istemci bağlantısını kabul ettiğini göstermekte ve service.close() metodu ise bağlantıyı kapatarak servis kaydını silmektir. 45 Cihazların destekliği bluetooth özellikleri birbirinden farklı olduğundan cep telefonuna bağlantı için iki farklı yöntem kullanılmıştır. Spirometre ile bağlantıda bluetooth yığını (stack) başlatıldıktan sonra(stack initialization) bluetooth servisi oluşturulmakta ve cihaz myServiceUUID;name=MyBtService) bu bulup servisi (btspp://localhost: kaydolmaktadır. Kayıt işlemi gerçekleştikten sonrada bluetooth bağlantısı gerçekleşmektedir. Darbe oksimetre ile bağlantıda ise MIDlet cihaz kimliği(ID) ile direk bağlantı(connURL =btspp://0791345694356:1) sağlanmaktadır. 3.6.1. Spirometre bluetooth uygulama yazılımı Spirometre ile solunum fonksiyon test değerlerinin gün içerisinde belirli aralıklarla ölçülmesi yeterli olduğundan hastaların evlerinden ölçtüğü değerler bluetooth ile cep telefonuna, cep telefonundan da web sunucusunda bulunan MySQL veritabanına aktarılmaktadır. Bu amaçla evde bakım sistemi için uygun, kaliteli ve ucuz spirometre temin edilmiştir. Hasta, spirometre ile solunum fonksiyon testlerini gerçekleştirdikten sonra veriler bluetooth iletişim protokolüyle akıllı cep telefonuna aktarılmaktadır. Spirometre ile hastanın akciğer kapasitesi(FVC), bir saniyede üfleyebildiği havanın hacmi(FEV1),nefes verme gücü(PEF), maksimum nefes vermenin ortasındaki akım hızı (FEF25-75), FEV1/FVC değerleri ölçülmektedir. MIDlet Uygulama Yazılımı J2ME ile geliştirilen MIDlet uygulama menüsünde, Şekil 3.7.’de görüldüğü gibi, spirometre cihazı ile bağlantı sekmesi, darbe oksimetre cihazı ile bağlantı sekmesi, kullanıcı adı, darbe oksimetre ID’si, sunucu IP adresinin belirlendiği ayarlar sekmesi ve astım kontrol testinin cevaplandığı anket sekmesi bulunmaktadır. Çalışmada, spirometre ve darbe oksimetreden bluetooth iletişim teknolojisi ile veri alabilen ve http protokolü ile 3N veya kullanıcının tercihine göre GPRS, WiFi gibi 46 farklı bağlantılar üzerinden uzakta bulunan web sunucusuna verileri gönderebilen akıllı cep telefonu temin edilmiştir. Programın sekmelerinde bulunan tüm formların yönetimi yığın (stack) sınıfından türeyen DisplayManager sınıfı ile yapılmaktadır. Ana formdan(formMain) tüm aktif ve pasif formlar arasında geçişler bu sınıf ile sağlanmaktadır. Şekil 3.7. MIDlet menüsü Spirometre ile bağlantı SpirothorDataReceiver sınıfı ile sağlanmaktadır. MIDlet uygulamasında bulunan “Bağlantıyı Aç” butonuna basıldıktan sonra cep telefonu zamanlayıcı(schedule) metodu ile 3 dakika(180000 milisaniye) boyunca spirometrenin cep telefonunun bluetooth servisine kayıt yaptırarak bağlanması beklenmektedir. Şekil 3.8.’de gösterildiği gibi, bağlantı sağlandıktan sonra cep telefonunun ekranında “Cihaza bağlandı, Veri aktarımına başladı” yazısı çıkmaktadır. Bu süre zarfında bağlantı olmazsa bluetooth bağlantısı kapatılıp, ilk açılıştaki butonlar geri yüklenip, zamanlayıcı iptal edilmektedir. 47 Şekil 3.8. MIDlet’de spirometre uygulamasının başlatılması Spirometre cihazından, Şekil 3.9.’de görüldüğü gibi, veriler cep telefonuna bluetooth ile gönderilmeye başladığında ilk gelen byte 0x0d’a eşit ise cep telefonu bu veri kümesini almaya başlamaktadır. SpirothorDataReceiver sınıfı ile verilerin cep telefonu ara belleğine (MessageBuffer) yazılması, CRC-16 ile kontrol edilmesi, alınan veride hata varsa sayacın yeniden başlatılıp, NACK(Not Acknowledge) mesajının gönderilmesi, verilerin ilk ayrımının yapılması sağlanmaktadır. J2ME’de arraylist(gelen veri ile boyutu artan dizi) olmadığından veriler vector.addElement ile vector’e eklenmektedir. 48 Şekil 3.9. Spirometre cihazından bluetooth ile verilerin aktarımı Veri aktarımının tamamlandığı SpirothorDataReceiver sınıfında bulunan CRC-16’da “B02” byte ile anlaşılmaktadır. Bu işlem bittikten sonra ayrıştırılan verilerden SFT ölçümündeki en önemli beş parametre ve yapay sinir ağı ile elde edilen sınıflandırma sonucu Şekil 3.10.’da gösterildiği şekilde form ekranımızda (append edilmekte) gösterilmektedir. Şekil 3.10. Solunum fonksiyon test sonuçları 49 SFT verilerinin cep telefonuna aktarımı tamamlandıktan sonra bu veriler ile cep telefonunda akış-hacim(F-V) ve hacim-zaman(V-T) grafiklerinin cep telefonunda çizdirilebilmesi için Şekil 3.11.’de gösterilen butonlar eklenmiştir. Şekil 3.11. Spirometre alt menüsü Darbe Oksimetreden sunucuya erişimin modüler bir şekilde sağlanması amacıyla ayrı bir form oluşturulmuştur. SettingsBean sınıfı ile kullanıcı tarafından daha önceden kaydedilmiş kullanıcı Adı, sunucu ve Darbe oksimetre ID bilgisi bulunmaktadır. Kullanıcının bu ayarları değiştirebilmesi sağlanarak akıllı cep telefonunun farklı web sunucu, darbe oksimetre ve kullanıcı ile çalışabilmesi Şekil 3.12.’de gösterildiği gibi sağlanmaktadır. 50 Şekil 3.12. MIDlet ayarlar sekmesi Bluetooth ile alınan SFT verilerinin ayrıştırılması(Parsing) Nonin 9560 darbe oksimetre anlamlı veriyi iki byte şeklinde göndermektedir. Bu veri kümesinin ayrıştırılmasında ilk byte’ta SPO2, ikinci byte’ta ise kalp atışı değeri alınmaktadır. Spirometre ise verileri GDT(Geräte-Daten-Träger= Device Data Carrier) protokolü ile akış(stream) şeklinde gönderdiğinden alınan veri kümesinin bu protokole uygun ayrıştırılması gerekmektedir. GDT, tıbbi cihaz ölçümleri için özel olarak geliştirilmiş protokoldür [86]. Bu protokolde veriler başlık, hasta verisi ve ölçülen veri şeklinde paketlenmektedir. Başlık satırın kaç karakter uzunluğunda olduğu tanımlamakta, hasta verisi ölçülen veriyi tanımlamakta, ölçülen veride adından da anlaşıldığı gibi ölçülen veri tanımlanmaktadır. Veriler, gönderim sıralama sayacı ile 1-9 arasındaki sayılarla periyodik olarak kontrol edilmektedir. Veri gönderiminde hata olduğu zaman sıralama sayacının değeri sabit kalmaktadır. Verilerin gönderimi B00 etiketi ile başlamakta, B01 etiketi ile ölçülen veri kümesi gönderilmeye başlanmakta, B02 etiketi ile de veri gönderimi durdurulmaktadır. Böylece CRC-16 (Cyclic redundancy 51 check) ile de veri gönderimi kontrol edilmektedir. Şekil 3.13.’de cihaz tarafından gönderilen örnek veri kümesi gösterilmektedir. Şekil 3.13. Spirometre ile ölçülen örnek veri kümesi Mobil Astım Kontrol Testi Hastaların astım seviyesi hakkında bilgi veren, böylece astımın kontrol edilmesinde yararı kanıtlanmış Şekil 3.14.’da gösterilen testin cep telefondan cevaplanıp, sonucun web sunucusundaki veri tabanına aktarılmasıyla hastalığın durumu ve gelişimi hakkında ilave bilgiye ulaşılmaktadır. 52 Şekil 3.14. Akıllı cep telefonundan astım kontrol testinin cevaplanması 3.6.2. Darbe oksimetre bluetooth uygulama yazılımı Tez çalışmasında kronik akciğer hastalarının gerçek zamanlı 7x24 takibini sağlayan, hastalığın seyri hakkında bilgi veren, hastanın parmağında taşıyabildiği, kapalı alanda 10 metre, açık alanda 100 metre çapında veri gönderimi sağlayan, 63 gr. ağırlığında, LCD ekranından hastanın kendi arteriyel oksijen konsantrasyonu ve kalp atışını takip edebildiği, aynı zamanda söz konusu verileri Bluetooth protokolü ile akıllı cep telefonuna gönderebilen darbe oksimetre kullanılmıştır. Şekil 3.15.’da görülen darbe oksimetre ile cep telefonu arasında bluetooth sanal seri port protokolü kullanılarak sanal kablosuz RS-232 bağlantısı sağlanmakta ve veri aktarımı gerçekleşmektedir. 