Koroner revaskülarizasyonda yapay zeka tabanlı tedavi seçim modeli: CABG mi, PCI mı,tıbbi tedavi mi?
Artificial intelligence-based treatment selection model in coronary revascularization: CABG, PCI, or medical therapy?
- Tez No: 981830
- Danışmanlar: PROF. DR. MURAT ÖZEREN
- Tez Türü: Tıpta Uzmanlık
- Konular: Göğüs Kalp ve Damar Cerrahisi, Thoracic and Cardiovascular Surgery
- Anahtar Kelimeler: Koroner Arter Hastalığı, Yapay Zeka, ChatGPT, Kalp Ekibi, CABG, PCI, Medikal Tedavi, SYNTAX Skoru, Coronary Artery Disease, Artificial Intelligence, ChatGPT, Heart Team, CABG, PCI, Medical Therapy, SYNTAX Score
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Kalp ve Damar Cerrahisi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Giriş ve Amaç: Koroner arter hastalığı (KAH), yetişkin popülasyonda çok sık karşılaşılan hastalıklardan biri olup, yüksek morbidite ve mortalite oranlarıyla önemli bir halk sağlığı sorunu oluşturmaktadır. Bu durum, KAH'ın halk sağlığı açısından taşıdığı önemi ve doğru tanı, risk sınıflaması ile uygun tedavi stratejilerinin belirlenmesindeki gerekliliği açıkça ortaya koymaktadır. Bu nedenle Koroner arter hastalığının tedavi stratejisini belirlemede sağlık merkezlerinde kalp ekibi(Heart Team-HT) kavramının ortaya çıkması kaçınılmaz olmuştur. Ancak kalp ekibi yaklaşımı; karar alma süreçlerinde yaşanan zaman kaybı, tedavi sürecinde koordinasyon eksiklikleri ve anlık klinik müdahalelerin gerçekleştirilememesi gibi nedenlerle sağlık hizmeti sunumunda verimliliğin azalmasına ve ekonomik yükün artmasına yol açabilmektedir. Bu çalışmanın amacı, koroner arter hastalığının tedavi stratejilerinin belirlenmesinde, multidisipliner kalp ekibi kararları ile ChatGPT(Generative Pre-trained Transformer) tabanlı yapay zeka modelinin tedavi önerileri arasındaki uyum düzeyini incelemektir. Çalışma, son yıllarda giderek daha fazla ilgi gören yapay zeka uygulamalarının klinik karar destek sistemleri içerisinde kalp ekibine destek veya alternatif olarak kullanılabilirliğini sorgulayan özgün bir model sunmayı hedeflemektedir. Yöntem: Araştırma, 2020-2025 yılları arasında Mersin Üniversitesi Hastanesi Kalp ve Damar Cerrahisi - Kardiyoloji Konseyi'ne sunulmuş 18-85 yaş aralığındaki 279 hastanın retrospektif dosya verileri üzerinden yürütüldü. Dahil edilme ve dışlanma kriterlerine uygun olan hastalar seçilerek 18 klinik değişken içeren bir excel dosyası oluşturuldu. Değişkenler; hastalar ile ilgili demografik bilgiler, komorbid hastalıklar, kardiyak fonksiyonlar, semptomatoloji, vasküler patolojiler ve Syntax skoru I bilgilerini içeriyordu. Tüm hastalar ChatGPT-4o Plus kullanılarak analiz edildi. Her hasta için Kalp ekibi'nin (Konsey) ve ChatGPT'nin önerdiği tedavi seçenekleri (CABG(Coronary Artery Bypass Grafting), PCI(Percutaneous Coronary Intervention), medikal tedavi) karşılaştırıldı; elde 6 edilen karar uyumu istatistiksel olarak değerlendirildi. Bulgular: Toplam 279 hasta üzerinden yapılan analizde, Kalp ekibi ile ChatGPT kararları arasında anlamlı düzeyde uyum gözlenmiştir. Kalp ekibinin CABG kararı verdiği 201 hastanın %68,7'sine (n=138) ChatGPT de aynı tedaviyi önermiştir. PCI kararı verilen 43 hastanın %67,4'ü (n=29) için ChatGPT de PCI önermiştir. Ancak medikal tedavi kararı verilen 35 hastanın yalnızca %25,7'si (n=9) için ChatGPT CABG, %74,3'ü (n=26) için PCI önermiş; bu grup için ChatGPT tarafından medikal tedavi seçeneği önerilmemiştir. Sonuç: Bu çalışma, kalp ekibi ve ChatGPT'nin koroner arter hastalığının tedavi stratejilerine yönelik kararlarının uyumunu tüm hasta gruplarını kapsayacak şekilde değerlendiren literatürdeki ilk çalışma olup, bu yönüyle bundan sonraki çalışmalar için referans niteliğindedir. Çalışmamız yapay zekanın klinik karar destek süreçlerinde kullanılabilirliğine dair önemli bulgular sunmakta olup hastaların büyük bir kısmında ChatGPT kararlarının kalp ekibi kararları ile uyumlu olduğunu gösterdi. Yapay zekanın Kalp ekibine entegre olması ve karar alma süreçlerini geliştirmek için bu konuda daha fazla çalışmaya ihtiyaç vardır.
