Triyaj verisi kullanarak öntanı tahmini yapan yapay zeka tabanlı karar destek sistemi

Amaç: Acil servislerde öntanı ve triyaj kararı hastaların şikayet ve klinik durumlarına göre yapılmaktadır. Bu çalışmada şikayet metinleri kulllanılarak triyaj, öntanı ve yatış kararlarının, makine öğrenmesi tabanlı bir karar destek sistemi ile tahmini amaçlanmıştır. Yöntem: Ocak 2018-Temmuz 2019 tarihleri arasında eğitim ve araştırma hastanesi acil servise başvuran hastalar çalışmaya alındı. Çalışmada şikayet metinlerinin doğal dil işlem sonrası XGBoost, rastgele orman(RF) ve yapay sinir ağları(YSA) kullanılarak triyaj ve öntanı tahminleri yapıldı. Bulgular: Çalışmaya alınan 54.867 hasta verisi içerisinde en fazla sarı triyajı(%76,4) saptandı. En çok kaydedilen üç tanı; akut batın (%14), üst solunum yolu enfeksiyonu(%10,3) ve diyare(%6,1); ikili n-gramlar içerisinde en sık kullanılan kelime çifti karın ağrısı, göğüs ağrısı ve baş ağrısı olduğu saptandı. Sonlanım tahmininde en başarılı yöntem 0,931 doğrulukla yapay sinir ağlarında, triyaj tahmininde ise duyarlılıklar en çok sarı ve ESI 3 olmak üzere XGB (0,771; %95 CI 0,763-0,777), rastgele orman (0,765; %95CI 0,760-0,773) ve YSA'nda(0,766; %95CI 0,760-0.772) olduğu saptanmıştır. Öntanılar arasında nörolojik acillerin tahminine yönelik en yüksek seçicilik XGB(0,936) ve RF(0,936) ile, kardiyovasküler aciller grubunda ise seçicilik yine XGB (0,865) ve RF'de(0,865) daha yüksek bulundu. Sonuç: Yapılandırılmamış şikayetler ile triyaj ve öntanı tahmin etmede üç yöntemin de duyarlılıkları sarı ve ESI 3 hastaları için yüksek olurken, sonlanım tahmininde en yüksek doğruluk yapay sinir ağlarında saptanmıştır. Bu modeller acil servise başvuran hastaların hayati öntanı kararı ve taburculuğunda klinisyene yardımcı olabilir.