53 Şekil 3.15. Darbe oksimetre Darbe Oksimetre Bluetooth Uygulama Yazılımı Özellikleri Darbe oksimetre bluetooth uygulama yazılımı temel olarak, bluetooth seri port protokolü ile SPO2 ve kalp atışı değerlerinin alındığı veri alma modülü ve alınan verilerin veritabanına aktarıldığı, SPO2 ve kalp atışı için kritik bilgilerin veritabanından alınmasının sağlandığı, acil durumlarda SMS bilgisini gönderen web servis kısmından oluşmaktadır. J2ME ile geliştirilen MIDlet uygulamasında darbe oksimetreye bluetooth bağlantısı cihazın ID'si ile direk sağlanmaktadır. Buffer[1] ve Buffer[2] de bulunan SPO2 ve kalp atışı değerleri alınmakta ve setText metodu ile veriler string’e çevrilerek Şekil 3.16.’da görüldüğü gibi cep telefonu ekranına yazdırılmaktadır. 54 Şekil 3.16. Darbe oksimetre verilerinin cep telefonunda gösterilmesi İki farklı uygulamanın beraber çalışmasını sağlayan en etkili yöntem XML(Extensible Markup Language)’dir. XML’in açık standart bir dil olması verilerin internet üzerinden kolay bir şekilde aktarımını ve ortak kullanımını sağlamaktadır. XML, Web Servisleri farklı işletim sistemleri ve donanımların birbirleriyle uyumlu bir şekilde haberleşmesini sağlayan web uygulamasıdır. Çalışmada XML Web Servisi Java Axis kütüphanesi ile geliştirilmiştir. Web servisinin istemci kısmı Java MIDlet uygulaması ile cep telefonunda, sunucu kısmı ise Apache Tomcat Server üzerinde web sunucusunda çalışmaktadır. Veriler web servisin istemci-sunucu modülleri arasında aktarılmaktadır. Söz konusu aktarma işlemi esnasında daha önceden aktarılan veriler, programda geliştirilen metot ile denetlenip verilerin tekrar aktarılmasının önüne geçilmiştir. Şekil 3.17.’de Apache Tomcat Server üzerinde çalışan örnek uygulamanın gerçek bir web servis ile nasıl haberleştiği gösterilmektedir. Oluşturulan istemci web servisi sunucudaki web servisini çağırmaktadır. 55 Şekil 3.17. XML web servis Darbe oksimetre tarafından saniyede bir defa ölçülen SPO2 ve kalp atışı değerleri akıllı cep telefonuna XML Web servis ile gönderilmektedir. Döngü içerisinde ölçülen veriler dakika bir defa olmak üzere Web servis aracılıyla XML tabanlı olarak uzak merkezde bulunan veritabanına GPRS, WiFi veya 3N ile gönderilmektedir. Daha sonra alınan veriler veritabanına kaydedilmektedir. Hastanın oksijen konsantrasyonu 80’nin veya kalp atış sayısı (Nabız) 40’ın altında veya 150’nin üzerinde ve son iki dakika içerisinde SMS gönderilmedi ise hasta ve doktora acil durum SMS mesajı gönderilmektedir. Böylece doktorun ambulansı yönlendirmesiyle hastaya müdahale edilmesi sağlanmaktadır. 3.6.3. Acil durumlarda ve bilgilendirme için SMS gönderilmesi Geliştirilen KAHBS yazılımında Spirometre ve darbe oksimetreden elde edilen sonucun XML şablonuna dönüştürülmesi aşağıdaki XML şablonundaki gibi yapılmaktadır. Daha sonra XML şablonuna gömülen sonuç Web servis ile gönderilmektedir. 56 XML Şablonu : <?xml version="1.0" encoding="iso-8859-9"?> <mainbody> <header> <company>SMS_saglayici_adi</company> . <usercode>KullaniciAdi</usercode> <password>Sifre</password> <startdate>151220041828</startdate> <stopdate>171220041425</stopdate> <type>1:n</type> . <msgheader>MesajBaslik</msgheader> </header> <body> <msg><![CDATA[Spirometre Değerlendirme Sonucu]]></msg> <no>905053840733</no> </body> </mainbody> <company> : Bu alana firma_adı yazılmaktadır <usercode> : Kullanıcı Kodu <password> : Kullanıcı şifresi <startdate> : Mesajın gönderilmeye başlanacağı tarih (ddmmyyyyhhmm) <stopdate> : Mesajın geçerlilik süresinin bittiği tarih(ddmmyyyyhhmm) <type> : 1 mesaj N adet numaraya gönderilecek (1:n) <msgheader> : Gönderecek SMS’in gönderen kısmında görünecek olan bilgidir. Maksimum 11 minimum 2 ve İngilizce karakterlerden oluşabilir. <msg> : Gönderilecek olan mesajın metni. XML ayrıma (Parse) işlemlerinde Türkçe karakterler ve özel işaretlerin sorun yaratmaması için, mesaj metni <![CDATA[Mesaj metni bu alanda olacaktır]]> tag’i içinde gönderilmektedir. <no> : Mesajın gönderileceği telefon numarası. 57 Tez çalışmasında doktor ve hastaya aynı mesajı göndermek yerine doktor ve hastaya farklı mesajlar gönderilmektedir. Doktora hastanın adı, soyadı, doğum tarihi ve SFT değerlerinin ÇKA sınıflandırma sonucu, kalp atışı ve oksijen konsantrasyonu sonuçları gönderilmektedir. Hastaya ise SFT değerlerinin ÇKA sınıflandırma sonucu ile tavsiye mesajı gönderilmektedir. Hastanın SFT değerlerinin ileri beslemeli geri yayılımlı ÇKA ile verilerinin sınıflandırılması sonucuna bağlı olarak gönderilen SMS mesajları aşağıda sunulmaktadır. Normal=Herhangi bir solunum yolu hastalığınız bulunmamaktadır. Obstrüktif= Doktorunuz ile görüşmeniz tavsiye edilmektedir. Restriktif= Doktorunuz ile görüşmeniz tavsiye edilmektedir. Astım=Geri dönüşümlü havayolu tıkanıklığınızın tedavisi için doktorunuz ile görüşmeniz tavsiye edilmektedir. KOAH=Acilen doktorunuz ile görüşmeniz tavsiye edilmektedir. Web servis, SOAP adı verilen "Simple Object Access Protocol" (Basit Nesne Erişim Protokolü) ile XML tabanlı olarak uygulamaların birbirlerinin çalışma ortamından bağımsız olarak haberleşmesini sağlamaktadır. Uygulamada Web servis ile HTTP Get-Post metodu kullanılarak, XML dosyasının içine aktarılan bilgilendirme ya da acil durum mesajı kullanıcının bağlantı tercihine göre GPRS, WiFi, 3N ile http protokolü üzerinden web servisle iletişim kurularak SMS Web ara yüzüne gönderilmektedir. Buradan da mesaj ilgili GSM operatörünü kullanan doktora yada hastaya ulaştırılmaktadır. 3.7. Tüm Verilerin Web Tabanlı Görüntülenmesi Kronik akciğer hastalığı bakım sisteminin en önemli bileşenlerinden birisi de tüm verilerin web tabanlı görüntülenmesidir. Bu amaçla normal ve mobil web sayfaları tasarlanmıştır. Tasarlanan normal web sayfasına Şekil 3.18.’de görüldüğü gibi kullanıcı adı ve şifre ile güvenli giriş yapılmaktadır. 58 Şekil 3.18. Kronik akciğer hastalığı bakım sistemi web sayfası Web sayfasından astım ve KOAH hastalığı ile ilgili bilgilendirme içeriğine, darbe oksimetre, solunum fonksiyon verileri ve bu verilerinden elde edilen hacim-zaman ve akış-hacim grafikleri görüntülenebilmektedir. Ayrıca astım kontrol testi ve St. George solunum anketi ile ilave bilgilere ulaşılabilmektedir. Gerekli olduğu durumlarda hasta ve doktor birbirlerine e-posta gönderebilmektedir. Hastalıkla ile ilgili ilave bilgilere ulaşmak amacıyla web sayfasından astım kontrol testi ve st. george solunum anketi cevaplanıp, sonuçları görüntülenebilmektedir. Astım Kontrol Testi Astım Kontrol Testi, 12 yaş ve üstündeki astım hastalarının astım durumunun belirlemek amacıyla GINA (Global Initiative for Asthma) tarafından geliştirilen bir ankettir. Literatürde yapılan çalışmalar, bu testin hastaların astım kontrollerini takip ve tedavisinde etkili bir araç olduğunu göstermiştir [88, 89]. 