Acil servislerde yapay zeka destekli triaj sistemleri kullanılarak hasta önceliklendirme
Patient prioritization using artificial intelligence-assisted triage systems in emergency departments
- Tez No: 1020913
- Danışmanlar: PROF. DR. ERDİNÇ AVAROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Acil servislerde triaj, hastaların klinik durumlarına göre önceliklendirilmesi sürecidir. Bu süreçte yapılan hatalar, özellikle pediatrik hastalarda hayati sonuçlar doğurabilmektedir. Bu çalışmada, pediatrik acil servis triajını otomatize etmek amacıyla makine öğrenmesi ve klinik kural tabanlı denetleme mekanizmalarını birleştiren hibrit bir yapay zeka sistemi geliştirilmiştir. Sistem, 12 temel vital/klinik parametre (yaş, cinsiyet, ateş, nabız, solunum sayısı, SpO2, sistolik ve diastolik kan basıncı, Glasgow Koma Skalası, genel durum, geliş şekli ve şikayet) kullanmakta; bu parametrelerden Şok İndeksi, Hipotansiyon Sınırı, Nabız Sapması ve Hipotansif Durum olmak üzere 4 yeni klinik öznitelik türetmektedir. Sınıflandırma için Random Forest ve Derin Öğrenme modelleri karşılaştırmalı olarak değerlendirilmiştir. Modelin istatistiksel yanılma riskini en aza indirmek amacıyla PALS (Pediatric Advanced Life Support) ve PaedCTAS kılavuzlarına dayalı bir güvenlik katmanı entegre edilmiştir. Mersin Üniversitesi Çocuk Acil Servisi verisi üzerinde değerlendirilen hibrit sistem %84,5 genel doğruluk (Accuracy) oranına ulaşmış; ağırlıklı ortalama Precision, Recall ve F1-Skoru değerleri 0,84 olarak hesaplanmıştır. Kritik önem taşıyan Kırmızı Kod vakalarında sistem 0,98 Recall ve 0,96 Precision değerleri elde etmiş; bu bulgu, acil müdahale gerektiren ağır hastaların %98 oranında doğru sınıflandırıldığını göstermektedir. PALS/PaedCTAS tabanlı güvenlik filtresinin katkısıyla Kırmızı Kod duyarlılığı, salt istatistiksel modele kıyasla 6 puanlık artış kaydetmiştir. Türetilen klinik öznitelikler arasında Şok İndeksi ham vital bulgulara kıyasla %15 daha yüksek ayırt edici güç sergilemiş; yaşa özel hipotansiyon sınırı ise yanlış triaj oranını %12 oranında azaltmıştır.
Özet (Çeviri)
Triage in emergency departments is the process of prioritizing patients based on their clinical condition. Errors in this process can have life-threatening consequences, particularly in pediatric patients. This study presents a hybrid artificial intelligence system that combines machine learning with a clinical rule-based safety layer to automate pediatric emergency triage. The system utilizes 12 core vital/clinical parameters and derives 4 additional clinically meaningful features: Shock Index, Hypotension Threshold, Pulse Deviation, and Hypotensive Status. Random Forest and Deep Learning models were comparatively evaluated. A safety buffer layer based on PALS (Pediatric Advanced Life Support) and PaedCTAS guidelines was integrated to override statistical predictions in critical scenarios. The hybrid system was evaluated on the Mersin University Pediatric Emergency Department dataset (n=793), achieving an overall accuracy of 84.5%. Weighted average Precision, Recall, and F1-Score were each 0.84. For Red Code (critical) cases, the system achieved a Recall of 0.98 and Precision of 0.96, indicating that 98% of life-threatening cases were correctly identified. The PALS/PaedCTAS-based safety filter improved Red Code Recall by 6 percentage points compared to the statistical model alone. Among engineered features, the Shock Index demonstrated 15% greater discriminative power than raw vital signs, while the age-adjusted hypotension threshold reduced misclassification rates by 12%.
Benzer Tezler
- 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
- Acil serviste yapay zeka tabanlı özelleştirilmiş GPT modeli ile ayırıcı tanı doğruluğunun değerlendirilmesi
Evaluation of differential diagnosis accuracy with artificial intelligence based customized GPT model in emergency service
HAYDAR AL
Tıpta Uzmanlık
Türkçe
2025
Acil TıpÇanakkale Onsekiz Mart ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. CANAN AKMAN
- 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 tıpta yapay zekâda neredeyiz ve neler yapabiliriz?
Where are we in emergency medicine applications of artificial intelligence, and what can we do?
MEHMET ALİ ÇALIŞKAN
- AI-enhanced iomt framework for optimizing telemedicine-based triage in emergency departments
Yapay zeka destekli IoMT çerçevesi ile acil servislerde tele-tıp tabanlı triage optimizasyonu
HAJIR ISMAEL MOHAMMED ALWINDAWI
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiYapay Zeka Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜCEL BATU SALMAN