Acı̇l servı̇s triyajında yapay zeka, tıp öğrencileri, acil tıp asistanları ve hemşirelerin tanısal doğruluk oranlarının karşılaştırılması
Diagnostic accuracy in emergency department triage: A comparative analysis of artificial intelligence, medical students, residents, and nurses
- Tez No: 1011426
- Danışmanlar: DR. ÖĞR. ÜYESİ ERTAN CÖMERTPAY
- Tez Türü: Tıpta Uzmanlık
- Konular: Acil Tıp, Emergency Medicine
- Anahtar Kelimeler: Acil Servis, ChatGPT, Gemini, İntörn, Triyaj, Yapay Zekâ, Artificial Intelligence, ChatGPT, Emergency Department, Gemini, İntern, Triage
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Gülhane Tıp Fakültesi
- Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışmanın amacı, acil servis triyaj süreçlerinde güncel yapay zekâ (YZ) modelleri (ChatGPT ve Gemini), acil tıp asistanları, 6. sınıf intörn doktorlar ve triyaj hemşirelerinin tanısal doğruluklarını, altın standart olarak kabul edilen uzman hekim kararları ile karşılaştırmalı olarak analiz etmektir. Materyal ve Metot: Prospektif ve gözlemsel olarak planlanan bu çalışma, Nisan 2025 – Mart 2026 tarihleri arasında Gülhane Eğitim ve Araştırma Hastanesi Acil Servisine başvuran 767 hasta ile yürütülmüştür. Hastalar acil serviste eş zamanlı olarak hemşire, intörn doktor ve asistan hekim tarafından değerlendirilmiş; kaydedilen anamnez ve vital bulgular üzerinden YZ modelleri (ChatGPT 5.2 ve Gemini 3 Deep Think) ile üç acil uzmanından oluşan hekim heyeti tarafından da triyajlanmıştır. Grupların uzman kararları ile uyumu Cohen's Kappa; doğruluk oranları ise McNemar ve ROC analizleri ile değerlendirilmiştir. Bulgular: Katılımcıların genel doğruluk oranları uyum katsayıları sırasıyla; ChatGPT için %88.3, Gemini için %87.1, asistan doktorlar için %87.4 intörn doktorlar için %83.7 ve hemşireler için %72.1 olarak saptanmıştır. ChatGPT ve Gemini modelleri ile asistan doktorların performansı arasında istatistiksel olarak anlamlı bir fark bulunmazken, YZ modelleri ve asistan hekimler, intörn doktorlardan ve hemşirelerden anlamlı derecede daha başarılı bulunmuştur. Hayati risk taşıyan“kırmızı alan”hastalarını tanımada en yüksek başarı asistan doktorlara (%91.8) aitken, YZ modelleri %81-83 bandında isabet sağlamış; hemşirelerin oranı ise %2,0'da kalmıştır. Hata analizinde YZ modellerinin hasta güvenliğini riske atan eksik değerlendirme hatalarından kaçındığı ve hemşirelerin ise ağırlıklı olarak sarı alana yöneldiği gözlenmiştir. Sonuç: Güncel YZ modelleri, acil servis triyajında eğitimli asistan hekimlerle eşdeğer ve triyaj hemşirelerinden istatistiksel açıdan anlamlı derecede üstün bir tanısal performans sergilemiştir. YZ algoritmaları, kritik hastaları atlamayarak acil servisler için güvenilir bir klinik karar destek aracı olma potansiyeli taşımaktadır.
Özet (Çeviri)
Objective: The aim of this study is to comparatively analyze the diagnostic accuracy of current artificial intelligence (AI) models (ChatGPT and Gemini), emergency medicine residents, 6th-year medical interns, and triage nurses in emergency department triage processes against expert physician decisions, which were considered the gold standard. Materials and Methods: This prospective, observational study was conducted with 767 patients who applied to the Emergency Department of Gülhane Training and Research Hospital between April 2025 and March 2026. Patients were evaluated simultaneously by a nurse, an intern doctor, and a resident physician in the emergency department, based on the recorded anamnesis and vital signs, they were also triaged by AI models (ChatGPT 5.2 and Gemini 3 Deep Think) and a committee of three emergency medicine specialists. The concordance of the groups with expert decisions was evaluated with Cohen's Kappa, and diagnostic accuracies were assessed using McNemar and ROC analyses. Results: The general accuracy rates or concordance coefficients of the participants were respectively: 88.3% for ChatGPT, 87.1% for Gemini, 87.4% for resident physicians, 83.7% for intern doctors, and 72.1% for nurses. While no statistically significant difference was found between the performances of ChatGPT, Gemini models, and resident physicians AI models and residents were found to be significantly more successful than intern physicians and nurses. Resident physicians had the highest success rate (91.8%) in identifying“red area”patients with vital risks, while AI models achieved an accuracy of 81-83%; the rate for nurses remained at 2.0%. Conclusion: Current AI models demonstrated diagnostic performance equivalent to trained resident physicians and statistically significantly superior to triage nurses in emergency department triage. AI algorithms have the potential to be a reliable clinical decision support tool for emergency departments by effectively identifying critical patients.
Benzer Tezler
- Acil serviste geleneksel triyaj ve yapay zeka destekli triyaj sistemlerinin etkinliğinin karşılaştırılması: Karar uyumunun analizi
Comparison of the effectiveness of conventional triageand artificial intelligence-assisted triage systems in the emergency department: Analysis of decision agreement
CANER AKUFUK
Tıpta Uzmanlık
Türkçe
2026
Acil TıpKahramanmaraş Sütçü İmam ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. HAKAN HAKKOYMAZ
- Acil servis triyajında yapay zeka programı ile hastaların acil servis ciddiyet skalasına göre aciliyetlerinin belirlenmesi
Determination of patient urgency in the emergency department using an artificial intelligence program based on the emergency severity index
CANSU ÇOLAKÇA
Tıpta Uzmanlık
Türkçe
2024
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. MEHMET ERGİN
- Acil servis triyajında yapay zekâ kullanımı: Hasta yönlendirme doğruluğunun değerlendirilmesi
The use of artificial intelligence in emergency department triage: Evaluation of patient routing accuracy
ZÜLKÜF SERGEN ÜNLÜ
- Yapay zeka programlarının (ChatGPT ve Gemini) Aciliyet Şiddeti İndeksi (AŞİ) ve renk kodlu kombine triyaj uygulamasındaki etkinlikleri
Effectiveness of artificial intelligence programs (ChatGPT and Gemini) in the Emergency Severity Index (ESI) and color-coded combined triage application
OĞUZHAN YILMAZ
Tıpta Uzmanlık
Türkçe
2025
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZGEN GÖNENÇ ÇEKİÇ
- 65 yaş ve üzeri hastaların mortalite tahmininde yapay zekanın yeri
The role of artificial intelligence in mortality prediction of patients aged 65 and over presenting to the emergency department
HÜSEYİN METEHAN GÖZLÜKAYA
Tıpta Uzmanlık
Türkçe
2025
Acil TıpUşak ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN SEVİL