59 St. George Solunum Anketi Kronik akciğer hastalıklarının özel olarak değerlendirilmesi için geliştirilmiş St. george solunum anketi hastalığa özgü bir ankettir. Hastalığın seyrinde bir tedavi girişimi ile meydana gelebilecek değişiklikleri fark edebilecek derecede duyarlıdır [90]. Bu anket, solunum sıkıntınızın derecesini ve yaşamınızı ne kadar etkilediğini öğrenmek için düzenlenmiştir. Anket hastalığın gerçekte en çok etkileyen problemlerin neler olduğunu belirlemek amacıyla kullanılmaktadır. Ankette öksürük, balgam, nefes darlığı, hırıltı nöbet sıklığı, kullanılan ilaçlar, ekseriz, hakkında sorular bulunmaktadır. Web sayfasında Şekil 3.19.’de görüldüğü gibi hastaların solunum fonksiyon test verileri görüntülenmektedir. Şekil 3.19. Kronik akciğer hastalığı bakım sistemi web sayfasında SFT verileri Ayrıca, Şekil 3.20.’de görüldüğü gibi, web sayfasında uzak merkezdeki sunucu 60 veritabanına aktarılan hastanın evde gerçekleştirdiği solunum fonksiyon test verilerinin hacim-zaman ve akış-hacim grafikleri çizdirilmektedir. Şekil 3.20. SFT verilerinin akış-hacim grafiği 3.8. Mobil Cihazlar için Web Sayfası Geliştirilmesi Mobil cihazların kullandığı tarayıcılardaki sınırlamalardan dolayı masaüstü tarayıcılar için geliştirilen sayfalar, mobil cihaz tarayıcıları tarafından tam olarak tercüme edilememektedir. Ayrıca mobil cihazların ekranları küçük olduğundan, söz konusu cihazlar için geliştirilen sayfaların tasarımı ve kodlaması diğer web sayfalarından farklı olmaktadır. Tez çalışmasında solunum fonksiyon test verileri ve sınıflandırma sonucu, darbe oksimetre verileri, solunum anket sonuçlarının mobil cihazlar üzerinden görüntülenmesi için mobil web sayfası tasarlanmıştır. Mobil web sayfasına kullanıcı adı ve şifre ile Şekil 3.21.’de görüldüğü gibi güvenli giriş yapılmaktadır. Kullanıcı tarafından girilen şifre MD5 (Message-Digest algorithm 5) algoritması ile şifrelenip sunucuya gönderilmektedir. MD5 algoritması 61 RFC'de belirtildiği gibi şifreleme algoritmalarına yardımcı olmak amacıyla kullanılabilecek bir HASHING/FINGERPRINTING algoritmasıdır ve 128-bit'lik .(16-bayt) bir çıktı üretmektedir [87]. MD5 tek yönlü bir algoritma olduğundan, örneğin şifrenin 1234 olduğu durumda 2bd39036c2620b2e90e0d2dbce1ecbb2 gibi bir kod üretilir ve bu kodun geri dönüşümü yoktur. Şekil 3.21.’de geliştirilen mobil web sayfasının kullanıcı adı ve şifre giriş ekranı görülmektedir. Şekil 3.21. Mobil web sayfası kullanıcı ve şifre giriş ekranı Mobil Web Sayfası ile Verilerin Görüntülenmesi Kullanıcı, mobil web sayfasına kullanıcı adı ve şifre ile giriş yapıldıktan sonra Şekil 3.22.’de bulunan ekranda olduğu gibi web sayfasına ulaşmaktadır. Söz konusu sayfa üzerinden solunum fonksiyon test verileri, darbe oksimetre verileri, solunum anket sonuçlarına ulaşabilmektedir. Kullanıcı adı ve şifre ile giriş yapıldıktan sonra veritabanından ilgili kullanıcı bilgisi alınmakta ve sadece giriş yapan kullanıcının verileri görüntülenmektedir. 62 Şekil 3.22. Mobil web sayfası Kullanıcı SFT Verileri butonuna tıkladığı zaman Şekil 3.23.’de görüldüğü gibi kabul edilebilir solunum fonksiyon test verilerine ulaşabilmektedir. Şekil 3.23. Mobil web sayfasındaki solunum fonksiyon test verileri Kullanıcı, Darbe Oksimetre Verileri butonuna bastığı zaman Şekil 3.24.’de görüldüğü gibi darbe oksimetre verilerine ulaşabilmektedir. 63 Şekil 3.24. Mobil web sayfasındaki darbe oksimetre verileri 64 4. SİSTEMİN HASTALAR ÜZERİNDE UYGULANMASI VE PERFORMANS ANALİZİ 4.1. Sistemin Hastalar Üzerinde Uygulanması Sistemin hastalar üzerinde uygulanması başlamadan önce Atatürk Göğüs Hastalıkları ve Göğüs Cerrahisi Araştırma Hastanesi ve Yüksek İhtisas Hastanesi solunum fonksiyon test birimleri ziyaret edilmiştir. Bu birimlerden sorumlu teknisyenlerden spirometre kullanımı ve ölçüm sırasında ortaya çıkan sorunların çözümü konusunda bilgi alınmıştır. Ayrıca, hastane ortamında hastalara solunum fonksiyon testinin nasıl yapıldığı incelenmiştir. Özellikle solunum fonksiyon testi öncesinde teknisyenin hastayı rahatlatmaya çalışması, solunum fonksiyon testinin nefes alma ve nefes verme aşamasında hastayı yüksek sesli yönlendirmesi dikkatle incelenmiştir. Bazı hastalar kolayca testi gerçekleştirirken, bazı hastalar ise testi tamamlayamamışlardır. Geliştirilen sistem hasta grubu üzerinde uygulanmıştır. Çizelge 4.1.’de hasta grubunun demografik özellikleri sunulmaktadır. Hastaların yaş aralığı 29 ile 70 arasında değişmektedir. Seçilen hastalar cep telefonu kullanma ve daha önceden SFT testi yaptırmış olmak gibi ortak özelliklere sahiptir. Buna ilaveten, hastalar parfüm, kirli havadan uzak durmak gibi zararlı etkenlerden uzak durmak gerektiği bilgisine sahiptir. Çizelge 4.1. Hastaların demografik özellikleri Boy(cm) Yaş(yıl) Kilo(kg) Ortalama 163,71 48,86 73,79 Standart Sapma 6,88 14,25 13,39 Cinsiyet Hasta Sayısı KOAH Astım Erkek 8 3 5 Kadın 6 1 5 Seçilen hastalar evlerinde ziyaret edilerek sistem kullanımı hakkında bilgi verilmiştir. 65 Eğitim süresinin dokunmatik ekrana sahip akıllı cep telefonu kullanılabilirliğine bağlı olduğu anlaşılmıştır. Dokunmatik ekrana sahip akıllı cep telefonu kullanmakta olan hastalarda eğitim süre otuz dakika olurken, yaşlı ve normal cep telefonu kullanan hastalarda bu süre üç saat olmuştur. Başarı ile sistem kullanımı sağlandıktan sonra eğitim tamamlanmıştır. Her hasta sistemi yedi gün süreyle evinde kullanmıştır. Hastalardan alınan geri dönüşlerden sistemin kullanımında hastaların periyodik ziyaret etmenin yararlı olacağı düşünülmektedir. Yetmiş yaşındaki hasta sistem kullanımının başlangıcında SFT testini yapmasına karşın dokunmatik akıllı cep telefonunu kullanamıyordu. Hasta ikinci ziyarette aynı telefonu kullanmaya başlamıştır. Elli bir yaşında olup, Nokia 5800 (dokunmatik akıllı cep telefonu) kullanmakta olan hasta sistemi kolaylıkla kullanmış ve sistemin hastalığını kendi kendine yönetmede yardımcı olacağını ifade etmiştir. Ev denemelerinde elde edilen SFT sonuçlarının hastanede yapılan test sonuçları ile uyumlu olduğu görülmüştür. Hastaların sistemin hastaneye gitme sıklıklarını azaltabileceği, doktorun gerçek zamanlı takibi ve ambulansın yönlendirilmesi gibi acil durumda müdahale edilebilmesi nedenlerinden dolayı sistemi kullanabileceklerini ifade etmişlerdir. Doktora, web sayfaları üzerinden hastayı takip etmesi ve SMS tabanlı bilgilendirme konularında bilgi verilmiştir. Bir haftalık hasta bilgisine ulaşan doktor, hastaya bronkilatör ve steroid kullanımı hakkında tavsiyelerde bulunmuştur. Acil durum SMS bilgisinin sadece doktora gönderilmesi gereksiz durumlarda ambulansın hastaya yönlendirilmesini engellediği anlaşılmıştır. 4.2. Performans Analizi Çalışmada en iyi sınıflandırma sonucunun elde edilebilmesi için birçok deneme gerçekleştirilmiştir. Beşinci tez izleme kurulunda üç girişli ve tek gizli katmanlı ÇKA’dan beş girişli ve iki gizli katmanlı mimariye geçilerek daha yüksek performans değerleri elde edilmiştir. Akıllı cep telefonundaki sınıflandırma en yüksek performans 66 değerlerine sahip ağın ağırlık ve eşik değerleri ile yapılmaktadır. İsteğe göre her solunum fonksiyon ölçümünden sonra eğitim işlemi gerçekleştirilebilmektedir. Bu durumda ileri besleme ve geri yayma işlemleri yapılarak ağırlık ve eşik değerleri güncelleştirilmektedir. Daha sonra sınıflandırma yapılmaktadır. Yapay sinir ağlarında performansı ölçmek için belirlilik, duyarlılık, doğruluk, AUC değerlerine ilaveten regresyon ve ROC eğrisi yaygın olarak kullanılmaktadır [85]. Tasarlanan ağın performansı, ağın hiç görmediği test verilerine karşı oluşturduğu sonuçlarının değerlendirilmesi ile belirlenmektedir. Geliştirilen ileri beslemeli geri yayılımlı çok katmanlı yapay sinir ağının performansı söz konusu parametreler ile ölçülmüştür. ROC eğrisi, tanı testlerinin sınıflandırma performanslarını değerlendirilmek için kullanılan, duyarlılık ve