Acil tıp ve göğüs hastalıkları hekimleri ile yapay zekânın acil serviste pulmoner emboli tanısının koyulmasındaki başarı oranının karşılaştırılması
Comparison of the success rates of artificial intelligence and emergency medicine and pulmonology physicians in the diagnosis of pulmonary embolism in the emergency department
- Tez No: 1004450
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFA YURTBAY
- Tez Türü: Tıpta Uzmanlık
- Konular: Acil Tıp, Emergency Medicine
- Anahtar Kelimeler: Dil modelleri, Pulmoner emboli, Yapay zeka, Language models, Pulmonary embolism, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sivas Cumhuriyet Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Pulmoner emboli (PE), çoğunlukla alt ekstremite derin venlerinde oluşan trombüslerin pulmoner arter sistemine embolizasyonu sonucu gelişen ve erken tanı ile uygun tedavi uygulanmadığında yüksek mortalite riski taşıyan ciddi bir klinik tablodur. Klinik prezentasyonunun çoğu zaman özgül olmaması, tanı sürecinde önemli güçlükler oluşturabilmektedir. Bu nedenle PE şüphesi bulunan hastalarda tanısal yaklaşım; klinik değerlendirme, klinik olasılık skorlamaları, D-dimer testi ve uygun görüntüleme yöntemlerinin birlikte kullanılmasını gerektirmektedir. Günümüzde Wells skoru ve revize edilmiş Cenevre skoru gibi klinik tahmin kuralları ile tanı algoritmaları klinik karar sürecinin standardizasyonunda önemli rol oynamaktadır. Son yıllarda yapay zekâ teknolojilerinde ve özellikle doğal dil işleme alanında geliştirilen büyük dil modellerinde önemli ilerlemeler kaydedilmiş olup, bu sistemlerin sağlık hizmetlerinde farklı alanlarda kullanılabilirliği araştırılmaktadır. Büyük dil modellerinin metin analizi, bilgi sentezi ve klinik sorulara yanıt üretme kapasitesi, bu sistemlerin klinik karar destek süreçlerinde potansiyel bir rol üstlenebileceğini düşündürmektedir. Bununla birlikte, bu teknolojilerin klinik pratikteki performansının ve sağlık profesyonelleri ile karşılaştırmalı olarak değerlendirilmesinin gerekli olduğu düşünülmektedir. Bu çalışmanın amacı, pulmoner emboli tanı ve yönetimine ilişkin yapılandırılmış klinik senaryolar üzerinden sağlık çalışanlarının (acil tıp hekimleri, göğüs hastalıkları hekimleri ve intörn hekimler) bilgi ve klinik karar verme performanslarını güncel büyük dil modellerinin performansı ile karşılaştırmalı olarak değerlendirmektir. Çalışma kapsamında retrospektif bir vaka havuzundan yararlanılarak pulmoner emboli ile ilişkili klinik senaryolar oluşturulmuş ve bu senaryolar doğrultusunda soru setleri hazırlanmıştır. Katılımcıların klinik karar basamaklarındaki başarıları; Wells skoru hesaplama, Cenevre skoru hesaplama, tanı algoritmasının uygulanması, D-dimer cut-off değerinin yorumlanması, PESI skoru hesaplama, uygun tedavi süresine karar verme ve vaka sonuçlandırma gibi farklı başlıklar altında değerlendirilmiştir. Aynı soru seti büyük dil modellerine de uygulanmış ve elde edilen yanıtlar sağlık profesyonellerinin yanıtları ile karşılaştırılmıştır. Elde edilen veriler doğrultusunda farklı katılımcı grupları ile büyük dil modellerinin pulmoner emboli tanı ve yönetimine ilişkin performansları istatistiksel yöntemler kullanılarak karşılaştırmalı olarak analiz edilmiştir. Bu çalışma, pulmoner emboli gibi algoritmik karar basamakları içeren bir klinik tabloda yapay zekâ sistemlerinin doğruluk düzeyinin ortaya konmasına ve klinik karar süreçlerinde destekleyici bir araç olarak kullanılabilirliğinin değerlendirilmesine katkı sağlamayı amaçlamaktadır.
