Arteriyel kan gazı yorumlamasında anesteziyoloji ve reanimasyon doktorları ile yapay zekanın performansının karşılaştırılması
Başlık çevirisi mevcut değil.
- Tez No: 973834
- Danışmanlar: PROF. DR. BÜLENT SERHAN YURTLU
- Tez Türü: Tıpta Uzmanlık
- Konular: Anestezi ve Reanimasyon, Anesthesiology and Reanimation
- Anahtar Kelimeler: Anesteziyoloji, İnsan-yapay zeka etkileşimi, Anesthesiology, Human-artificial intelligence interaction
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Anesteziyoloji ve Reanimasyon Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışma, Yapay Zeka sohbet robotlarının arteriyel kan gazı sonucunun yorumlaması ve tıbbi bilgi testindeki başarı düzeyini farklı pozisyondaki Anesteziyoloji ve Reanimasyon hekim katılımcılarının performansıyla kıyaslayarak, YZ'nın mevcut yetkinlikleri, gelecekteki gelişim yönleri ve böylece yapay zeka algoritmalarının klinik entegrasyon potansiyelini ortaya koymayı amaçlamaktadır. Gereç ve Yöntem: Araştırma, 367 doktor (38 Akademisyen, 102 Uzman Doktor, 227 Asistan Doktor) ve 12 farklı yapay zeka sohbet robotundan (ChatGPT, Gemini, Grok, Deepseek, Le Chat ve diğerleri) oluşan toplam 379 katılımcının verilerini içermektedir. Anket verileri, elektronik ortamda Türkiye Anesteziyoloji ve Reanimasyon Derneği'nin (TARD) üyelerine gönderilerek, toplanmıştır. İstatistiksel analizler SPSS v30 programında gerçekleştirilmiştir. İstatistiksel anlamlılık düzeyi p<0,05 olarak kabul edilmiştir. Bulgular: Elektronik posta yardımıyla ulaştırılan anketimizi 367 Anesteziyoloji ve Reanimasyon uzman doktorları ve tıpta uzmanlık öğrencileri cevaplayarak çalışmamıza katılmıştır. Yapay zeka grubu, ortalama 10.83 doğru cevap ile tüm hekim katılımcı kategorilerini önemli ölçüde geride bırakmıştır (hekimlerin doğru cevap ortalaması 8.96). Yapay zekanın standart sapması (1.19) ise tüm gruplar arasında en düşük değer olup, performansının yüksek ve son derece tutarlı olduğunu göstermektedir. Doğruluk (accuracy) analizini yaptığımızda: Yapay Zeka %90 doğrulukla doktorlardan (doğruluk oranı: 74%) daha iyi bir performans sergilemiş olduğunu göstermektedir (p<0.001). Katılımcıların pozisyona göre yapay zekaya kıyaslandığında, doğru cevap sayılarının dağılımında istatistiksel olarak anlamlı bir fark olduğunu gösterilmiştir (p<0.001). Katılımcıların doğru cevap frekanslarına göre dağılımı da istatistik olarak anlamlı bir fark (p=0,006) olduğunu göstermiştir. İkili karşılaştırmalar, yapay zekanın Uzman Doktorlar (p<0.001) ve Asistan Doktorlar (p=0.004) ile karşılaştırıldığında istatistiksel olarak anlamlı derecede daha iyi performans sergilediğini ortaya koymuştur. Erkek ve kadın doktorlar arasında arteriyel kan gazı yorumlama performansında istatistiksel olarak anlamlı bir fark bulunmamıştır (p=0.166). Ancak, yapay zekanın hem erkek (p<0.001) hem de kadın (p=0.004) VI doktorlara kıyasla istatistiksel olarak anlamlı derecede üstün performans sergilediği belirlenmiştir. Sonuç: Bu çalışma, yapay zeka sohbet robotlarının arteriyel kan gazı yorumlama doğruluğu ve tutarlılığı açısından Anesteziyoloji ve Reanimasyon doktorlarına, özellikle Uzman ve Asistan Doktorlara kıyasla açık ve istatistiksel olarak anlamlı bir üstünlük sergilediğini ortaya koymuştur. Yapay zekanın bu tür bilgiye dayalı tanısal görevlerde güçlü bir potansiyele sahip olduğu, klinik karar verme süreçlerini destekleyerek hataları azaltma ve verimliliği artırma potansiyeli taşıdığı gösterilmiştir. Ancak, yapay zekanın belirli karmaşık senaryolarda hala zorlanabileceği ve insan gözetiminin vazgeçilmez olduğu vurgulanmaktadır. Çalışma, yapay zekanın insan uzmanlığının yerini almaktan ziyade, bir karar destek sistemi olarak işlev gördüğü işbirlikçi bir modelin benimsenmesini önermektedir. İnsan hekimin bütünsel klinik muhakemesi ve hasta merkezli bakım sağlamadaki rolü, yapay zeka entegrasyonuyla birlikte kritik önemini koruyacaktır.