seçicilik değerleri arasındaki ilişkinin iki boyutlu grafiksel gösterimidir. Tıbbi testlerde sonuçlar pozitif ya da negatif olarak gruplandırılır. Bu gruplar oluşturulurken örnek pozitif ise Doğru Pozitif (DP), örnek pozitif ancak negatif bulunmuşsa Yanlış Negatif (YN), örnek negatif ve negatif sınıflandırılmışsa Doğru Negatif (DN), örnek negatif ancak pozitif sınıflandırılmış ise Yanlış Pozitif (YP) olarak gruplandırılarak sınıflama çizelgeleri oluşturulur. Çizelge 4.2.’de söz konusu sınıflandırma çizelgesi gösterilmektedir [81]. Çizelge 4.2. Tıbbi testlerin analizinde kullanılan sınıflama Gerçek Durum Tahmin Pozitif Negatif TOPLAM Pozitif Doğru Pozitif(DP) Yanlış Pozitif(YP) DP+YP Negatif Yanlış Negatif(YN) Doğru Negatif(DN) YN+DN TOPLAM DP+YN YP+DN DP+YP+ Edilen Durum YN+DN Tanı testlerinin değerlendirilmesinde bu çizelgelerden elde edilen belirlilik 67 (specificity), duyarlılık (sensitivity), doğruluk oranı (accuracy) değerleri dikkate alınmaktadır. Belirlilik oranı, bir testin gerçekten hasta olmayanları ayırabilme yeteneğini belirten orandır. Bu oran eşitlik 4.1’de gösterilmektedir. Belirlilik = P(B)= DN / (DN+YP ) …………………………………………………4.1 Duyarlılık oranı, gerçekten hasta olanların test tarafından hangi oranda saptanabildiğini belirten orandır. Bu oran eşitlik 4.2’de gösterilmektedir. Duyarlılık=P(D)=DP/(DP+YN)……………………………………………………4.2 Doğruluk oranı bir testin hasta kişileri hasta, hasta olmayanları hasta değil olarak sınıflandırma oranıdır ve testin tanı amaçlı ne kadar güvenle kullanılabileceğini ifade eder. Bu oran eşitlik 4.3’de gösterilmektedir. Doğruluk=P(DO)=(DP+DN)/N……………………………………………………4.3 Regresyon analizi ile değişkenlerden birisi belirli bir birim değiştiğinde diğerinin nasıl bir değişim gösterdiğini incelenmektedir [80]. ROC eğrileri, uygun kesim noktalarının oluşturulan sınıflandırma çizelgelerindeki belirlilik ve duyarlılık değerlerine bakılarak oluşturulurlar. ROC eğrisi altında kalan alan (AUC) testin başarısını ifade etmekte kullanılır. Tıp alanında tahmin ve sınıflandırma amaçlı yapay sinir ağı kullanımında sadece doğruluk değerlendirmesi yapmak yeterli olmayacaktır. Yapay sinir ağının başarısı ROC eğrileri, duyarlılık, belirlilik ve doğruluk sonuçlarına bakılarak da değerlendirilmelidir [81, 82, 83, 84]. Doktora tez çalışmasında, eğitim ve test veri kümelerine ait sonuçların doğruluğu istatistiksel analiz yöntemleri ile değerlendirilmiştir. Çizelge 4.3.’da tasarlanan 5-5-53 mimarisine sahip ağın farklı denemelerde elde edilen performans değerleri verilmiştir. Test veri kümelerinin performans değerleri eğitim kümesine göre daha 68 düşük bulunmuştur. Bu durumun eğitim kümesinde 389, test veri kümesinde 97 verinin kullanılmasından kaynaklandığı düşünülmektedir. 69 Kümesi (Restriktif) Regresyon Kümesi (Obstrüktif) Regresyon (Normal) Regresyon (Restriktif) Regresyon (Obstrüktif) Regresyon (Normal) Regresyon Test Kümesi (Restriktif Kümesi) Duyarlılık Eğitim Kümesi (Restriktif Kümesi) Eğitim Test Kümesi 94,8 95,56 92,73 97,4 95,33 0,960 0,942 0,964 0,911 0,873 0,937 0,9832 0,9718 2 96,7 92,8 96 94,33 95,36 87 0,938 0,924 0,959 0,866 0,898 0,852 0,9789 0,9575 3 97,4 91,8 94,36 87,93 95,76 83,5 0,964 0,953 0,915 0,906 0,850 0,722 0,9865 0,9716 4 98,2 94,8 97,73 92,3 98,2 96 0,971 0,955 1 0,914 0,876 0,937 0,9850 0,9809 5 98,7 92,8 98,96 89,7 98,8 87,66 0,971 0,967 1 0,890 0,855 0,786 0,9861 0,9811 6 98,7 93,8 97,83 91,3 97,63 89,7 0,942 0,938 0,958 0,899 0,878 0,856 0,9712 0,9761 7 98,2 90,7 96,5 87,63 98,7 0,859 0,976 0,966 0,965 0,882 0,806 0,858 0,9865 0,9816 AUC 1 97,4 No AUC Belirlilik Duyarlılık Eğitim Kümesi Belirlilik Test Kümesi (Obstrüktif Kümesi) Eğitim Kümesi (Obstrüktif Kümesi) Test Kümesi (Normal Kümesi) Doğruluk Doğruluk Test Çizelge 4.3. 5-5-5-3 Mimarisi ile elde edilen farklı performans sonuçları Eğitim Kümesi (Normal Kümesi) Çizelge 4.3. 5-5-5-3 Mimarisi ile elde edilen farklı performans sonuçları 69 70 Çizelge 4.3.’de Normal, Obstrüktif ve Restriktif sınıflandırma sonuçlarının ayrı ayrı eğitim ve test kümesi performans sonuçları görülmektedir. Gerçekleştirilen denemelerde 5-5-5-3 mimarisine sahip ileri beslemeli geri yayılımlı ÇKA’ın en yüksek performans değerlerine sahip olduğu görülmüştür. Bu mimarinin eğitim kümesinin 98,7% doğruluk, 97,83% belirlilik, 97,63% hassasiyet ve 0,946 korelasyon değerlerine sahiptir. Söz konusu mimarinin eğitim kümesine ait sonuçlar aşağıda sunulmaktadır. Ağın eğitimi sonucunda elde edilen Normal, Obstrüktif ve Restriktif sınıflandırma sonucunun regresyon değerleri Şekil 4.1. ve Şekil 4.2.’de sunulmaktadır. Söz konusu mimariden elde edilen ROC eğrisi Şekil 4.3.’de gösterilmektedir. (a) (b) Şekil 4.1. (a) Eğitim kümesi confusion matrix sonucu (b) Normal sınıfının regresyon eğrisi 71 (a) (b) Şekil 4.2. (a) Eğitim kümesi Obstrüktif sınıfının regresyon eğrisi (b) Restriktif sınıfının regresyon eğrisi Şekil 4.3. Eğitim kümesi ROC eğrisi Ağın 97 adet gerçek hasta verisi ile test sonucundan elde edilen Normal, Obstrüktif ve Restriktif sınıflandırma sonucunun regresyon değerleri Şekil 4.4 ve Şekil 4.5.’de sunulmaktadır. 72 (a) (b) Şekil 4.4. (a) Test kümesi Confusion matrix sonucu (b) Normal sınıfının regresyon eğrisi (a) (b) Şekil 4.5. (a) Test kümesi Obstrüktif sınıfının regresyon eğrisi (b) Restriktif sınıfının regresyon eğrisi 73 ROC eğri altında kalan alan AUC değerinin 0,75-1,0 arasında olması yapılan analizin yüksek oranda başarılı olduğunu göstermektedir. Tanı testlerinde belirlilik değeri %50 oranını kesinlikle aşmalıdır, tanı ile yüksek ilişki kurulabilmesi içinde %75 %100 arasında olmalıdır [38, 44]. Korelasyon katsayısı (r) değerinin 0,7-1,0 arasında olması bağımsız değişkenlerle ile bağımlı değişken arasındaki ilişkinin yüksek olduğunu ifade etmektedir. Ağın hangi mimaride en yüksek performans değerlerine sahip olduğunu bulmak için farklı gizli katman ve nöron sayılarından oluşan ağlar oluşturulmuştur ve test verileri ile test edilmişlerdir. Çizelge 4.4.’de farklı gizli katman sayısı ve farklı nöron sayıları kullanılarak oluşturulan ağların performans değerleri verilmiştir. Söz konusu çizelgede görüldüğü gibi eğitim kümesinin korelasyon veya regresyon değeri giriş özniteliği arttıkça yükselmektedir. Ayrıca gizli katmanlardaki nöron sayıları eşit olduğunda ağın performansının arttığı gözlenmiştir. Elde edilen değerlerden 5-5-5-3 mimarisinin en yüksek performans değerlerine sahip olduğunu gözlenmiştir. Örneğin ROC eğrileri altında kalan alanlar kıyaslandığında iki gizli katmana sahip beşer nöron içeren ÇKA’nın 0,971 olan AUC değerinin diğerlerinden daha yüksek olduğu bulunmuştur. Ayrıca farklı yapılandırmaya sahip tüm ağların ROC değerlerinin yüksek olduğu görülmüştür. 