Geri Dön

Acil servise kafa travması ile başvuran pediatrik vakaların yönetiminde yapay zekanın kullanılabilirliği

Availability of artificial intelligence in the management of pediatric cases admitting to the emergency department with head trauma

PDF İndir

  1. Tez No: 965169
  2. Yazar: MUHAMMED NECDET ÖZCAN
  3. Danışmanlar: DR. ÖĞR. ÜYESİ BURCU BAYRAMOĞLU
  4. Tez Türü: Tıpta Uzmanlık
  5. Konular: Acil Tıp, Emergency Medicine
  6. Anahtar Kelimeler: ChatGPT, Kafa Travması, PECARN, Yapay zekâ, Acil servis-hastane, Acil tıp, Kraniyoserebral travma, Çocuk acil servisi, Çocukluk çağı travmaları, İnsan-yapay zeka etkileşimi, Artificial intelligence, ChatGPT, Head Trauma, PECARN, Emergency service-hospital, Emergency medicine, Craniocerebral trauma, Pediatric emergency medicine, Childhood traumas, Human-artificial intelligence interaction
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Sağlık Bilimleri Üniversitesi
  10. Enstitü: Sancaktepe Şehit Prof. Dr. İlhan Varank Eğitim ve Araştırma Hastanesi
  11. Ana Bilim Dalı: Acil Tıp Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Giriş ve amaç: Pediatrik kafa travması acile sık başvuru nedenlerinden biridir. Bunun yanında pediatrik hastanın zor muayenesi, ebeveyn endişesi ve acil servisin yoğunluğu nedenli doktorlar klinik karar alırken zorlanabilir. Klinik karar alma zorlukları yüzünden bu hasta grubunda kontrastsız beyin BT çekilme oranı yüksektir. Buna kıyasla hastalara çekilen BT'de patoloji çıkma oranı oldukça düşüktür. BT'lerin sık çekilmesi ve radyasyon maruziyeti yüzünden kanser riski ve endişesi de artmaktadır. Bu endişeye karşılık travma sonrası kranial patolojileri kaçırmama endişesi arasında bir denge bulunmak istenmiştir. Bu dengeyi sağlamak için bazı klinik karar algoritmaları geliştirilmiştir. PECARN klinik karar algoritması bu endişeler ile ortaya çıkmış ve faydası kanıtlanmış bir karar algoritmasıdır. Bu algoritma acil doktorlarını işini kolaylaştırsa da artan hasta başvuruları ve acil yoğunluğu yüzünden doktorlara klinik karar desteği ihtiyacı bulunmaktadır. Yapay zekâ tabanlı teknolojik gelişmeler doktorlara birçok konuda destek olmaya başlamış ve literatürde yapay zekâ temelli bilimsel çalışmalar hız kazanmıştır. Çalışmamızda yapay zekanın pediatrik kafa travmasındaki potansiyel katkıları araştırılmak istenmiştir. Materyal ve metot: Prospektif ve kesitsel olarak planlanan bu çalışma SBÜ Sancaktepe Şehit Prof. Dr. İlhan Varank Eğitim ve Araştırma Hastanesi etik kurulundan onay alınarak Acil Tıp Kliniğinde gerçekleştirildi. Çalışmamız, 15.12.2024-15.06.2025 tarihleri arasında acil servise kafa travması ile başvuran ve çalışmaya dahil edilme kriterlerini karşılayan 60 hasta ile yapıldı. Hastalar PECARN'a göre belirlenen zonlara tasnif edildi. Kırmızı zonda 15, sarı zonda 30 ve yeşil zonda 15 hasta belirlendi. Bu hastalar çoktan seçmeli vaka senaryoları haline getirildi. Bu vaka senaryoları anket şeklinde hazırlanıp acil tıp, beyin ve sinir cerrahisi ve pediatri doktorlarına soruldu. Doktorlara sorulan aynı vaka senaryoları ChatGPT-4o isimli yapay zekâ tabanlı sohbet programına da soruldu. Ankete katılan doktor gruplarının ve yapay zekânın cevapları ayrı ayrı zonlarda değerlendirildi ve elde edilen veriler istatistiksel analizde kullanıldı. Bulgular: Ankete her branştan 14 toplamda 42 doktor katıldı. Kırmızı zonda acil ve beyin ve sinir cerrahisi doktorları daha yüksek performansa ulaşırken yeşil zonda yapay zekâ daha başarılı saptandı. İkili karşılaştırmalarda ise doktor grupları arasında anlamlı fark gözlenmedi. Sarı zonda ise hastalar için BT kararı doğru kabul edildiğinde yapay zekâ tüm ix doktor gruplarına göre daha az başarı gösterdi. Doktorların bu başarısı yapay zekaya kıyasla istatistiksel olarak anlamlı olduğu görüldü. Sarı zondaki hasta grubu için doğru cevabın gözlem kabul edildiği durumda ise yapay zekâ tüm doktor gruplarına kıyasla daha iyi performans gösterdi. Yapay zekanın bu başarısı istatistiksel olarak anlamlı saptandı. Sonuç: Çalışmamızda yapay zekanın doktorlara göre cevapları her zonda ayrı ayrı değerlendirildi. Buna göre yapay zekâ kırmızı zon gibi kritik hastalarda henüz iyi bir performans göstermediği gözlendi. Sarı zonda ve yeşil zonda doktorlara kıyasla daha az BT çekip daha fazla taburculuk yaparak istatistiksel olarak üstün bir performans sergiledi. Bu haliyle çalışmamız acil servise kafa travması ile başvuran pediatrik hastaları farklı gruplarda değerlendiren ve doktorlar ile yapay zekayı vaka senaryoları eşliğinde karşılaştıran nadide bir çalışmadır. Çalışmamız gösteriyor ki yapay zekâ, acil servis yoğunluğunda kritik olmayan ve acil servisin yoğunluğunun büyük bir kısmını oluşturan hasta gruplarında doktorlara klinik karar desteği olarak kullanılabilir.

