Aile hekimlerine başvuran hastalardaki cilt lezyonlarının yapay zeka araçları ile değerlendirilmesi ve hasta yönetimi
Evaluation of skin lesions in patients presenting to family physicians using artificial intelligence tools and patient management
- Tez No: 971991
- Danışmanlar: PROF. DR. HAKAN DEMİRCİ
- Tez Türü: Tıpta Uzmanlık
- Konular: Aile Hekimliği, Family Medicine
- Anahtar Kelimeler: Aile hekimleri, cilt lezyonları, yapay zeka, tanı doğruluğu, hasta yönetimi, Family physicians, skin lesions, artificial intelligence, diagnostic accuracy, patient management
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Sağlık Bilimleri Üniversitesi
- Enstitü: Bursa Yüksek İhtisas Eğitim ve Araştırma Hastanesi
- Ana Bilim Dalı: Aile Hekimliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışma, aile hekimlerine başvuran hastalarda sık karşılaşılan cilt lezyonlarının yapay zekâ tabanlı görüntü analiz araçları ile değerlendirilmesini ve bu sonuçların hekim tanılarıyla karşılaştırılmasını amaçlamaktadır. Böylece yapay zekânın birinci basamak sağlık hizmetlerinde tanısal katkısı, duyarlılık ve özgüllük düzeyleri ile hasta yönetimine etkisi ortaya konmuştur. Gereç ve Yöntem: Kesitsel tanımlayıcı nitelikteki araştırma, SBÜ Bursa Yüksek İhtisas Eğitim ve Araştırma Hastanesi Aile Hekimliği Kliniği'nde 01 Ağustos 2024–31 Temmuz 2025 tarihleri arasında yürütülmüştür. Çalışmaya dahil edilme kriterlerini karşılayan toplam 436 olgu değerlendirilmiştir. Veriler, araştırmacı tarafından hazırlanan Olgu Rapor Formu ile toplanmış; demografik özellikler, yaşam tarzı faktörleri, klinik veriler ve lezyon özellikleri kaydedilmiştir. Lezyonlar, aile hekimi muayenesi sonrası“AI Dermatologist 2024.2”yazılımı ile analiz edilmiş, sonuçlar hekim tanıları ile karşılaştırılmıştır. İstatistiksel analizlerde Ki-Kare testi, Bağımsız Gruplar t testi, Cohen's Kappa katsayısı ve McNemar testi kullanılmıştır. Bulgular: Katılımcıların yaş ortalaması 44,98±24,99 olup %54,1'i kadındır. En sık lezyon bölgesi gövde (%34,6), ardından üst ekstremite (%30,5) ve alt ekstremite (%21,8) olmuştur. Yapay zekâ ile hekim tanıları arasında yüksek düzeyde uyum bulunmuştur (κ=0,77, %95 GA: 0,73–0,81, p<0,001). Yapay zekânın genel doğruluk oranı %79,8, baş-boyun bölgesinde en yüksek doğruluk (%87,7) elde edilmiştir. Alt tanılara göre yapay zekânın performansı şu şekilde öne çıkmıştır: egzema (%91,7 doğruluk, κ=0,76), atopik dermatit (%87,6 doğruluk, κ=0,60), dermatofitoz (%95,9 doğruluk, κ=0,82), nevüs (%96,3 doğruluk, κ=0,79), hemanjiyom (%98,2 doğruluk, κ=0,89) ve seboreik keratozis (%99,1 doğruluk, κ=0,95). Demografik faktörler incelendiğinde, uyumlu grupta yaş ve VKİ ortalamaları anlamlı düzeyde daha yüksek bulunmuştur (p<0,05). Sonuç: Araştırma, yapay zekâ tabanlı görüntü analiz araçlarının birinci basamak sağlık hizmetlerinde aile hekimlerine önemli katkılar sağlayabileceğini göstermektedir. Yüksek doğruluk, özgüllük ve kappa değerleri, yapay zekânın tanısal süreçlerde tamamlayıcı bir rol üstlenebileceğini ortaya koymuştur. Bu teknolojinin yaygınlaşması; erken tanı oranlarının artmasına, gereksiz yönlendirmelerin azalmasına ve sağlık kaynaklarının daha verimli kullanılmasına katkı sağlayabilir. Ancak tek merkezli olması, farklı yazılım ve cihaz sınırlılıkları gibi faktörler göz önünde bulundurulduğunda, sonuçların daha geniş örneklemlerle desteklenmesi gerekmektedir.