Özet (Çeviri)
Pulmonary embolism (PE) is a serious clinical condition that most commonly results from the embolization of thrombi originating from the deep veins of the lower extremities to the pulmonary arterial system and is associated with high mortality when not diagnosed and treated promptly. The clinical presentation of PE is often non-specific, which may lead to diagnostic challenges. Therefore, the diagnostic approach in patients with suspected PE requires the combined use of clinical assessment, clinical probability scoring systems, D-dimer testing and appropriate imaging methods. Clinical prediction rules such as the Wells score and the revised Geneva score, together with diagnostic algorithms, play an important role in standardizing clinical decision-making processes. In recent years, significant advancements have been achieved in artificial intelligence technologies, particularly in large language models developed within the field of natural language processing. These systems have demonstrated the ability to analyze textual information, synthesize knowledge and generate responses to clinical questions, suggesting a potential role in clinical decision support systems. However, evaluating the performance of these technologies in clinical contexts and comparing them with healthcare professionals remains essential. The aim of this study was to comparatively evaluate the knowledge and clinical decision-making performance of healthcare professionals (emergency physicians, pulmonologists and intern physicians) and contemporary large language models through structured clinical scenarios related to the diagnosis and management of pulmonary embolism. Within the scope of the study, clinical scenarios related to pulmonary embolism were developed using a retrospective case pool, and question sets were prepared accordingly. Participants' performance in clinical decision-making steps was evaluated in several domains including calculation of the Wells score, calculation of the Geneva score, application of diagnostic algorithms, interpretation of D-dimer cut-off values, calculation of the Pulmonary Embolism Severity Index (PESI), determination of appropriate treatment duration and case finalization. The same question set was also applied to large language models, and the responses obtained were compared with those of healthcare professionals. Based on the collected data, the performances of different participant groups and large language models in the diagnosis and management of pulmonary embolism were analyzed comparatively using statistical methods. This study aims to demonstrate the accuracy of artificial intelligence systems in a clinical condition involving algorithm-based decision pathways such as pulmonary embolism and to evaluate their potential role as supportive tools in clinical decision-making processes.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Makine öğrenmesi kullanılarak pulmoner tromboemboli riski olan hastaların belirlenmesi
Determination of patients with pulmonary thromboembolism risk using machine learning
SENEM KOCA
Tıpta Uzmanlık
Türkçe
2022
Göğüs HastalıklarıSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. AFŞİN EMRE KAYIPMAZ
- Kalp krizi karar destek sistemi
Heart attack decision support system
İLKNUR BUÇAN KIRKBİR
Yüksek Lisans
Türkçe
2017
BiyoistatistikKaradeniz Teknik ÜniversitesiBiyoistatistik ve Tıbbi Bilişim Ana Bilim Dalı
YRD. DOÇ. DR. BURÇİN KURT
- Ankara Şehir Hastanesinde çalışan hekimlerin mikrobiyata hakkında bilgi düzeyleri, pre/probiyotik kullanımı hakkında tutum ve düşünceleri
Başlık çevirisi yok
ÖZGÜR ARI
Tıpta Uzmanlık
Türkçe
2020
Aile HekimliğiYıldırım Beyazıt ÜniversitesiAile Hekimliği Ana Bilim Dalı
DR. İREP KARATAŞ ERAY
- Ankara Tıp Fakültesi hastanelerinde acil servis ve yoğun bakım hekimlerinin, beyin ölümü hakkındaki farkındalıkları, bilgi düzeyleri ve bakış açılarının değerlendirilmesi
Evaluation of awareness, knowledge levels and perspectives of emergency and intensive care physicians about brain death in Ankara Medical Faculty Hospitals
ÖMER ERAY YALAP
Tıpta Uzmanlık
Türkçe
2021
NörolojiAnkara ÜniversitesiNöroloji Ana Bilim Dalı
DOÇ. DR. AYŞE PETEK BİNGÖL