Özet (Çeviri)

Introduction and Aim: Pediatric head trauma is one of the most common and significant reasons for emergency department visits. Factors such as the difficulty of examining pediatric patients, parental anxiety, and overcrowded emergency departments complicate clinical decision-making for physicians. These challenges have led to an increase in the rate of cranial CT imaging in children. However, the diagnostic yield of such CT scans remains relatively low. Moreover, concerns regarding radiation-induced cancer risk following CT imaging are growing. To balance the need for identifying serious trauma-related cranial pathologies with avoiding unnecessary imaging, several clinical decision algorithms have been developed. The PECARN (Pediatric Emergency Care Applied Research Network) clinical decision rule is one such algorithm, developed to address these concerns and supported by strong scientific evidence. Nevertheless, the increasing volume of emergency visits continues to necessitate clinical decision support. In recent years, artificial intelligence (AI)-based systems have begun to assist clinical decision-making across various domains, and a growing body of literature supports their use. This study aims to investigate the potential contribution of AI in the evaluation of pediatric patients with head trauma. Materials and methods: This study was designed as a prospective and cross-sectional study, conducted in the Emergency Medicine Department of S.B.U. Sancaktepe Sehit Prof. Dr. İlhan Varank Training and Research Hospital after obtaining approval from the institutional ethics committee. Between 15.12.2024-15.06.2025 a total of 60 patients who presented to the emergency department with head trauma and met the inclusion criteria were enrolled. Patients were classified into zones according to the PECARN criteria: 15 patients in the red zone, 30 in the yellow zone, and 15 in the green zone. Based on the clinical data of these patients, multiple-choice case scenarios were developed. These scenarios were then presented as a survey to physicians from emergency medicine, neurosurgery, and pediatrics. The same case scenarios were also posed to ChatGPT-4o, an artificial intelligence-based conversational model. The responses from both the physician groups and the AI system were evaluated separately for each zone, and the collected data were used for statistical analysis Results: A total of 42 physicians from 14 different specialties participated in the survey. In the red zone, emergency medicine and neurosurgery physicians demonstrated higher xi performance, whereas in the green zone, the artificial intelligence (AI) model performed better. No statistically significant difference was observed between physician groups in pairwise comparisons. In the yellow zone, when the decision to perform a CT scan was considered the correct response, the AI model performed worse than all physician groups. Under these conditions, emergency medicine and neurosurgery physicians were found to be more successful, and this difference in performance compared to AI was statistically significant. However, when observation (rather than CT) was considered the correct response for the yellow zone patient group, the AI model outperformed all physician groups. This superior performance of AI was also found to be statistically significant. Conclusions: In this study, the responses of artificial intelligence to case scenarios across different PECARN zones were independently compared with physicians' responses. The findings indicate that AI did not yet demonstrate sufficient performance in managing critically ill patients in the red zone. However, in the yellow and green zones, AI showed statistically superior performance by recommending fewer CT scans and opting for discharge more frequently compared to physicians. Accordingly, our study is a unique investigation comparing physicians and AI in the evaluation of pediatric patients presenting to the emergency department with head trauma, using structured case scenarios. Based on our results, AI has the potential to provide clinical decision support to physicians, particularly in low-risk patient groups, which constitute the majority of emergency department volume.