74 Çizelge 4.4. Farklı ÇKA mimarilerinin performans sonuçları No Mimari Doğruluk Belirlilik Duyarlılık Korelâsyon AUC 1 3-3-3 90,2 87,16 88,1 0,891 0,911 2 3-4-3 93,9 91,76 91,63 0,912 0,942 3 3-5-3 93,1 92,7 93 0,908 0,935 4 3-3-3-3 94,2 93 93,9 0,926 0,953 5 3-4-4-3 91 87,93 89,56 0,904 0,932 6 3-5-5-3 94,3 93,8 94,56 0,912 0,934 7 4-3-3 91,8 82,46 90 0,894 0,921 8 4-4-3 93,6 84,73 94,13 0,917 0,941 9 4-5-3 92 84,26 91,73 0,901 0,916 10 4-3-3-3 94,3 91,93 88,33 0,908 0,921 11 4-4-4-3 97,7 94,56 94,43 0,934 0,959 12 4-5-5-3 92,8 84,86 87,03 0,897 0,921 13 5-3-3 93,6 92,86 90,1 0,909 0,923 14 5-4-3 94,1 86,86 93,63 0,918 0,943 15 5-5-3 96,1 93,56 95 0,934 0,954 16 5-3-3-3 92 87,83 83,83 0,909 0,912 17 5-4-4-3 96,4 93,7 93,13 0,924 0,946 18 5-5-5-3 98,7 97,83 97,63 0,946 0,971 4.3. İrdeleme Literatürde kronik akciğer hastalığının takibi ve verilerinin sınıflandırması alanında sınırlı çalışma bulunmaktadır. Doktora tez çalışmasının performans sonuçlarının literatürde bulunan kronik akciğer hastalığı çalışmaları ile karşılaştırıldığında, sınıflandırma başarısında anlamlı bir iyileşme sağladığı görülmektedir. Ayrıca sistemin gerçek zamanlı çalışması ve mobil olması kullanım kolaylığı sağladığı düşünülmektedir. Sistem, literatürdeki çalışmaların özelliklerini bir araya getirip, mobil ve gerçek zamanlı çalışması ile kullanım kolaylığı sağlamıştır. Sistem tanısı konmuş ve daha önce solunum fonksiyon testi yapmış hastaların takibini sağlamak üzere geliştirildiğinden, solunum fonksiyon testini gerçekleştirmede önemli sorun ile karşılaşılmamıştır. Fakat dokunmatik ekranlı akıllı cep telefonu kullanımı özellikle 75 ileri yaştaki hastalar için kolay olmamıştır. Bu sorun ilave hasta ziyareti ve daha uzun sistem eğitimi ile aşılmıştır. Buna ilaveten, farklı algoritmalar kullanılarak performans değerlerinin daha da artırılabileceği düşünülmektedir. 76 5. SONUÇ Bilgi ve iletişim teknolojisi çağında değişen koşullara bağlı olarak bireylere uzaktan sağlık hizmetlerinin sunulma ihtiyacı ortaya çıkmıştır. Bununla beraber teletıp alanında ölüme neden olan, bireylerin yaşam kalitesini ve verimliliğini azaltan hastalıklar sıralamasının üst sıralarında yer alan kronik akciğer hastalıklarının takibi önem kazanmıştır. Kronik hastalıklarının tanımı gereği çok uzun süre devam etmesi ve tam olarak tedavi edilememesinden dolayı yetersiz uzman doktor ve hastane sayısı ile artan nüfusun tedavi ve takibinde çeşitli problemler ortaya çıkmaktadır. Bu kapsamda biyomedikal ve iletişim altyapısındaki gelişmeler ve yenilikçi yazılımlar, hastaların uzaktan takibi ve kendi kendilerini yönetmede yeni fırsatlar sunmaktadır. Aynı zamanda, yaşlanan nüfus ve kronik hastalıkların takibi gerekmektedir. Bu amaçla, kronik akciğer hastalarının uzaktan zeki ve mobil bir sistemle gerçek zamanlı takibini sağlayan sistem geliştirilmiştir. Söz konusu kronik akciğer hastalığı bakım sistemi mobil ve kablosuz teknolojileri kullanmaktadır. Örneğin, darbe oksimetreyle kalp atışı ve arteriyal oksijen konsantrasyonu (SPO2), spirometreyle solunum fonksiyon test değerleri(FEV1, FVC, FEV1/FVC, FEV25-75, PEF) ölçülüp, veriler bluetooth sanal seri port protokolü ile akıllı cep telefonuna aktarılmaktadır. Veriler cep telefonundan uzak merkezdeki sunucu veritabanına XML SOAP protokolü kullanılarak 3N, WiFi veya GPRS ile gönderilmektedir. Veri transferinde maliyet dikkate alınarak WiFi ile iletişim, GPRS ve 3N yerine tercih edilmiştir. Eğer WiFi ağı yok ise 3N kullanılmıştır. Tez çalışmasında sadece hastane ortamında yapılan solunum fonksiyon testinin ev ortamında hastayı rahatsız etmeden yapılmaktadır. Sistemde, hastanın her zaman ve her yerden uzaktan takibi için doktora bilgilendirme SMS mesajı ve hastaya kendi kendini yönetmesi amacıyla tavsiye SMS mesajı gönderilmektedir. Böylece kronik akciğer hastalığı ilerlemiş yaşlı hastalarının takibi kolaylaşmaktadır. Güvenli giriş yapılan normal ve mobil web sayfaları ile hastaların takibi kolaylaştığı gibi hastalar kendi durumları hakkında bilgilendirilerek kendi kendilerini kontrol etmeleri sağlanmaktadır. Söz konusu web sayfalarında spirometre ve darbe oksimetre verileri, verilerin değerlendirme sonuçları, 77 anketler ve sonuçları, kronik akciğer hastalıkları ile ilgili açıklayıcı bilgiler, XML web servis ile sunucu veritabanına kaydedilen yaklaşık bin noktadan oluşan solunum fonksiyon testine ait akış-hacim ve hacim-zaman grafikleri sunulmaktadır. Grafiklerinin çizdirilmesi için JQuery plugin kullanılmıştır. Web sayfası üzerinde büyütme ve küçültme işlemleri ile söz konusu grafikler ayrıntılı incelenebilmektedir. Tez çalışmasında ileri beslemeli geri yayılımlı çok katmalı yapay sinir ağı (ÇKA) solunum fonksiyon test (SFT) verilerinin sınıflandırılması amacıyla kullanılmıştır. Spirometre’den gönderilen solunum fonksiyon test verilerinin CRC-16(Cycle redundancy check) ile veri bütünlüğü kontrol edilmektedir. Ölçülen SFT değerleri ayrıştırıldıktan(parsing) sonra her ölçüm sonucunda cep telefonu ekranında önemli beş SFT değeri gösterilmektedir. Bu işlem tamamlandıktan sonra veriler, akıllı cep telefonunda gerçek zamanlı çalışan ÇKA ile sınıflandırılmaktadır. Tez çalışmasındaki diğer yenilikler ise hava yolu obstrüksiyonun erken göstergesi olan FEF25-75 giriş özniteliğinin mobil akıllı telefonda gerçek zamanlı çalışan mobil ÇKA algoritmasında kullanılması, SMS tabanlı bilgilendirme ve tavsiye mesajı, kronik akciğer hasta takibinin kolaylaşmasıdır. Gönderilen SMS’de solunum fonksiyon test verisi, sınıflandırma sonucu, solunum fonksiyon test sonucu ile ilişkili, örneğin “KOAH=Acilen doktorunuz ile görüşmeniz tavsiye edilmektedir.” bilgisi bulunmaktadır. Ayrıca sistemde normal, obstrüktif, restriktif sınıflandırması yapıldığı gibi sonucu obstrüktif bulunan hastaların ilave test yapmasıyla astım-koah ayrımı da yapılabilmektedir. Buna ilaveten solunum fonksiyon test verilerinin sınıflandırması ve darbe oksimetre verilerinin değerlendirilmesi uzaktaki sunucu yerine akıllı cep telefonu üzerinde yapılarak, iletişim problemlerinden dolayı ortaya çıkacak olası sorunların önüne geçilmiştir. İletişim problemi ortaya çıktığında ölçüm verileri, değerlendirme ve sınıflandırma sonucu uzak merkezdeki sunucuya gönderilmeden sistem çalışmaya devam etmektedir. Tez çalışmasında geliştirilen sisteminin temel görevi, kronik akciğer hastalarını ev ortamında gerçek zamanlı takip etmek ve desteklemektir. Çalışmanın tanı, düzenli tedavi ve doktorun yerini alma amacı yoktur. Kronik akciğer hastalığının tanısı aile öyküsü, alerjenler vb. nedenlere bağlı olduğu 78 için sadece geliştirilen sistemin kullanılması yeterli olmayacaktır. Bundan dolayı tez çalışmasında tanısı konulmuş hastaların takibi üzerine odaklanılmıştır [92, 93, 94, 95]. Hastalar üzerindeki uygulama sonuçlarından sistemin kullanımında en önemli zorluğun dokunmatik akıllı cep telefonu olduğu anlaşılmıştır. Bu sorun ilave hasta ziyareti ve daha uzun sistem eğitimi ile aşılmıştır. Sistem daha uzun süre kullanıldığı takdirde hastaneye gitme sıklığını azaltacağı ve astımdan KOAH’a doğru hastalığın ağırlaşmasının önüne geçileceği düşünülmektedir. Sistemin modüler yapıda olmasıyla EKG, kan basıncı ve glikoz ölçüm cihazları sisteme eklenebilmektedir. Tanı için gerekli veriler ile birlikte sistemin doktor tarafından kronik akciğer hastalığı tarama çalışmalarında ve sağlık servislerine erişmekte zorluk çeken engelli hastalar tarafından kullanılabileceği düşünülmektedir. 79 KAYNAKLAR 1. Zach, S., “Telemedicine overview and summary”, International Conference of IEEE, Israel, 409-412 (1996). 2. Kyriacou, E., Pavlopoulos, S., Koutsouris, D., “Multipurpose Health Care Telemedicine System”, International Conference of the IEEE EMBS, İstanbul, 3544-3547 (2001). 3. Çoban, S., Engin, M., “Teletıp: Yöntem ve Uygulamalar”, Biyomedikal Mühendisliği Ulusal Toplantısı (BİYOMUT), İstanbul, 226-229 (2005). 