Objective: Parkinson’s disease is a chronicneurodegenerative impairment which causes movementimpairment. Dopaminergic deficiency resulted from the lossof dopaminergic neurons in the substantia nigracauses thedisease. UPDRS (Unified Park-inson’s disease rating scale)is an important scale for evaluation of clinical severity ofParkinson’s disease. Recent computational studies using insilico prediction methods show promising results in termsof their potential diagnostic relevance. This study aims toevaluate the diagnostic potential of in silico methods usingvocal cord vibrations and the UPDR scale of Parkinson’sDisease for obtaining more precise diagnosis model.Material-Method: In this study an in silico prediction modelusing telemonitoring measures, clinical motor and totalUPDRS for diagnosis of Parkinson’s disease was developedby using regression analysis with neural network model. Inaddition, we investigated the importance of different attributesin our regression algorithm provided from telemonitoring andUPDRS for evaluation of their predictive relevance.Results: The correlation between predicted motor UPDRSscore and clinical motor UPDRS score was found as 97%.Exclusion of Jitter values did not directly affect the predictivepower of the model.Conclusions: Clinical UPDRS scoring proved its importanceto achieve to generate more predictive models.Amaç: Parkinson hastalığı kronik, ilerleyici ve nörolojikdejeneratif hareket bozukluğuna sebebiyet veren bir hastalıktır.Dopaminerjik yetersizlik, beyinde substantia nigra bölgesininpars compacta kısmında dopaminerjik nöronların ölümüsonucu oluşur ve Parkinson hastalığına neden olur. BPHDÖ(Birleşik Parkinson Hastalığı Derecelendirme Ölçeği)Parkinson hastalığının klinik seyrini ölçmede kullanılanen yaygın ölçektir. Siliko tahmin yöntemlerinde kullanılanhesaplamaya dayalı son çalışmalar, tanısal uygulamalarlailişkileri açısından umut vadetmektedirler. Çalışmadahesaplamalı metodların, vocal kord titreşimleri ölçümü(Telemonitoring) sonuçları kullanılarak Parkinson tanısındakullanılan BPHD ölçeği değerlendirilmesi amaçlanmıştır.Materyal-Method: Bu çalışmada yapay sinir ağı modeliyardımıyla regresyon analizi yöntemi kullanılarak motor,toplam BPHDÖ klinik sonuçları ve vocal kord ölçümlerikullanılarak Parkinson Hastalığı için tanısal bir model eldeedilmeye çalışılmıştır. Buna ek olarak telemonitoring verysetinden elde edilen regresyon algoritmasındaki ve BPHDölçeğindeki farklı niceliklerin önemi araştırılmıştır.Bulgular: Analiz sonucunda öngörülen BPHDÖ motorsonucu ile klinik ortamda değerlendirilen BPHDÖ motorsonuçları arasındaki korelasyon değeri %97 bulunmuştur.Telemonitoring değerlerinden olan, Jitter değerlerininregresyon algoritmasından çıkarılmasının, modelin öngörügücüne doğrudan etkisinin olmadığı görülmüştür.Sonuç: Oluşturulan tahmin modellerinden elde edilensonuçlar doğrultusunda, klinik BPHDÖ ölçümlerinin önemiispatlanmıştır, telemonitoring eklenmesi ile daha iyi biröngörü modeli oluşturulmuştur.