Yapay zeka tabanlı triaj asistanı
Artificial intelligence based triage assistant
- Tez No: 1009151
- Danışmanlar: DR. ÖĞR. ÜYESİ ZÜLEYHA YİNER
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Siirt Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Acil servislerdeki aşırı hasta yoğunluğu ve kaynak kısıtlılığı, sağlık hizmetlerinin kalitesini etkileyen ve sağlık personeli üzerinde ciddi bilişsel yük oluşturan küresel bir sorundur. Triaj sürecinde yaşanabilecek gecikmeler veya insan kaynaklı değerlendirme hataları, hayati risk taşıyan durumların gözden kaçırılmasına neden olabilmektedir. Bu tez çalışmasında, acil servis başvurularının önceliklendirilmesi sürecini optimize etmek amacıyla, Türkçe diline özelleştirilmiş, yapay zeka destekli, uçtan uca bir sesli triaj sistemi geliştirilmiştir. Önerilen sistem, hastaların sözlü olarak ifade ettiği semptomları işleyerek uluslararası triaj standartlarına (Kırmızı, Sarı, Yeşil alan) göre sınıflandırmaktadır. Metodoloji kapsamında, gürültülü hastane ortamlarında dahi yüksek performans gösteren OpenAI Whisper modeli kullanılarak konuşma verileri metne dönüştürülmektedir. Elde edilen metinlerin sınıflandırılmasında tekil bir makine öğrenmesi modeli yerine, hata oranını azaltmayı amaçlayan bir ensemble kural tabanlı yaklaşım benimsenmiştir. Bu yaklaşım, Türkçe medikal metinler üzerinde ince ayar (fine-tuning) yapılmış BERT (Bidirectional Encoder Representations from Transformers) tabanlı derin öğrenme modeli ile kalp krizi, solunum durması gibi kritik semptomları tespit etmeye yönelik ağırlıklı bir kural tabanlı sistemin birlikte kullanıldığı hibrit bir yapıdan oluşmaktadır. Yapılan deneyler, hibrit yaklaşımın, tek başına çalışan derin öğrenme modellerine kıyasla özellikle“Çok Acil”(Kırmızı Alan) vakaların tespitinde daha yüksek duyarlılık gösterdiğini ortaya koymuştur. Geliştirilen bu sistem, temas gerektirmeyen arayüzü ve hızlı analiz yeteneği ile triaj sürelerini kısaltmayı, enfeksiyon riskini azaltmayı ve sağlık personeline güvenilir bir klinik karar desteği sağlamayı hedeflemektedir.
Özet (Çeviri)
Overcrowding in emergency departments and resource constraints are global challenges that affect the quality of healthcare services and impose significant cognitive load on medical staff. Delays in the triage process or human errors in assessment can lead to life-threatening conditions being overlooked. In this thesis, an AI-powered, end-to-end voice triage system customized for the Turkish language has been developed to optimize the prioritization process of emergency department admissions. The proposed system processes verbally expressed patient symptoms and classified them according to international triage standards (Red, Yellow, Green zones). Within the methodology, speech data is transcribed into text using the OpenAI Whisper model, which demonstrates high performance even in noisy hospital environments. For the classification of the extracted texts, an ensemble-based approach aimed at reducing the error rate was adopted instead of relying on a single machine learning model. This approach consists of a hybrid structure that combines a BERT (Bidirectional Encoder Representations from Transformers)-based deep learning model, fine-tuned on Turkish medical texts, is used together with a weighted rule-based system designed to detect critical symptoms such as myocardial infarction, respiratory arrest. Experiments demonstrate that the hybrid approach exhibits higher sensitivity, particularly in detecting“Immediate”(Red Zone) cases, compared to standalone deep learning models. The developed system aims to shorten triage times, reduce infection risk through its contactless interface, and provide reliable clinical decision support to healthcare personnel.
Benzer Tezler
- Birinci basamakta çalışan hekim, ebe ve hemşirelerde yapay zekâ kaygısı, yapay zekâ okuryazarlığı ve sağlık hizmetlerinde yapay zekâ kullanımına yönelik tutumun değerlendirilmesi
Evaluation of artificial intelligence anxiety, AI literacy, and attitudes toward the use of artificial intelligence in health services among physicians, midwifes, and nurses working in primary care
AFRANUR ŞENTÜRK HAYAL
Tıpta Uzmanlık
Türkçe
2025
Aile HekimliğiMarmara ÜniversitesiAile Hekimliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BUĞU USANMA KOBAN
- Biyomedikal sinyaller ile yapay zeka tabanlı zihinsel iş yükünün belirlenmesi
Detection of mental workload using biomedical signals and artificial intelligence
OĞUZHAN HASAR
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- Acil servislerde yapay zeka destekli triaj sistemleri kullanılarak hasta önceliklendirme
Patient prioritization using artificial intelligence-assisted triage systems in emergency departments
BERK YILDIZ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMersin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ERDİNÇ AVAROĞLU
- Acil servise göğüs ağrısı şikayeti ile başvuran hastaların esı triajı ve EDACS değerlendirmelerinin yapay zeka ile karşılaştırılması
Comparison of esi triage and EDACS assessments with artificial intelligence in patients presenting to the emergency department with chest pain
MEHMET OKAN ÇINAR
Tıpta Uzmanlık
Türkçe
2025
Acil TıpNecmettin Erbakan ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. SEDAT KOÇAK
- Triyaj verisi kullanarak öntanı tahmini yapan yapay zeka tabanlı karar destek sistemi
Artificial intelligence based decision support system predicting prediagnosis using triage data
GÖKSU BOZDERELİ BERİKOL
Doktora
Türkçe
2023
Acil TıpAkdeniz ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DOÇ. DR. UĞUR BİLGE