4. Craig, J., Patterson, V., “Introduction to the Practice of Telemedicine, Journal of Telemedicine and Telecare, 11 (1): 3-9 (2005). 5. Joan, M. K., “Information Technology for the Practicing Physician”, Springer Press, New York, 225-246 (2001). 6. Kevin, D. B., “Innovative Programs in Telemedicine”, Telemedicine and eHealth, 14 (2): 117-121 (2008). 7. Meleis, A. I., “Theoretical Nursing-Development and Progress”, J. B. Lippincott Company, Philadelphia, 275-411 (1997). 8. Hughes, S. L., Cummings, J., Weaver, F., Manheim, L., Braun, B., Conrad, K., “A Randomized Trial of the Cost Effectives of VA Hospital-Based Home Care for the Terminally ill”, Health Services Research, 26 (6) : 801- 817 (1992). 9. İnternet: Dünya Sağlık Örgütü “Home-Based http://whqlibdoc.who.int/trs/WHO_TRS_898.pdf (2000). Long-Term Care” 10. Taylor, C., Lillis, C., Lemone, P., “Fundamentals of Nursing”, J. B. Lipincott Company Press, Philadelphia, 22-28 (1993). 11. Guillén, S., Arredondo, M. T., Traver, V., García, J. M., Fernández, C., “Multimedia Telehomecare System Using Standard TV Set”, IEEE Transactions on Biomedical Engineering, 49 (12): 1431-1437 (2002). 80 12. Thome, B., Dykes, A. K., Hallberg, I. R., “Home Care With Regard To Definition, Care Recipients, Content and Outcome: Systematic Literature Review”, Journal of Clinical Nursing, 12 (6): 860-872 (2003). 13. Karadağ, M., “Türk silahlı kuvvetlerinde görevli hekim öğretim üyelerinin evde bakım hizmetleri konusundaki görüşleri”, Yüksek Lisans Tezi, Ankara Üniversitesi Sağlık Bilimleri Enstitüsü, 3-9 (2006). 14. İnternet: T.C. Sağlık Bakanlığı “Kronik Hava Yolu Hastalıklarını Önleme Kontrol Programı ve Eylem Planı” http:// www.saglik.gov.tr/GARD (2011). 15. Teker, A., “Astım ve KOAH’lı hastaların akut ataklarında viral solunum yolu infeksiyon etkenlerinin Chip tekniğiyle araştırılması”, Doktora Tezi, Celal Bayar Üniversitesi Tıp Fakültesi, 2-6 (2006). 16. Lahdensuo, A., Haahtela, T., Herrala, J., Kava, T., “Randomized comparison of guided self-management and traditional treatment of asthma over 1 year”, British Medical Journal, 312 (7033): 748-752 (1996). 17. Finkelstein, J., O'Connor, G., Friedmann, R. H., “Development and implementation of the home asthma telemonitoring (HAT) system to facilitate asthma self-care”, Studies in Health and Technology Informatics, 84 (1): 810814 (2001). 18. Istepanian, R. S. H., Wang, H., “Telemedicine in UK”, European Commission—Information Society Directorate, Brussels, 1159–1165 (2003). 19. Istepanian, R. S. H., Lacal, J. C., “Emerging mobile communication technologies for health: some imperative notes on m-health”, International Conference of IEEE EMBS, Mexico, 1414-1416 (2003). 20. Bing, B., “Wireless Local Area Networks: The New Wireless Revolution”, John Wiley, USA, 1-10 (2002). 21. Banitsas, K., Istepanian, R. S. H., Tachkara, S., “Applications of medical wireless LAN (MedLAN) systems”, International Journal Health Marketing, 2 (2): 136–142 (2002). 22. İnternet: Bluetooth Association “Bluetooth” http://www.bluetooth.org/ (2009). 23. Güler, İ., Polat, H., “A Simple Computer-Based Measurement and Analysis System of Pulmonary Auscultation Sounds”, Journal of Medical Systems, 28 (6): 665-672 (2004). 24. Türktaş, H., Türktaş, İ., “Astma”, Bozkır Yayıncılık, Ankara, 57 (1998). 81 25. Bates, B., Bickley, L., Hoekelman, R., “A guide to physical examination and history taking”, J. B. Lippincott Company, Philadelphia, 244-245 (1992). 26. Jones, A., Jones, D., Kwong, K., Siu, S.C., “Acoustic performance of three stethoscope chest pieces”, International Conference of IEEE EMBS, İstanbul, 3219-3222 (1998). 27. Richard, P. B., “Bioanalytic Sensors.”, The Biomedical Engineering Handbook: Second Edition. Ed., Joseph D. Boca, CRC Press LLC, USA, 51-60 (2000). 28. Çağlar, T., Ilgazlı, A., “Solunum fonksiyon testleri ve klinik kullanımı”, Nobel Yayınları, Ankara, 31-50 (2004). 29. İnternet: Dünya Sağlık Örgütü “KOAH http://www.who.int/respiratory/copd/burden/en/index.html (2009). Raporu” 30. Mollahaliloğlu, S., Hülür, Ü., Yardım, N., Özbay, H., Çaylan, A. K., Ünüvar, N., Aydın, S.,“Sağlığa Bakış 2007”, Hıfzıssıhha Mektebi Müdürlüğü, Ankara, 5558 (2007). 31. İnternet: Dünya Sağlık Örgütü “Astım http://www.who.int/respiratory/asthma/en/index.html (2009). Raporu” 32. Özkan, S., “KOAH ve Astımlı hastalarda fonksiyonel performans ve yaşam kalitesi arasındaki ilişkinin değerlendirilmesi”, Doktora Tezi, İstanbul Üniversitesi Sağlık Bilimleri Enstitüsü, 1-3 (2006). 33. Önes, Ü., Neyzi, O., Ertuğrul, T., “Bronşiyal astım”, Nobel Tıp Kitabevleri, İstanbul, 616-625 (2002). 34. Çöplü, L., Beyazova, M., Gökçe Kutsal, Y., “Bronş astması”, Güneş Kitabevi, Ankara, 1178-1182 (2000). 35. Olivetti, J. F., Kercsmar, C. M., Redline, S. P., “Pre – and Perinatal risk factors for asthma in inner city African-American children”, American Journal of Epidemiology, 143 (6): 570-577 (1996). 36. Tütün, E., “Fiziksel Eğitim Alan ve Almayan Astımlı Çocukların Solunum Fonksiyon Parametrelerinin Karşılaştırılması”, Yüksek Lisans Tezi, Abant İzzet Baysal Üniversitesi Sağlık Bilimleri Enstitüsü, 12-16 (2005). 37. Özlü, T., “Astım Hakkında Bilmek İstedikleriniz”, Beyaz Yayınları, İstanbul, 860 (2002). 82 38. Eduardo, A., Navarro, V., Mas, J. R., Navajas, J. F., Alcega, C. P., “Enhanced 3G-Based n-Health System”, International Conference of IEEE EUROCON, Belgrade, 1332-1335 (2005). 39. Toledo, P., Jiménez, S., Pozo, F., Roca, J., Alonso, A., Hernandez, C., “Telemedicine Experience for Chronic Care in COPD”, IEEE Transactions on Information Technology in Biomedicine, 10 (3): 567-573 (2006). 40. Morón, M. J., Casilari, E., Luque, R., Gázquez, J. A., “A Wireless Monitoring System for Pulse-oximetry Sensors”, IEEE Proceedings of Systems Communications, Canada, 79-84 (2005). 41. Rasmussen, L. M., Phanareth, K, Nolte, H., Backer, V., “Internet-based monitoring of asthma: A long-term, randomized clinical study of 300 asthmatic subjects”, Journal of Allergy Clinical Immunology, 115 (6): 1137–1142 (2005). 42. Finkelstein, J., Cabrera, M. R., Hripcsak, G., “Internet-based home asthma telemonitoring: can patients handle the technology?”, American College of Chest Physicians Journal, 117 (1): 148-155 (2000). 43. Côté, J., Cartier, A., Malo, J. L., Rouleau, M., Boulet, L. P., “Compliance with peak expiratory flow monitoring in home management of asthma”, American College of Chest Physicians Journal, 113 (4): 968-972 (1998). 44. Chakraborty, C., Mitra, T., Mukherjee, A., Ray, A. K., “CAIDSA: Computeraided intelligent diagnostic system for bronchial asthma”, An International Journal of Expert Systems with Applications, 36 (3): 4958–4966 (2009). 45. Üncü, U., Koklukaya, E., Gençsoy, A., Annadurdiyew, O., “A Fuzzy Rule-Base Model for Classification of Spirometrec FVC Graphs in Chronical Obstructive Pulmonary Diseases”, International Conference of IEEE EMBS, İstanbul, 3866-3869 (2001). 46. Hassinen, M., Marttila-Kontio, M., “Disaster Relief Coordination using a Documentation System for Emergency Medical Services”, Pervasive Health Conference and Workshops, Austria, 1-9 (2007). 47. Cano-García, J. M., González-Parada, E., Alarcón-Collantes, V., Casilari-Pérez, E., “A PDA-based portable wireless ECG monitor for medical personal area networks”, International Conference of IEEE MELECON, Spain, 713-716 (2006). 