Kalp Hastalığı Tahmininde Açıklanabilir Yapay Zekâ: KNIME Tabanlı, Veri Sızıntısı Önlenmiş ve Çapraz Doğrulanmış Karşılaştırmalı Bir Çerçeve

Öz

Kalp ve damar hastalıkları, dünya genelinde en yüksek ölüm yüküne sahip hastalık grubudur. Bu çalışmada, kalp hastalığı tahmini için KNIME Analytics Platform üzerinde uçtan uca, kodsuz biçimde yapılandırılmış bir Açıklanabilir Yapay Zekâ (XAI) iş akışı geliştirilmiştir. UCI Cleveland Heart Disease veri seti üzerinde Lojistik Regresyon, Random Forest, Gradyan Artırmalı Ağaçlar ve XGBoost modelleri 10 katlı tabakalı çapraz doğrulama ile karşılaştırılmıştır. Önceki çalışmalardan farklı olarak çerçeveye üç metodolojik önlem birlikte yerleştirilmiştir: (i) nominal kategorik değişkenler Tek-Sıcak Kodlama ile dönüştürülmüş, (ii) Min-Max normalizasyonu her katlamada yalnızca eğitim parçası üzerinde öğrenilerek veri sızıntısı önlenmiş, (iii) XGBoost için sistematik hiperparametre değerlendirmesi yürütülmüştür. En yüksek başarı Lojistik Regresyon’dan gelmiştir (Doğruluk = 0,845 ± 0,065; AUC = 0,908). Wilcoxon testi Lojistik Regresyon ile Random Forest ve XGBoost arasındaki farkın anlamlı olmadığını (p = 0,891 ve p = 0,188) göstermiştir. Yorumlanabilirlik iki ayrı pencere üzerinden ele alınmıştır: Lojistik Regresyon katsayıları ve XGBoost üzerinde SHAP analizi. İki yöntemin altı ortak öznitelikte buluşması, öznitelik hiyerarşisinin algoritmik bir artefakt değil veri setindeki gerçek klinik sinyallere ait olduğunu yöntemsel üçleme yoluyla doğrulamıştır.

Anahtar Kelimeler

• Açıklanabilir Yapay Zekâ
• Çapraz Doğrulama
• KNIME
• Lojistik Regresyon
• SHAP

Destekleyen Kurum

Bu çalışma için herhangi bir kurum, kuruluş veya fondan finansal destek alınmamıştır.

Etik Beyan

Bu çalışmada kamuya açık ve anonimleştirilmiş UCI Cleveland Heart Disease veri seti kullanılmıştır. İnsan veya hayvan denekler üzerinde yeni bir deneysel çalışma yürütülmediğinden etik kurul onayı gerekmemektedir.

Kalp ve damar hastalıkları, dünya genelinde en yüksek ölüm yüküne sahip hastalık grubudur. Bu çalışmada, kalp hastalığı tahmini için KNIME Analytics Platform üzerinde uçtan uca, kodsuz biçimde yapılandırılmış bir Açıklanabilir Yapay Zekâ (XAI) iş akışı geliştirilmiştir. UCI Cleveland Heart Disease veri seti üzerinde Lojistik Regresyon, Random Forest, Gradyan Artırmalı Ağaçlar ve XGBoost modelleri 10 katlı tabakalı çapraz doğrulama ile karşılaştırılmıştır. Önceki çalışmalardan farklı olarak çerçeveye üç metodolojik önlem birlikte yerleştirilmiştir: (i) nominal kategorik değişkenler Tek-Sıcak Kodlama ile dönüştürülmüş, (ii) Min-Max normalizasyonu her katlamada yalnızca eğitim parçası üzerinde öğrenilerek veri sızıntısı önlenmiş, (iii) XGBoost için sistematik hiperparametre değerlendirmesi yürütülmüştür. En yüksek başarı Lojistik Regresyon’dan gelmiştir (Doğruluk = 0,845 ± 0,065; AUC = 0,908). Wilcoxon testi Lojistik Regresyon ile Random Forest ve XGBoost arasındaki farkın anlamlı olmadığını (p = 0,891 ve p = 0,188) göstermiştir. Yorumlanabilirlik iki ayrı pencere üzerinden ele alınmıştır: Lojistik Regresyon katsayıları ve XGBoost üzerinde SHAP analizi. İki yöntemin altı ortak öznitelikte buluşması, öznitelik hiyerarşisinin algoritmik bir artefakt değil veri setindeki gerçek klinik sinyallere ait olduğunu yöntemsel üçleme yoluyla doğrulamıştır.

