AI-driven clinical decision support system: leveraging large language models and privacy-preserving technologies for enhanced triage and disease detection
Yapay zeka destekli klinik karar destek sistemi: büyük dil modelleri ve gizlilik odaklı teknolojilerden yararlanarak gelişmiş triyaj ve hastalık tespiti
- Tez No: 961782
- Danışmanlar: PROF. DR. FERDA NUR ALPASLAN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 128
Özet
Bu tez, Büyük Dil Modeli (LLM) akıl yürütmesini Federe Öğrenme (FL) ve olay odaklı akış analitiğiyle birleştiren, modüler ve gizliliği koruyan bir klinik karar destek mimarisi sunmaktadır. Yapılandırılmış yaşamsal bulgular, laboratuvar verileri ve yapılandırılmamış triyaj notları neredeyse gerçek zamanlı olarak işlenirken; fark gizliliği, güvenli birleştirme ve şifreli model sunumu, GDPR uyumluluğu ile FAIR veri yönetimini temin eder. İki aşamalı değerlendirme, hem bilgi düzeyinde hem de klinik ortamda sistemin etkinliğini göstermektedir. (i) 750 soruluk USMLE kıyaslamasında, ince ayar yapılmış Llama 3.1-70B modeli %74 genel doğruluk ve Step 2'de %83 doğruluk elde ederek, ayarsız temel modeli 22 yüzde puanı ve tıp öğrencileri ortalamasını 15 puanın üzerinde geride bırakmıştır. (ii) Gerçek dünya acil servisinde yer alan 132 enfeksiyon hastalığı olgusundan oluşan bir kohortta, boru hattı tanı, gerekçelendirme ve sonraki adım önerileri için %75,8 ilk geçiş uyumu sağlamıştır. Paralel çıkarım testleri, 4 bit kuantizasyonun tek sorguda en yüksek verimi sunduğunu, 8-bit modellerin ise dört iş parçacıklı yük altında daha istikrarlı performans sergilediğini göstermektedir. Sonuçlar, önerilen CDSS'nin son teknoloji akıl yürütme derinliğini denetim uyumlu ve düşük gecikmeli dağıtımla birleştirdiğini ortaya koymaktadır.
Özet (Çeviri)
This thesis presents a modular, privacy-preserving clinical decision-support architecture that fuses Large Language Model (LLM) reasoning with Federated Learning (FL) and event-driven streaming analytics. Structured vitals, laboratory data, and unstructured triage notes are processed in near real-time, while differential privacy, secure aggregation, and encrypted model serving ensure GDPR compliance and FAIR data stewardship. A two-stage evaluation shows both knowledge-level and bedside effectiveness. (i) On a 750-question USMLE benchmark, a fine-tuned Llama 3.1-70B model reaches 74% overall accuracy and 83% on Step 2, outperforming the untuned baseline by 22 percentage points and the medical-student mean by more than 15 points. (ii) In a real-world emergency-department cohort of 132 infectious-disease encounters, the pipeline achieves 75.8% first-pass agreement with specialist review for diagnosis, justification, and next-step recommendations. Parallel inference tests show that 4-bit quantisation delivers the highest single-query throughput, whereas 8-bit models sustain steadier performance under four-thread loads. These results demonstrate that the proposed CDSS combines state-of-the-art reasoning depth with audit-compliant, low-latency deployment.
Benzer Tezler
- Panoramik diş röntgenlerinden diş eksikliklerinin makine öğrenmesi kullanılarak tespiti ve sınıflandırılması
Detection and classification of dental deficiencies from panoramic dental X-rays using machine learning
NUREFŞAN GÜZELCE KUYULU
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SİBEL SENAN
- Polikistik Ovaryum Sendromu tanısı için yapay zeka destekli klinik araç tasarımı
Artificial intelligence supported clinical tool design for the diagnosis of Polycystic Ovary Syndrome
JACKLYN GÜNCE KAYA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN BİLGİN
- Federe öğrenme tabanlı üroflovmetri patern sınıflandırması ve evde sağlık hizmetleri entegre karar destek modeli
Federated learning-based uroflowmetry pattern classification and home health services integrated decision support model
ÖMER ALGORABİ
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF SAİT TÜRKAN
- Beyin tümörlerinin hızlı tanısı için yapay zekâ tabanlı dijital patoloji algoritması geliştirilmesi
Development of an AI-based, innovative, and domesiic digital pathology algorithm for rapid diagnosis of brain tumors
CAVİT KEREM KAYHAN
Yüksek Lisans
Türkçe
2025
BiyoteknolojiİSTANBUL NİŞANTAŞI ÜNİVERSİTESİGenetik ve Biyomühendislik Ana Bilim Dalı
PROF. DR. ZEYNEP BİRSU ÇİNÇİN
- Deep learning-based methods for drug synergy prediction
İlaç sinerjisi tahmini için derin öğrenme tabanlı yöntemler
HALİL İBRAHİM KURU
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ABDULLAH ERCÜMENT ÇİÇEK
DOÇ. DR. ÖZNUR TAŞTAN OKAN