48. Istepanian, R. S. H., Jovanov, E., Zhang, Y. T., “Guest Editorial Introduction to the Special Section on M-Health: Beyond Seamless Mobility and Global Wireless Health-Care Connectivity”, Proceedings of IEEE Transactions on Information Technology in Biomedicine, 8 (4): 405-414 (2004). 83 49. Figueredo, M. V. M., Dias, J. S., “Mobile Telemedicine System for Home Care and Patient Monitoring”, International Conference of IEEE EMBS, USA, 3387-3390 (2004). 50. Gao, T., Greenspan, D., Welsh, M., Juang, R. R., Alm, A., “Vital Signs Monitoring and Patient Tracking Over a Wireless Network”, International Conference of IEEE EMBS, China, 1-4 (2005). 51. Sauer, C. T., Sebastià, L. T., Gómez, J. F. S., Rocafull, P. M., Marcet, N. C., “Bluetooth-3G wireless transmission system for neural signal telemetry”, International Conference of IEEE on Wireless Telecommunications, USA, 16 (2007). 52. Lim, E. Y. , Lee, C., Cai, W., Feng, D., Fulham, M., “Development of an Electronic Medical Report Delivery System to 3G GSM Mobile (Cellular) Phones for a Medical Imaging Department, International Conference of IEEE EMBS, France, 6726-6729 (2007). 53. Teong, C. S., Jeoti, V., “3G Compliant WAP Based System For Medical Data Access”, International Conference of IEEE TENSON, USA, 227-230 (2004). 54. Groning, R., “Telemedicine: Insulin pump controlled via the Global System for Mobile Communications (GSM)”, International Journal of Pharmaceutics, 339 (1-2), 61–65 (2007). 55. Nimmagadda, S. R., Evans, R., “Allergy: Etiology and epidemiology”, Pediatrics in Review, 20 (4): 111-115 (1999). 56. Elmas, Ç., “Yapay Sinir Ağları”, Seçkin Yayıncılık, Ankara, 23-24 (2003). 57. Öztemel, E., “Yapay Sinir Ağları”, Papatya Yayıncılık, İstanbul, 28-85 (2003). 58. Miller, R. D., “Miller's Anesthesia 6th edition”, Churchill Livingstone, UK, 1213-1215 (2005). 59. Yıldırım, N., “Akciğer Fonksiyon Testleri Fizyolojiden klinik uygulamalara”, Turgut Yayıncılık, İstanbul, 55-57 (2004). 60. GINA Report, “Global Strategy for Asthma management and Prevention”, GINA, USA, 1-124, (2011). 61. Üncü, Ü., “Evaluation of Pulmonary Function Tests by Using Fuzzy Logic Theory”, Journal of Medical System, 34 (3): 241–250 (2010). 62. Anogeianaki, A., “Interpretation of Spirometry through Signal Analysis”, Upsala Journal of Medical Science, 112 (3): 313-334 (2007). 84 63. Husain, A., Habib, S. S., “Pattern Identification of Obstructive and Restrictive Ventilatory Impairment through Flow Volume Curves”, Pakistan Journal of Physiological, 4 (1): 30-34 (2008). 64. Arabalibeik, H., Jafari, S., Agin K., “Classification of pulmonary system diseases patterns using flow-volume curve”, Studies in Health and Technology Informatics, 163 (1): 25-30 (2011). 65. Arabalibeik, H., Khomami, M. H., Agin, K., Setayeshi, S., “Classification of restrictive and obstructive pulmonary diseases using spirometry data”, Studies in Health and Technology Informatics, 142 (1): 25-27 (2009). 66. Baemani, M. J., Monadjemi, A., Moallem, P., “Detection of Respiratory Abnormalities Using Artificial Neural Networks”, Journal of Computer Science, 4 (8): 663-667 (2008). 67. Mohktar, M. S., Basilakis, J., Redmond, J. S., Lovell, N. H., “A Guideline-Based Decision Support System for Generating Referral Recommendations from Routinely Recorded Home Telehealth Measurement Data”, International Conference of IEEE EMBS, Argentina, 6166-6169 (2010). 68. Rodriguez-Roisin, R., “Global Initiative for Chronic Obstructive Lung Disease (GOLD) guidelines for chronic obstructive pulmonary disease”, National Institutes of Health and the World Health Organization, USA, 1-55 (2009). 69. Konstantikaki, V., Kostikas, K., Minas, M., Batavanis, G., Daniil, Z., Gourgoulianis, K., Hatzoglou, C., “Comparison of a network of primary care physicians and an open spirometry programme for COPD diagnosis”, Respiratory Medicine, 105 (2): 274-281 (2011). 70. Troiani, J. S., Carlin, B. P., “Comparison of Bayesian, classical, and heuristic approaches in identifying acute disease events in lung transplant recipients”, Statistics in Medicine, 23 (5): 803–824 (2004). 71. Mahesh, V., Ramakrishnan, S., “Assessment and classification of normal and restrictive respiratory conditions through pulmonary function test and neural network”, Journal of Medical Engineering & Technology, 31 (4): 300-304 (2007). 72. Jafari, S., Arabalibeik, H., Agin, K., “Classification of Normal and Abnormal Respiration Patterns Using Flow Volume Curve and Neural Network”, International Symposium of Health Informatics and Bioinformatics (HIBIT), Antalya, 110 - 113 (2010). 85 73. Manoharan, S. C., Veezhinathan, M., Ramakrishnan, S., “Comparison of Two ANN Methods for Classification of Spirometer Data”, Journal of Measurement Science Review, 8 (3): 53-57 (2008). 74. Şahin, D., Übeyli, E. D., Ilbay, G., Sahin, M., Yasar, A. B., “Diagnosis of Airway Obstruction or Restrictive Spirometric Patterns by Multiclass Support Vector Machines”, Journal of Medical Systems, 34 (5): 967-973 (2010). 75. Miller, A., “Lung function testing: selection of reference values and interpretative strategies”, American Review of Respiratory Disease, 144 (5): 1202-1218 (1991). 76. Nargela, R. V., Andziulis, A., “Bronchial obstruction evaluation according to different methods”, Journal of Medicina, 39 (6): 550-554 (2003). 77. Demir, A., Büyükşirin, M., Polat, G. ve ark., “KOAH Çadırında Ölçülen SFT Sonuçları ve KOAH Risk Faktörlerinin Değerlendirilmesi”, Toraks Dergisi, 7 (1): 23-28 (2006). 78. Montes, O. M., Talamo, C., Perez-Padilla, R., Jardim, J. R., Muino, A., Lopez, M. V., et al., “Chronic obstructive pulmonary disease and body mass index in five Latin America cities: the PLATINO study”, Journal of Respiratory Medicine, 102 (5): 642-650 (2008). 79. Harik-Khan, R. I., Fleg, J. L., Wise, R. A., “Body Mass Index and the Risk of COPD”, Chest, 121 (2): 370-376 (2002). 80. Özdamar, K., “SPSS ile Biyoistatistik”, Kaan Kitabevi, İstanbul, 419-460 (2003). 81. Karakış, R., “Yapay Sinir Ağları ve Lojistik Regresyon Yöntemleri ile Meme Kanseri Koltuk Altı Lenf Nodu Durumunun Belirlenmesi”, Yüksek Lisans Tezi, Gazi Üniversitesi Bilişim Enstitüsü, 11-33 (2009). 82. Fawcett, T., “An introduction to ROC analysis”, Pattern Recognition Letters, 27 (8): 861-874 (2006). 83. Slaby, A., “ROC analysis with Matlab”, International Conference of Information Technology Interfaces (ITI), Croatia, 191-196 (2007). 84. Özyılmaz, L., Yıldırım, T., “Artificial neural networks for diagnosis of hepatitis disease”, International Conference on Neural Networks, Portland, 586- 589 (2003). 86 85. Tokan, F., Türker, N., Yıldırım, T., “Determination of the neural network performances in the medical prognosis by ROC analysis”, International Conference of IEEE Signal Processing and Communications Applications, Antalya, 1-4 (2006). 86. Koch, A., “Connecting Medical Measuring Instruments (GDT)”, Qualitätsring Medizinische Software, Kerpen, 2-41 (2001). 87. Rivest, R., “The MD5 Message-Digest Algorithm RFC1321”, USA (1992). 88. Thomas, M., Kay, S., Pike, J., Williams, A., Rosenzweig, J. R., Hillyer E. V., Price, D., “The Asthma Control Test (ACT) as a predictor of GINA guidelinedefined asthma control: analysis of a multinational cross-sectional survey”, Primary Care Respiratory Journal, 18 (1): 41-9 (2009). 