Benzer Tezler

  1. Tez No

    914640

    Acil servise başvuran 2 (iki) yaş altı kafa travmalı hastaların değerlendirilmesi

    Evaluation of head trauma patients under two years of age presenting to the emergency department

    MUSTAFA ŞİMŞEK

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2016

    Acil TıpSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. ÖMER LEVENT AVŞAROĞULLARI

  2. Tez No

    424909

    0-15 yaş aralığındaki hafif kafa travmalı çocuklarda“PECARN”kurallarının uygulanabilirliği

    Evaluation of applicability of the pediatric emergency care applied research network (PECARN) rules in pediatric patients with light head trauma in emergency department

    ERKAN TEKTAŞ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2015

    İlk ve Acil YardımDicle Üniversitesi

    Acil Tıp Ana Bilim Dalı

    YRD. DOÇ. DR. HASAN MANSUR DURGUN

  3. Tez No

    704531

    Acil servise kafa travması nedeniyle başvuran çocuklarda klinik bulgu ve kranial görüntüleme ilişkisinin değerlendirilmesi

    Evaluation of the relationship between clinical findings and cranial imaging in children admitted to the emergency department with head trauma

    BURAK AKIN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2021

    İlk ve Acil YardımSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    DOÇ. DR. ABUZER COŞKUN

    DR. BURAK DEMİRCİ

  4. Tez No

    623437

    Kafa travmalı hastalarda serum testikan ve ubikütin düzeylerinin tanısal ve prognostik rolü

    Diagnostic and prognistic role of serum testican and ubiquitin levels in the patients with head trauma

    RAMİZ YAZICI

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2020

    İlk ve Acil YardımSağlık Bilimleri Üniversitesi

    Acil Tıp Ana Bilim Dalı

    PROF. DR. BAŞAR CANDER

  5. Tez No

    536096

    Çocukluk çağı travmatik beyin yaralanmalarında dekompresif kraniektomi uygulanan olguların analizi: Prognostik faktörler ve komplikasyonlar ile bunların kraniektomi alanı ile ilişkisi

    Analysis of cases with childhood traumatic brain injuries where decompressive craniectomy applied: Prognostic factors and complications and their relationship with craniectomy area

    SİDA DOĞAN

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2019

    NöroşirürjiAkdeniz Üniversitesi

    Beyin ve Sinir Cerrahisi Ana Bilim Dalı

    PROF. DR. MEHMET SAİM KAZAN

Geri Dön