Özet (Çeviri)
Introduction and Aim: Coronary artery disease (CAD) is one of the most commonly encountered conditions in the adult population and represents a major public health concern due to its high morbidity and mortality rates. This underscores the critical importance of accurate diagnosis, risk stratification, and the selection of appropriate treatment strategies in the management of CAD. Consequently, the concept of the Heart Team has emerged as an essential approach in treatment planning at healthcare centers. However, the Heart Team approach may lead to reduced efficiency in healthcare delivery and increased economic burden due to time-consuming decision-making processes, lack of coordination during treatment, and the inability to perform immediate clinical interventions. The aim of this study is to evaluate the level of concordance between the multidisciplinary Heart Team decisions and treatment recommendations provided by a ChatGPT-based artificial intelligence model in determining treatment strategies for CAD. This study aims to present a novel model questioning the usability of artificial intelligence applications—which have gained increasing attention in recent years—as a support or alternative to the Heart Team within clinical decision support systems. Method: The study was conducted retrospectively using the medical records of 279 patients aged between 18 and 85 years who were presented to the Cardiovascular Surgery - Cardiology Council of Mersin University Hospital between 2020 and 2025. Patients who met the inclusion and exclusion criteria were selected, and an Excel file containing 18 clinical variables was created. These variables included demographic data, comorbidities, cardiac functions, symptomat ology, vascular pathologies, and SYNTAX Score I information. All patients were analyzed using ChatGPT-4o Plus. For each patient, the treatment options recommended by the Heart Team (Council) and by ChatGPT (CABG – Coronary Artery Bypass Grafting, PCI – Percutaneous Coronary Intervention, or medical therapy) were compared, and the level of agreement between decisions 8 was statistically evaluated. Results: Analysis of 279 patients revealed a statistically significant concordance between Heart Team and ChatGPT treatment decisions. Among 201 patients for whom the Heart Team recommended CABG, ChatGPT suggested the same in 68.7% (n=138) of cases. Of the 43 patients recommended for PCI, ChatGPT also recommended PCI in 67.4% (n=29) of cases. However, among 35 patients for whom medical therapy was advised by the Heart Team, ChatGPT recommended CABG for 25.7% (n=9) and PCI for 74.3% (n=26), without suggesting medical therapy for any patient in this group. Conclusion: This study is the first in the literature to comprehensively evaluate the alignment between Heart Team and ChatGPT decisions regarding treatment strategies in CAD across all patient groups. The findings suggest that ChatGPT has considerable potential as a clinical decision support tool, demonstrating substantial agreement with Heart Team decisions in the majority of cases. Further research is needed to explore how artificial intelligence can be integrated into the Heart Team framework and contribute to enhancing the decision-making process.
Benzer Tezler
- EKG verilerinden yapay zeka ile koroner lezyon tespiti ve SYNTAX skoruna göre sınıflandırma
Coronary lesion detection from ECG data with artificial intelligence and classification according to SYNTAX score
ÖMER IŞIK
Tıpta Uzmanlık
Türkçe
2026
KardiyolojiFırat ÜniversitesiKardiyoloji Ana Bilim Dalı
PROF. DR. MEHMET ALİ KOBAT
- VDDve DDD pacemaker implante edilen hastaların uzun dönem sol ventrikül sistolik fonksiyonlarının ekokardiyografik ve elektrokardiyografik parametrelerinin karşılaştırılması
Comparison of the echocardiographic and electrocardiographic parameters of long term left ventricular systolic functions in patients who have VDD and DDD pacemaker implantation
SONGÜL USALP
Tıpta Uzmanlık
Türkçe
2015
Kardiyolojiİstanbul Bilim ÜniversitesiKardiyoloji Ana Bilim Dalı
PROF. DR. SABRİ DEMİRCAN
- Genç erişkin kardiyopulmoner bypass hastalarında medial-olivokoklear(MOC) refleks cevapları
Medial-olivocochlear (MOC) reflex responses in young adult cardiopulmonary bypass patients
AHMET GÖRKEM NASANLI
Yüksek Lisans
Türkçe
2021
Kulak Burun ve Boğazİstanbul Gelişim ÜniversitesiOdyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELVA ZEREN
- COVID-19 pandemisinin ST – segment yükselmeli miyokart infarktüsü ile başvuran hastaların acil yönetimi üzerine etkileri
Impact of COVID-19 pandemic on emergency management of patients admitted with ST-segment elevation miyocardial infarction
SERVAN KÜÇÜK
Tıpta Uzmanlık
Türkçe
2021
İlk ve Acil YardımDokuz Eylül ÜniversitesiAcil Tıp Ana Bilim Dalı
PROF. DR. FİGEN ÇOŞKUN
- Atriyoventriküler blok tanısıyla koroner yoğun bakım ünitesine yatırılan hastalarda akut böbrek hasarı gelişim sıklığı ve öngördürücüleri
Acute kidney injury predictors in patients that admitted to coronary care unit by atrioventricular block
AYÇA GÜMÜŞDAĞ
Tıpta Uzmanlık
Türkçe
2017
KardiyolojiSağlık Bilimleri ÜniversitesiKardiyoloji Ana Bilim Dalı
PROF. DR. ÖMER KOZAN