Acil servise minor kafa travması ile başvuran çocuk hastalarda PECARN skoru ve acil tıp uzman görüşü kullanarak yapay zeka algoritması ile beyin tomografi çekim endikasyonlarının belirlenmesi
Determination of brain CT indications in children patients applied to the emergency service with minor head trauma using PECARN score and emergency medicine expert opinion with artificial intelligence algorithm
- Tez No: 930721
- Danışmanlar: PROF. DR. HAVVA ŞAHİN KAVAKLI
- Tez Türü: Tıpta Uzmanlık
- Konular: Acil Tıp, Emergency Medicine
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Ankara Bilkent Şehir Hastanesi
- Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Amaç: Tıbbi görüntüleme ve tanı tekniklerinin arttığı günümüzde acil servislerde özellikle minör ve multiple travmalı hastalarda tanı amaçlı bilgisayarlı tomografi (BT) kullanım sayıları da artmaktadır. Bu durum da artan radyasyon maruziyeti ve uzun dönem komplikasyonları beraberinde getirmektedir. Pediatrik travmatik beyin hasarı (TBH) edinilmiş sakatlık ve ölümün en sık nedenlerinden biridir. Ayrıca çocuklarda travmatik beyin hasarı oldukça heterojen bir durumdur ve kafa travmalı çocuklarda sağ kalım sonrası uzun dönemde sakatlık riskleri yüksektir. Hızlı ve doğru tanı konularak gecikmeden müdahale edilmesi kötü sonuçları azaltacaktır. Klasik tanı metotlarının yanı sıra modern tanı yöntemlerinin araştırılması bu duruma katkı sunacaktır. Araştırmamızdaki amacımız acil servise minör kafa travması ile başvuran pediatrik hastalarda ChatGPT-4o programı ile bir yapay zeka(AI) algoritması oluşturabilmek ve PECARN skoru ve acil tıp uzman görüşü yardımı ile beyin BT çekim endikasyonlarını yakalayabilmektir. Bu çalışmada minör kafa travması ile takipli hastalarda beyin BT çekimi için karar vermede kullanılan PECARN kafa travması klinik skorlama sistemi ve klinisyen kararlarının haricinde AI sistemleri ile oluşturulan büyük dil modellerinin de (LLM) karar verme süreçlerine yardımcı olması öngörülmektedir. Materyal ve Metot: Retrospektif olarak yürütülen çalışmamıza, Mart 2019 ve Mart 2024 tarihleri arasında, Ankara Bilkent Şehir Hastanesi Acil Tıp Kliniği'ne minör kafa travması ile başvuran 18 yaş ve altı hastalarda BT'si çekilenler dahil edilmiştir. Çalışmamızda hastane veri tabanından alınan olay öyküleri, fizik muayeneleri, yaş, cinsiyet, tomografi raporları kayıt edilen 1169 hasta çalışmaya dahil edilmiştir. Tarafımızca toplanan veriler çalışma veri formuna kaydedilmiş, her hasta için PECARN skoru hesaplanmış, ayrıca her hasta için acil tıp uzman görüşü alınmıştır. Elde edilen veriler ChatGPT-4o programında etiketlendirilmiştir. Modellerin başarıları; doğruluk, duyarlılık, kesinlik ve F1 skorlarını içeren performans metrikleri ile ölçülmüştür. Bulgular: Çalışmaya 1169 hasta dahil edilmiştir. Hastaların yaş ortalaması 6.4 yıl olarak hesaplanmıştır. Hastaların 415'i kız ve 754'ü erkek olarak gözlenmiştir. Dahil edilen hastaların 1087 kadarında basit travma mekanizması, 76 hasta orta riskli travma mekanizması ve 4 hastada ciddi travma mekanizması görülmüştür. Ayrıca hastaların 970'i normal fizik muayene bulguları, 175'i orta şiddetli fizik muayene bulgusu ve 21 hastada ise yatış gerektirecek derecede ciddi fizik muayene bulgusu mevcut olarak kaydedilmiştir. Hastalar PECARN kılavuzuna göre değerlendirildiğinde; 942 hastaya görüntüleme istenmez, 84'üne BT istenir ve 142 hastaya ise klinik takip ve gereklilik halinde BT çekimi önerilir olarak skorlanmıştır. Acil tıp uzmanı görüşlerine göre; hastaların %70.1'inden BT çektirilebilir, %19.3 kadarından BT çektirilmesi önerilmez ve %10'u için ise klinik gözlem ve takip sonucuna göre BT çekim kararı verilebilir şeklinde yorumlanmıştır. Çalışmamızda LLM sonuçlarımızda PECARN Kılavuzuna göre BT istemi yapılmaması gereken hastaların %35.1'i için ChatGPT-4o da BT önermemekte; %15'ine BT çekilmesi önerilmekte ve %49.9'una takip sonucuna göre karar verilmesi önermektedir. PECARN Kılavuzuna göre BT istemi yapılması gereken hastaların %72.9'una ChatGPT-4o da BT önermekte; %7.1'ine BT önermez ve %20'sine takip ve gözlem sonucu BT çekim kararı verilir önerisinden bulunmaktadır. PECARN Kılavuzuna göre takip önerilen hastaların %47.2'sine ChatGPT-4o da takip önermekte; %11.3'üne BT önermemekte ve %41.5'ine BT