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
- Tez No: 867813
- Danışmanlar: DOÇ. DR. MEHMET ERGİN
- Tez Türü: Tıpta Uzmanlık
- Konular: Acil Tıp, Emergency Medicine
- Anahtar Kelimeler: Acil Servis, Triyaj, Acil Ciddiyet İndeksi, ChatGPT, Yapay Zeka, Emergency Room, Triage, Emergency Severity Index, ChatGPT, Artificial Intelligence
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Ankara Bilkent Şehir Hastanesi
- Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
AMAÇ Acil servisler 24 saat boyunca kesintisiz hizmet veren yerlerdir ve artan acil servis kalabalığı içerisinde hatalı ve gecikmiş triyajın olması acil tıp hizmetleri için endişe verici bir durumdur. ESI acil servislerde triyaj yapmak için kullanılan bir önceliklendirme sistemidir. ChatGPT, OpenAI tarafından geliştirilen bir yapay zeka modelidir ve doğal dil işleme görevlerinde kullanılmak üzere eğitilmektedir. Çalışmamızın amacı acil servis triyajı için ESI esaslarına göre ChatGPT kullanılarak yapılan hasta önceliklendirilmesinin doğruluğunu tespit etmektir. YÖNTEM Çalışmamıza 20 ve 21 Temmuz 2023 tarihlerinde 24 saat içinde acil servisimize başvuran 18 yaş ve üzeri 745 hasta dahil edildi. Hastaların triyajı sırasında hayati bulguları ile birlikte yaş, cinsiyet, başvuru şekli, geliş şikayeti, bilinç durumu, ek hastalıkları çalışma formuna kaydedildi. Kliniğimiz görev yapan dördüncü yıl araştırma görevlisi hekimlerimizden beş kişilik bir hakem komisyonu oluşturularak ESI triyaj sistemi hakkında olgu bazlı teorik eğitim verildi. Olgu formatına getirilen hasta bilgileri ESI kriterlerine göre hakem komisyonu ve eş zamanlı olarak ChatGPT tarafından değerlendirildi. BULGULAR ESI triyaj kategorileri dikkate alındığında hakem komisyonu ve ChatGPT değerlendirme sonuçları arasında istatistiksel olarak orta derece uyum olduğu görüldü (Cohen's Kappa = 0,659; p<0.001). Bu iki değerlendirme arasında doğruluk %76,6 olarak hesaplandı. ESI kriterlerine göre yüksek aciliyet kategorisi için ChatGPT'nin özgüllüğü %95.63, NPV %98.17 ve doğruluğu %94.90 olarak tespit edildi. Yüksek aciliyet belirten ESI 1 ve 2'nin ön görülmesi açısından hakem komisyonu ile ChatGPT arasında uyumun çok yüksek derecede olduğu görüldü (Cohen's Kappa = 0,828). SONUÇ Çalışmamızın sonuçları, yapay zeka uygulaması ChatGPT'nin yüksek aciliyet derecesi (ESI 1 ve 2) olan hastaları başarılı olarak ayırt edebildiğini göstermektedir. Bulgular, ChatGPT gibi yapay zeka tabanlı uygulamaların acil servislerdeki triyaj süreçlerine entegrasyonu açısından umut vericidir.
Özet (Çeviri)
INTRODUCTION Emergency departments are facilities that provide uninterrupted service 24 hours a day, and amid the increasing crowding in emergency services, erroneous and delayed triage poses a concerning situation for emergency medical services. ESI (Emergency Severity Index) is a prioritization system used for triage in emergency departments. ChatGPT is an artificial intelligence model developed by OpenAI and trained for natural language processing tasks. The aim of our study is to determine the accuracy of patient prioritization conducted using ChatGPT based on ESI principles for emergency department triage. METHOD On July 20th and 21st, 2023, a total of 745 patients aged 18 and above who presented to our emergency department within a 24-hour period were included in our study. During triage, patients' vital signs along with their age, gender, mode of presentation, chief complaint, level of consciousness, and comorbidities were recorded on the study form. A five-member the peer review committee of fourth-year resident physicians from our clinic was formed, and theoretical training on the ESI triage system was provided to them. Patient data, formatted into case reports, were evaluated by both the expert panel according to ESI criteria and simultaneously by ChatGPT. RESULTS When considering the ESI triage categories, it was observed that there was a moderate level of interrater reliability between the peer review committee and ChatGPT evaluation results (Cohen's Kappa = 0.659) (p<0.001). The accuracy between these two evaluations was calculated as 76.6%. According to the ESI criteria, for the high urgency category, ChatGPT's specificity was found to be 95.63%, NPV 98.17%, and accuracy 94.90%. It was observed that there was a very high level of interrater reliability between the referee committee and ChatGPT in predicting ESI 1 and 2 indicating high urgency (Cohen's Kappa = 0.828). CONCLUSION Our findings demonstrate that the artificial intelligence application ChatGPT can successfully distinguish patients with high urgency levels (ESI 1 and 2). The results are promising in terms of the integration of artificial intelligence-based applications like ChatGPT into triage processes in emergency services.
Benzer Tezler
- 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
- 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
- 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
BURAK KÖMÜR
Tıpta Uzmanlık
Türkçe
2026
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ERTAN CÖMERTPAY
- Makine öğrenimi ile acil servis triyaj tahmin modeli geliştirme: İstanbul'da bir sağlık grubu örneği
Developing an emergency service triage prediction model with machine learning: an example of a healthcare group in İstanbul
MUHAMMED EMRE GÜVEY
Doktora
Türkçe
2026
Yönetim Bilişim SistemleriSağlık Bilimleri ÜniversitesiSağlık Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. MUHAMMED FEVZİ ESEN
- 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