Aile hekimlerine başvuran hastalardaki cilt lezyonlarının yapay zeka araçları ile değerlendirilmesi ve hasta yönetimi
Tezin Türü: Tıpta Uzmanlık
Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, BURSA YÜKSEK İHTİSAS SAĞLIK UYGULAMA VE ARAŞTIRMA MERKEZİ, DAHİLİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: BURAK BALIKOĞLU
Danışman: Hakan DEMİRCİ
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
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. Anahtar kelimeler: Aile hekimleri, cilt lezyonları, yapay zeka, tanı doğruluğu, hasta yönetimi.