Öz

Cardiovascular diseases continue to impose the greatest mortality burden worldwide. This study presents an end-to-end, code-free Explainable Artificial Intelligence (XAI) workflow built on the KNIME Analytics Platform for heart disease prediction. Four classifiers — Logistic Regression, Random Forest, Gradient Boosted Trees, and XGBoost — were compared on the UCI Cleveland Heart Disease dataset using Stratified 10-fold Cross-Validation. Three methodological safeguards were embedded into the pipeline: (i) nominal categorical variables were transformed via One-Hot Encoding, (ii) Min-Max normalization was fitted on the training fold only to prevent data leakage, and (iii) a systematic hyperparameter evaluation was performed for XGBoost. Logistic Regression delivered the highest performance (Accuracy = 0.845 ± 0.065; AUC = 0.908). The Wilcoxon test indicated that the differences between Logistic Regression and Random Forest/XGBoost were not statistically significant (p = 0.891 and p = 0.188). Interpretability was addressed through two parallel windows: Logistic Regression coefficients and SHAP analysis on XGBoost. The convergence of both methods on six common features confirmed via methodological triangulation that the feature hierarchy reflects genuine clinical signals rather than algorithmic artifacts.

Anahtar Kelimeler

• Cross-Validation
• Explainable Artificial Intelligence
• KNIME
• Logistic Regression
• SHAP

Destekleyen Kurum

This study received no financial support from any institution, organization, or funding agency.

Etik Beyan

This study used the publicly available and anonymized UCI Cleveland Heart Disease dataset. As no new experiments involving human or animal subjects were conducted, ethics committee approval was not required.

Kaynakça

1. World Health Organization. (2023). Cardiovascular diseases (CVDs) — Key facts. https://www.who.int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds). Erişim tarihi: 10/05/2026
2. Adadi, A., & Berrada, M. (2018). Peeking inside the black-box: A survey on Explainable Artificial Intelligence (XAI). IEEE Access, 6, 52138–52160. https://doi.org/10.1109/ACCESS.2018.2870052
3. Lundberg, S. M., & Lee, S. I. (2017). A unified approach to interpreting model predictions. Advances in Neural Information Processing Systems, 30, 4765–4774.
4. Molnar, C. (2022). Interpretable machine learning: A guide for making black box models explainable (2nd ed.). https://christophm.github.io/interpretable-ml-book/
5. Mushtaq, M., Mehmood, Z., Butt, A. A., Shabir, M. Y., & Khan, M. N. U. (2025). Causal and explainable machine learning framework for heart disease prediction using XGBoost and SHAP. Journal of Computing & Biomedical Informatics, 10(1).
6. Almutairi, M., & Dardouri, S. (2025). Intelligent hybrid modeling for heart disease prediction. Information, 16(10), 869. https://doi.org/10.3390/info16100869
7. Rezk, N. G., Alshathri, S., Sayed, A., Hemdan, E. E. D., & El-Behery, H. (2024). XAI-augmented voting ensemble models for heart disease prediction: A SHAP and LIME-based approach. Bioengineering, 11(10), 1016. https://doi.org/10.3390/bioengineering11101016
8. Janosi, A., Steinbrunn, W., Pfisterer, M., & Detrano, R. (1989). Heart Disease [Dataset]. UCI Machine Learning Repository. https://doi.org/10.24432/C52P4X

9. Breiman, L. (2001). Random forests. Machine Learning, 45(1), 5–32. https://doi.org/10.1023/A:1010933404324
10. Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. https://doi.org/10.1145/2939672.2939785
11. Berthold, M. R., Cebron, N., Dill, F., Gabriel, T. R., Kötter, T., Meinl, T., Ohl, P., Sieb, C., Thiel, K., & Wiswedel, B. (2009). KNIME: The Konstanz Information Miner. SIGKDD Explorations Newsletter, 11(1), 26–31. https://doi.org/10.1145/1656274.1656280