önermektedir. Yöntemler arasındaki toplam uyum %39, kappa değeri 0.112 bulunmuştur. Bu iki yöntem arasında istatistiksel olarak anlamlı, düşük veya önemsiz düzeyde bir uyum mevcuttur. Beyin BT bulgularına göre ChatGPT önerileri karşılaştırıldığında gruplar arasında istatistiksel açıdan anlamlı fark bulunmuş ve bu fark klinik önemi olabilecek ve klinik önemi olmayan bulgulara dil modelinin verdiği kararlar arasındaki farktan kaynaklanmıştır. Sonuç: Çalışmamızda kullandığımız ChatGPT-4o ile çocuk hastalarda kafa travmalarında BT çekiminde PECARN algoritması ile arasında istatistiksel olarak anlamlı fark tespit edilememiştir. BT bulgularına göre ChatGPT-4o önerilerinin karşılaştırılması yapıldığında gruplar arasında istatistiksel olarak anlamlı fark bulunmuş ve bu fark klinik önemi olabilecek ve klinik önemi olmayan bulgulara verdiği kararlar arasındaki farktan kaynaklanmıştır. Kıyaslama görüntüleme sonuçları ile karşılaştırıldığında ChatGPT, uzman görüşleri ve PECARN kılavuzu önerilerine göre sonlanım açısından daha başarılı olduğu saptanmıştır. Uzman görüşleri ile ChatGPT-4o arasındaki istatiksel kıyaslama yapıldığında orta-düşük düzeyde bir uyum tespit edilmiştir. Çalışmamızdaki sonuçlar doğrultusunda AI ve LLM yardımıyla klinik kararda etkili karar verilebileceğini düşündürmektedir. Ayrıca AI modellerinin daha çok veri ile beslenip geliştirilebildiği takdirde tüm risk gruplarındaki hastalar için doğru sonuç verebileceğini düşünmekteyiz.
Özet (Çeviri)
Objective: The update of medical imaging and presentation techniques has increased the standard of diagnostic computed tomography (CT) usage in emergency services, especially in minor and multiple trauma-resistant cases. This situation brings with it increased radiation exposure and long-term complications. Pediatric traumatic brain injury (TBI) is one of the most common causes of acquired disability and death. In addition, traumatic brain injury is a very heterogeneous condition and the risk of long-term disability after survival is high in children with head trauma. Fast and correct use and prompt intervention will reduce bad results. In addition to classical diagnostic methods, modern diagnostic methods will also contribute to this situation. Our aim in our research is to create an artificial intelligence (AI) cleaner with the pediatric expanding ChatGPT-4o program in emergency services with minor head trauma and to capture brain CT scan indications with PECARN score and emergency medicine expert assistance. This is envisaged to assist in decision making for minor head trauma and follow-up brain CT scans, as well as the PECARN head trauma clinical scoring system and clinics, as well as the major trauma language models (LLM) stored with AI systems. Material and Method: Our retrospective study included patients aged 18 and under who had minor head trauma and had computed tomography images taken at Ankara Bilkent City Hospital Emergency Medicine Clinic between March 2019 and March 2024. Our study included 1169 patients whose incident history, physical examination, age, gender and tomography records were taken at the hospital. We formulated the data for the study, calculated the PECARN score for the patient and also interviewed the emergency medicine specialist for the patient. The obtained data were labeled using ChatGPT-4o. Results: The study included 1169 patients. The age of the patients was calculated as 6.4 years. 415 of the patients were observed as female and 754 were male. Of the included patients, 1087 had simple trauma conditions, 76 had moderate trauma areas and 4 had severe trauma areas. In addition, 970 of the patients had normal physical examination findings, 175 had moderate physical examination findings and 21 had severe physical examination findings that would require hospitalization. When the patients were evaluated according to the PECARN guide; imaging was not requested for 942 patients, CT treatment was scored for 84 and clinical follow-up and CT scan recommendations were scored for 142 patients if necessary. According to the interviews of the emergency medicine specialist; CT scan can be performed for 70.1% of the patients, CT scan is not recommended for up to 19.3% and CT scan can be initiated for 10% according to clinical observation and