Özet (Çeviri)
Aim: This study aimed to evaluate skin lesions frequently encountered in patients presenting to family physicians using artificial intelligence (AI)-based image analysis tools and to compare the results with physician diagnoses. The purpose was to demonstrate the diagnostic contribution of AI in primary care, including sensitivity, specificity, and its impact on patient management. Materials and Methods: This cross-sectional descriptive study was conducted at the Family Medicine Clinic of SBÜ Bursa Yüksek İhtisas Training and Research Hospital between August 1, 2024, and July 31, 2025. A total of 436 cases meeting the inclusion criteria were evaluated. Data were collected using a Case Report Form designed by the researcher, including demographic, lifestyle, clinical, and lesion-related variables. After physical examination by the family physician, lesions were analyzed with the“AI Dermatologist 2024.2”software, and results were compared with physician diagnoses. Statistical analyses included Chi-square test, Independent Samples t test, Cohen's Kappa coefficient, and McNemar test. Results: The mean age of participants was 44.98±24.99 years, and 54.1% were female. The trunk was the most common lesion site (34.6%), followed by the upper extremities (30.5%) and lower extremities (21.8%). There was a substantial agreement between AI and physician diagnoses (κ=0.77, 95% CI: 0.73–0.81, p<0.001). The overall accuracy of AI was 79.8%, with the highest accuracy in head-neck lesions (87.7%). Subgroup analyses revealed high diagnostic performance for eczema (accuracy 91.7%, κ=0.76), atopic dermatitis (87.6%, κ=0.60), dermatophytosis (95.9%, κ=0.82), nevus (96.3%, κ=0.79), hemangioma (98.2%, κ=0.89), and seborrheic keratosis (99.1%, κ=0.95). Demographic factors showed that patients in the concordant group had significantly higher mean age and BMI (p<0.05). Conclusion: The findings suggest that AI-based image analysis tools can provide substantial support to family physicians in primary care. High accuracy, specificity, and kappa values indicate that AI may serve as a complementary tool in diagnostic processes. Wider implementation of this technology could improve early diagnosis, reduce unnecessary referrals, and optimize healthcare resource utilization. Nevertheless, limitations such as being a single-center study and software-related constraints should be considered, and further studies with larger populations are warranted.
Benzer Tezler
- Aile hekimlerine başvuran hastalardaki malignite şüpheli cilt lezyonlarının yapay zeka ile değerlendirilmesi
Evaluation of suspicious malignant skin lesions in patients visiting family physicians using artificial intelligence
SELİN SENANUR KIDIK
Tıpta Uzmanlık
Türkçe
2025
Aile HekimliğiSağlık Bilimleri ÜniversitesiAile Hekimliği Ana Bilim Dalı
PROF. DR. HAKAN DEMİRCİ
- Aile hekimlerinin birinci basamakta sık görülen dermatolojik lezyonlar hakkındaki bilgi düzeylerinin incelenmesi
Examination of the knowledge levels of family physicians about dermatologic lessions that are commonly encountered in primary care
ARZU AYBEK YILMAZ
Tıpta Uzmanlık
Türkçe
2016
Onkolojiİzmir Katip Çelebi ÜniversitesiAile Hekimliği Ana Bilim Dalı
DOÇ. DR. HÜSEYİN CAN
- Aile hekimliği asistanlarının çocuklarda sık görülen dermatolojik hastalıklar hakkındaki bilgi düzeyleri
Knowledge levels of family medicine residents about common dermatologic diseases in children
SEYİT BURAK ŞAM
Tıpta Uzmanlık
Türkçe
2024
Aile HekimliğiSağlık Bilimleri ÜniversitesiAile Hekimliği Ana Bilim Dalı
DR. ZEYNEP TOPKARCI
- Aile hekimliği polikliniğine başvuran hastalardaki siberkondri düzeyleri ile kişilerin başvuru şikayetleri arasındaki ilişkinin değerlendirilmesi
Evaluation of the relationship between the cyberchondry levels in the patients application to family medicine polyclinic and their complaints on application
BÜŞRA KABA
Tıpta Uzmanlık
Türkçe
2022
Aile HekimliğiSağlık Bilimleri ÜniversitesiAile Hekimliği Ana Bilim Dalı
DOÇ. DR. HAKAN DEMİRCİ
- Dermatolojik yakınması olan bireylerde yaşam kalitesi, depresyon ve anksiyete durumu
Quality of life, depression and anxiety condition in patients with dermatological complaints
ESMA ATICIÖZ
Tıpta Uzmanlık
Türkçe
2018
Aile HekimliğiAdnan Menderes ÜniversitesiAile Hekimliği Ana Bilim Dalı
PROF. DR. AYFER GEMALMAZ