Özet (Çeviri)
Aim: This study aimed to compare the success level of Artificial Intelligence (AI) chatbots in interpreting arterial blood gas results and in a medical knowledge test with the performance of Anesthesiology and Reanimation physicians at different positions. The goal was to reveal AI's current competencies, future development directions, and thus the potential for clinical integration of AI algorithms. Materials and Methods: The research included data from a total of 379 participants, comprising 367 physicians (38 Academicians, 102 Specialist Doctors, and 227 Assistant Doctors) and 12 different AI chatbots (ChatGPT, Gemini, Grok, Deepseek, Le Chat, and others). Survey data were collected by sending them electronically to members of the Turkish Society of Anesthesiology and Reanimation (TARD). Statistical analyses were performed using SPSS v30 software. A statistical significance level of p<0.05 was accepted. Results: Our survey, distributed via email, was answered by 367 Anesthesiology and Reanimation specialist doctors and residents, who participated in our study. The AI group significantly outperformed all physician participant categories with an average of 10.83 correct answers (the average correct answers for physicians was 8.96). The standard deviation of AI (1.19) was the lowest among all groups, indicating its high and extremely consistent performance. When comparing participants by position to AI, a statistically significant difference was shown in the distribution of correct answer counts (p < 0.001). A statistically significant difference (p=0.006) was also shown according to the correct answer frequencies of the participants. Pairwise comparisons revealed that AI performed statistically significantly better when compared to Specialist Doctors (p<0.001) and Assistant Doctors (p = 0.004). No statistically significant difference was found in arterial blood gas interpretation performance between male and female doctors (p = 0.166). However, it was confirmed that Artificial Intelligence performed statistically significantly better than both male (p<0.001) and female (p = 0.004) doctors. Conclusion: This study demonstrated a clear and statistically significant superiority of AI chatbots in terms of arterial blood gas interpretation accuracy and consistency VIII compared to Anesthesiology and Reanimation doctors, particularly Specialist and Assistant Doctors. It has been shown that AI has strong potential in such knowledge- based diagnostic tasks, with the capacity to support clinical decision-making processes, reduce errors, and increase efficiency. However, it is emphasized that AI may still struggle in certain complex scenarios, and human oversight remains indispensable. The study suggests adopting a collaborative model where AI functions as a decision support system rather than replacing human expertise. The role of human physicians in holistic clinical reasoning and providing patient-centered care will continue to be critically important alongside AI integration.
Benzer Tezler
- Deneysel hemorajik şokta hipoterminin hemodinamik parametreler ve nörolojik duruma etkisinin incelenmesi
Başlık çevirisi yok
TURGUT DENİZ
Tıpta Uzmanlık
Türkçe
2003
İlk ve Acil YardımOndokuz Mayıs ÜniversitesiAcil Tıp Ana Bilim Dalı
YRD. DOÇ. DR. ZAHİDE DOĞANAY
- Acil serviste venöz kan gazı analizinin arteriyel ve biyokimyasal parametreleri öngörmedeki etkinliği
Efficacy of venous blood gas analysis in predicting arterial and biochemical parameters in emergency department
ZAMİR KEMAL ERTÜRK
Tıpta Uzmanlık
Türkçe
2016
İlk ve Acil YardımUfuk ÜniversitesiAcil Tıp Ana Bilim Dalı
YRD. DOÇ. DR. TOGAY EVRİN
YRD. DOÇ. DR. BERKAY EKİCİ
- Yoğun bakım hemşirelerinin arteriyel kan gazı analizini yorumlama ve asit-baz bozukluklarına ilişkin bilgi düzeyinin tespit edilmesi
Determining the knowledge levels of intensive care nurses about the arterial blood gas interpretation and acid-base disorders
İREM KARACA
Yüksek Lisans
Türkçe
2021
HemşirelikGaziantep ÜniversitesiHemşirelik Ana Bilim Dalı
DOÇ. DR. SEVGİN SAMANCIOĞLU BAĞLAMA
- Acil serviste kardiyopulmoner resusitasyon uygulanan hastaların arteriyel kan gazı parametrelerindeki değişimlerin değerlendirilmesi
Evaluation of changes in arterial blood gas parameters of patients undergoing cardiopulmonary resuscitation in the emergency department
YUSUF BURAK AYDOĞMUŞ
Tıpta Uzmanlık
Türkçe
2025
Acil TıpAfyonkarahisar Sağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DOÇ. DR. AYŞE ERTEKİN
- Kritik hastalarda arteriyel kan gazı ve biyokimya analizi ile elde edilen kan elektrolit düzeylerinin karşılaştırılması
Comparison of blood electrolyte levels obtained by arterial blood gas and biochemistry analysis in critically ill patients
ZÜLAL ERDOĞAN KOÇAK
Tıpta Uzmanlık
Türkçe
2025
İç HastalıklarıSağlık Bilimleri Üniversitesiİç Hastalıkları Ana Bilim Dalı
DOÇ. DR. EMİN GEMCİOĞLU
DR. ÖĞR. ÜYESİ MEHMET YILDIRIM