Geri Dön

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

PDF İndir

  1. Tez No: 1018121
  2. Yazar: CANER AKUFUK
  3. Danışmanlar: PROF. DR. HAKAN HAKKOYMAZ
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Acil Tıp, Emergency Medicine
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2026
  8. Dil: Türkçe
  9. Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
  10. Enstitü: Tıp Fakültesi
  11. Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Acil servislerde triyaj, hasta önceliklendirmesinin doğru yapılması ve sağlık kaynaklarının etkin kullanılması açısından kritik öneme sahiptir. Son yıllarda büyük dil modelleri sağlık alanında klinik karar destek sistemleri olarak dikkat çekmektedir. Bu çalışmanın amacı, farklı sağlık profesyonellerinin triyaj kararlarının doğruluğunu değerlendirmek ve güncel yapay zekâ modellerinin triyaj performanslarını sağlık profesyonelleri ile karşılaştırmaktır. Bu prospektif, kesitsel ve senaryo temelli çalışmada, 60 klinik triyaj senaryosu kullanıldı. Senaryolar; yeşil, sarı, kırmızı ve siyah triyaj kategorilerini içerecek biçimde hazırlandı. Çalışmaya acil tıp uzmanları, acil tıpta uzmanlık öğrencileri, pratisyen hekimler, intörn doktorlar, hemşireler ve ATT/Paramediklerden oluşan toplam 567 sağlık profesyoneli katıldı. Aynı senaryolar ChatGPT-4o, Gemini ve DeepSeek-R1 yapay zekâ modellerine de yöneltildi. Katılımcıların ve yapay zekâ modellerinin verdikleri triyaj kararları karşılaştırılarak doğruluk oranları hesaplandı. Gruplar arasındaki farklılıklar uygun istatistiksel yöntemlerle analiz edildi. Acil tıp uzmanları en yüksek doğruluk oranına sahip grup olarak bulundu (%80,7). Uzmanları sırasıyla acil tıpta uzmanlık öğrencileri (%70,7), pratisyen hekimler (%66,5), ChatGPT (%65,0), hemşireler (%62,5), intörn doktorlar (%60,9), ATT/Paramedikler (%54,3), DeepSeek (%68,3) ve Gemini (%70,0) izledi. Acil tıp uzmanlarının doğruluk oranları, intörn doktorlar, pratisyen hekimler ve acil tıpta uzmanlık öğrencilerine göre anlamlı derecede daha yüksekti (p<0,001). Renk bazlı değerlendirmede uzman hekimler tüm kategorilerde yüksek performans gösterirken, yapay zekâ modelleri özellikle kırmızı triyaj kategorisinde uzman hekimlere yakın doğruluk oranlarına ulaştı. Gemini ve DeepSeek modellerinin genel performansları acil tıpta uzmanlık öğrencilerine yakın bulunurken, ChatGPT'nin performansı pratisyen hekim düzeyinde saptandı. Büyük dil modelleri acil servis triyajında umut verici performans göstermektedir. Özellikle kritik hasta grubunu temsil eden kırmızı triyaj kategorisinde yapay zekâ sistemlerinin yüksek doğruluk oranlarına ulaşması dikkat çekicidir. Bununla birlikte, yapay zekâ modelleri henüz deneyimli acil tıp uzmanlarının yerini alabilecek düzeyde değildir. Yapay zekâ destekli sistemlerin, acil servislerde karar standardizasyonunu artıran ve klinisyenlere yardımcı olan klinik karar destek araçları olarak kullanılabileceği düşünülmektedir. Bu alanda gerçek hasta verileriyle yapılacak ileri çalışmalar, yapay zekâ destekli triyaj sistemlerinin klinik uygulanabilirliğini daha net ortaya koyacaktır.