89. Nguyen, V. N., Chavannes, N., Le, L. T., Price, D., “The Asthma Control Test (ACT) as an alternative tool to Global Initiative for Asthma (GINA) guideline criteria for assessing asthma control in Vietnamese outpatients”, Primary Care Respiratory Journal, 21 (1): 85-9 (2012). 90. Erk, M., “Kronik Obstrüktif Akciğer Hastalığında Yaşam Kalitesinin değerlendirilmesi”, Turgut Yayıncılık, Ankara, 267-273 (2000). 91. Gnanou, J., Caszo, B., Haniza, W., Mohamad, W., Nawawi H., Yusoff, K., Ismail, T., “Prediction Equations For Lung Function In Healthy, Life Time Never-Smoking Malaysian Population”, The Southeast Asian Journal of Tropical Medicine and Public Health, 42 (4): 965-976 (2011). 92. Işık, A. H., Şener, M. U., Güler, İ., “A Low Cost Mobile Adaptive Tracking System for Chronic Pulmonary Patients in Home Environment”, Telemedicine Journal and E-Health, Baskıda, 2012. 93. Işık, A. H., Güler, İ., “Teletıpta Mobil Uygulama Çalışması ve Mobil İletişim Teknolojilerinin Analizi”, Bilişim Teknolojileri Dergisi, 3 (1): 1-10 (2010). 94. Işık, A. H., Özkaraca, O., Güler, İ., “Evaluation of Biotelemetry Systems and Novel Proposal for Chronic Diseases Management”, Emerging Issues in the Natural and Applied Sciences, 5-19 (2011). 95. Işık, A. H., Güler, İ., “SMS and Web Based Tele-Homecare System for Chronic Pulmonary Patients Care”, International eHealth Telemedicine Conference (Med-e-tel), Luxembourg, 790-794 (2011). 87 EKLER 88 EK-1. Sağlık Bakanlığı’ndan alınan araştırma izin belgesi 89 ÖZGEÇMİŞ Kişisel Bilgiler Soyadı, adı : IŞIK, Ali Hakan Uyruğu : T.C. Doğum tarihi ve yeri : 1980 Burdur Telefon : 0 (312) 202 37 94 e-mail : [email protected] Eğitim Derece Eğitim Birimi Lisans Gazi Üniversitesi / Elektrik-Elektronik Mühendisliği 2002 Yüksek Lisans Gazi Üniversitesi / Elektrik-Elektronik Mühendisliği 2005 Mezuniyet tarihi İş Deneyimi Yıl Yer 2002-2002 KOSGEB 2002-2003 Mira Mühendislik 2003-2007 Türk Telekom A.Ş. 2007- Gazi Üniversitesi Görev Danışman Proje Mühendisi Uzman Yardımcısı Sistem Yöneticisi Yabancı Dil İngilizce Yayınlar SCI Kapsamında Taranan Makale 1. Işık, A. H., Şener, M. U., Güler, İ., “A Low Cost Mobile Adaptive Tracking System for Chronic Pulmonary Patients in Home Environment”, Telemedicine Journal and E-Health, Baskıda, 2012. Ulusal Ve Uluslararası Makaleler 1. Işık, A. H., Güler, İ., “Uzaktan Eğitimde Güvenlik Uygulamaları”, Bilişim Teknolojileri Dergisi, 1 (2): 1-3 (2008). 90 2. Işık, A. H., Güler, İ., “Novel Approach For Optimization Of Cell Planning And Capacity”, International Journal of Communications, 3 (1): 1-8 (2009). 3. Işık, A. H., Karakış, R., Güler, İ., “Postgraduate students attitudes towards distance learning (The case study of Gazi University)”, Procedia - Social and Behavioral Sciences(Elsevier), 9 (1): 218-222 (2010). 4. Işık, A. H., Güler, İ., “Teletıpta Mobil Uygulama Çalışması ve Mobil İletişim Teknolojilerinin Analizi”, Bilişim Teknolojileri Dergisi, 3 (1): 1-10 (2010). 5. Özkaraca, O., Işık, A. H., Güler, İ., “Biological Signals Sensing with Wearable Technologies and an ECG Athlete Design”, Recent Patents on Biomedical Engineering Journal, 4 (2): 74-83 (2011). 6. Özkaraca, O., Işık, A. H., Sevil, G., Güler, İ., “Microcontroller based passive elbow and knee rehabilitation instrument design”, Procedia - Computer Sciences(Elsevier), (2011). Kitapta Bölüm 1. Işık, A. H., Özkaraca, O., Güler, İ., “Evaluation of Biotelemetry Systems and Novel Proposal for Chronic Diseases Management”, Emerging Issues in the Natural and Applied Sciences, ISBN: 978-9952-8071-4-1, 5-19 (2011). Uluslararası Bildiriler 1. Işık, A. H., Afacan, E., “Control Of Cell Planning With Fuzzy Logic In GSM System”, 8th Wseas International Conference On Telecommunications And Informatics (Tele-Info 09), İstanbul, 101-105 (2009). 2. Işık, A. H., Güler, İ., “Statistical Study And Data Mining In Distance Learning”, 3rd International Computer & Instructional Technologies Symposium, Trabzon (2009). 3. Işık, A. H., “Solution Offers Directed Towards Encountered Problems In Distance Learning Vocational High Schools”, 1st International 5th National Vocational Schools Of Higher Education Symposium, Konya, 3546- 3551 (2009). 91 4. Akman, E. A., Işık, A. H., Çetin, A., Güler, İ., “A WEB3D Application in Biomedical Engineering Education”, 13th International Conference on Interactive Computer aided Learning(ICL2010), Hasselt-Belgium, 190-194 (2010). 5. Çetin, A., Işık, A. H., Güler, İ., “Learning Management System Selection with Analytic Hierarchy Process”, 13th International Conference on Interactive Computer aided Learning(ICL2010), Hasselt-Belgium, 921-926 (2010). 6. Işık, A. H., Akman Aydın, E., Çetin, A., “Collaborative E-Learning Environment for Biomedical Specialists Training”, 13th International Conference on Interactive Computer aided Learning(ICL2010), Hasselt-Belgium, 331-336 (2010). 7. Işık, A. H., Karakış, R., Güler, İ., “Gazi Üniversitesi Bilişim Enstitüsü Web Sayfasının Kullanılabilirlik Analizi”, 2nd International Conference on New Trends in Education and Their Implications (ICONTE 2011), Antalya, 607-614 (2011). 8. Özkaraca, O., Işık, A. H., Güler, İ., “Detection, Real Time Processing and Monitoring of ECG Signal with a Wearable System”, IEEE International Symposium on Innovations in Intelligent Systems and Applications, İstanbul, 424 - 427 (2011). 9. Işık, A. H., Güler, İ., “SMS and Web Based Tele-Homecare System for Chronic Pulmonary Patients Care”, International eHealth Telemedicine Conference (Med-e-tel), Luxembourg, 790-794 (2011). 10. Işık, A. H., Özkaraca, O., Güler, I., “Uzaktan Eğitim Öğrencilerinin İnternet Yeterlilik Düzeylerinin İstatistiksel Analizi”, 2nd International 5th National Vocational Schools of Higher Education Symposium (UMYOS 2011) , Aydın, (2011). Ulusal Bildiriler 1. Işık, A. H., Çetin, G., Orman, A., “Gelecek Nesil Şebekeleri (NGN)”, III. İletişim Teknolojileri Ulusal Sempozyumu, Adana, 177-179 (2007). 92 2. Çetin, G., Işık, A. H., Orman, A., “Ipv6 ya Geçiş Sürecinde Uyum Sağlama Testleri”, III. İletişim Teknolojileri Ulusal Sempozyumu, Adana, 185-188 (2007). 3. Işık, A. H., Çetin, G., “Yeni Nesil Operasyon Destek Sistemleri”, I. Haberleşme Teknolojileri Ve Uygulamaları Sempozyumu (Habtekus'07), İstanbul, 58-61 (2007). 4. Işık, A. H., Aydın, E. A., Işık, İ., Tornincasa, S., Güler, İ., “Medikal Cihazların 3 Boyutlu Web Tabanlı Öğretilmesi”, Akademik Bilişim 09, Şanlıurfa, 8 (2009). 5. Işık, A. H., Işık, İ., Aydın, E. A., Muneta, M. L., Tornıncasa, S., Güler, İ., “Biyomedikal Uzmanlarının Eğitiminde Yeni Teknoloji ve Yöntemler“, 4. Ulusal Elektrik, Elektronik, Bilgisayar, Biyomedikal Mühendislikleri Eğitimi Sempozyumu, Eskişehir (2009). 6. Işık, A. H., Özkaraca, O., Karacı, A., Güler, İ., “Uzaktan Eğitimde Sistem Odası Tasarımı Ve İşletilmesi”, Akademik Bilişim 10, Muğla, 79-81 (2010). 7. Işık, A. H., Özkaraca, O., Karacı, A., Biroğul, S., “Web Tabanlı Eş Zamanlı (Senkron) Uzaktan Eğitim Sistemlerinin Karşılaştırmalı Analizi”, Akademik Bilişim 10, Muğla, 361-368 (2010). 8. Işık, A. H., Özkaraca, O., Güler, İ., “Mobil Öğrenme ve Podcast”, Akademik Bilişim 11, Malatya, (2011). İlgi Alanları Biyomedikal, Telekomünikasyon, Koşu, Kayak, Tarih.