follow-up status. In our study, according to the LLM results, ChatGPT-4o also recommends CT for 35.1% of the patients who should not have a CT request according to the PECARN Guide; adding CT is recommended for 15% and following up is recommended for 49.9%. According to the PECARN Guide, ChatGPT-4o also recommends CT for 72.9% of the patients who should have a CT request; our CT recommendation for 7.1% and instructions for giving CT scan time as a result of follow-up and observation for 20% are included. According to the PECARN Guide, the recommended follow-up rates are followed up for 47.2% of the patients; it recommends CT for 11.3% and recommends CT for 41.5%. The total agreement between the methods is 39%, and the kappa value is between 0.112. There is a significant, low or moderate agreement between these two methods that can be maintained. There was a significant difference between groups in the brain CT service against ChatGPT recommendations, and this difference may be of clinical significance and may be due to differences in language model decisions, which are findings of clinical significance. Conclusion: In our study, no statistically significant difference was found between ChatGPT-4o and PECARN algorithms in pediatric head trauma. When ChatGPT-4o recommendations were compared according to CT findings, a statistically significant difference was found between the groups, and this difference stems from the difference between the decisions it makes for findings that may have clinical significance and those that do not. When compared with the comparison imaging results, it was seen that ChatGPT was more successful in terms of results according to expert opinions and PECARN guideline recommendations.When statistical comparison was made between expert opinions and ChatGPT-4o, a moderate-low level of agreement was found. In line with the results in our study, it is thought that effective decisions can be made with the help of AI and LLM in clinical decisions. In addition, we think that if AI models can be fed and developed with more data, they can provide accurate results for patients in all risk groups.
Benzer Tezler
- Minör künt kafa travmalı çocuklarda pecarn ve catch klinik karar verme kuralları etkinliklerinin karşılaştırılması
Mi̇nör künt kafa travmali çocuklarda pecarn ve catch kli̇ni̇k karar verme kurallari etki̇nli̇kleri̇ni̇n karşilaştirilmasi
ÖNER BOZAN
Tıpta Uzmanlık
Türkçe
2016
İlk ve Acil YardımSağlık BakanlığıAcil Tıp Ana Bilim Dalı
DOÇ. DR. SERKAN EMRE EROĞLU
- Minör kafa travması ile acil servise başvuran 18 yaşından küçük hastalarda pecarn, catch ve chalıce kriterlerinin, beyin bilgisayarli tomografisindeki lezyonlari saptama oranının prospektif karşılaştırılması
Prospective comparison of the detection rate of pecarn, catch and chalice criteria and lesions on brain computed tomography in patients under 18 years of age who apply to the emergency department with minor head trauma
ESRA SÖNMEZ ÜÇKAPI
Tıpta Uzmanlık
Türkçe
2024
Acil TıpSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. CİHAN BEDEL
- Kafa travmalı hastalarda pecarn CATCH chalice kılavuz önerileri ilepediatrislerin klinik kararlarının karşılaştırılması
Comparison of pecarn, CATCH, chalġce guidelines and clinical decisions of pediatricians in head trauma patients admitted to the pediatric emergency department
MEHMET İNALTEKİN
Tıpta Uzmanlık
Türkçe
2023
Çocuk Sağlığı ve HastalıklarıMersin ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. GÜLÇİN BOZLU
- Acil servise minör künt kafa travması ile başvuran pediatrik hastaların retrospektif olarak incelenmesi
Retrospective examination of pediatric patients admitted to the emergency department with minor blunt head trauma
AHMET EKREM KAZAK
Tıpta Uzmanlık
Türkçe
2024
Acil TıpAydın Adnan Menderes ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. ALİ DUMAN
- Acil serviste kafa travması ile başvuran pediatrik hastaların klinik inceleme ile bilgisayarlı beyin tomografi gereksinimlerinin değerlendirilmesi
Evaluation of head computed tomography requirements by clinical examination of pediatric patients presenting with head trauma to emergency department
TUĞÇE ALKOÇ
Tıpta Uzmanlık
Türkçe
2018
İlk ve Acil YardımSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL TAYFUR