Özet (Çeviri)

Triage is a critical component of emergency department management, ensuring appropriate patient prioritization and efficient utilization of healthcare resources. In recent years, large language models have emerged as potential clinical decision support tools in healthcare. The aim of this study was to evaluate the accuracy of triage decisions made by healthcare professionals with different levels of experience and to compare their performance with that of contemporary artificial intelligence models. This prospective, cross-sectional, scenario-based study utilized 60 clinical triage scenarios developed and validated by emergency medicine specialists, who served as the reference standard. The scenarios were evenly distributed among green, yellow, red, and black triage categories. A total of 567 healthcare professionals, including emergency medicine specialists, emergency medicine residents, general practitioners, interns, nurses, and emergency medical technicians/paramedics, participated in the study. The same scenarios were also evaluated by ChatGPT-4o, Gemini, and DeepSeek-R1. The triage decisions of all participants and artificial intelligence models were compared with the reference standard, and accuracy rates were calculated. Statistical analyses were performed to determine differences between groups. Emergency medicine specialists demonstrated the highest overall accuracy rate (80.7%). They were followed by emergency medicine residents (70.7%), Gemini (70.0%), DeepSeek-R1 (68.3%), general practitioners (66.5%), ChatGPT-4o (65.0%), nurses (62.5%), interns (60.9%), and emergency medical technicians/paramedics (54.3%). The accuracy of emergency medicine specialists was significantly higher than that of interns, general practitioners, and residents (p<0.001). In category-based analyses,specialists consistently achieved high performance across all triage levels. Artificial intelligence models showed particularly strong performance in the red triage category, approaching the accuracy levels of emergency medicine specialists. Gemini and DeepSeek-R1 demonstrated performance comparable to emergency medicine residents, whereas ChatGPT-4o achieved performance similar to that of general practitioners. Large language models demonstrate promising performance in emergency department triage. Their high accuracy in identifying critically ill patients, particularly within the red triage category, highlights their potential value in emergency care settings. However, these models have not yet reached the performance level of experienced emergency medicine specialists. Artificial intelligence-assisted systems may serve as valuable clinical decision support tools by enhancing standardization and reducing variability in triage decisions. Further studies involving real-world patient data are needed to establish the clinical applicability and reliability of artificial intelligence-assisted triage systems.

Benzer Tezler

  1. Tez No

    508766

    Acil serviste travma hastalarına bilgisayar yazılımı yardımı ile yapılan dijital triyajın güvenilirliğinin ve geçerliliğinin değerlendirilmesi

    Evaluation of reliability and validity of digital triage that has been applied with the help of computer software for trauma patients in the emergency

    AHMET AKDOĞAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2018

    İlk ve Acil YardımSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. SERKAN YILMAZ

  2. Tez No

    316721

    Şahinbey Araştırma ve Uygulama Hastanesi Acil Tıp Anabilim Dalı erişkin acil servisi maliyet analizi

    A cost analysis of adult Emergency Service in Şahinbey Research and Practice Hospital Emergency Department

    REMZİ GÜZEL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2012

    İlk ve Acil YardımGaziantep Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. CUMA YILDIRIM

  3. Tez No

    854112

    Acil sağlık hizmeti çalışanlarının beyaz kod uygulamalarına bakış açılarının incelenmesi: Sivas 112 örneği

    Investigation of emergency health service workers' perspectives on white code applications: Sivas 112 example

    ALİME GÜL ERKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Sağlık Kurumları YönetimiSivas Cumhuriyet Üniversitesi

    Sağlık Kuruluşları Yöneticiliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULLAH MISIRLIOĞLU

  4. Tez No

    771882

    Akut böbrek hasarında bir oksidatif stres biyomarkerı: Eritrosit içi glutatyon

    An oxidative stress biomarker in acute tissue injury: Intra-erythrocyte glutathione

    AHMET CANER KAHRAMAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    Acil TıpAnkara Yıldırım Beyazıt Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FATİH AHMET KAHRAMAN

    DR. ÖĞR. ÜYESİ MELİH ÇAMCI

  5. Tez No

    982360

    Acil serviste bolus nitrogliserin ve geleneksel nitrogliserin infüzyonu tedavisi uygulanmış akut kardiyojenik akciğer ödemi tanısı alan hipertansif hastaların klinik sonlanım açısından karşılaştırılması

    Clinical outcomes of bolus nitroglycerin and conventional nitroglycerin infusion in the management of sympathetic crashing acute pulmonary edema in the emergency department

    BURAK ŞAHİN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2025

    Acil TıpSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. İSMAİL TAYFUR

Geri Dön