Hastane bozulmalarına ilişkin yapay zekâ tabanlı analizlerin randomize kontrollü denemesi

Hastanedeki Hastaları Güvende Tutmanın Neden Bu Kadar Zor Olduğu

Hastaneye kabul edilen kişilerde doktorlar ve hemşireler, birinin hızla daha kötüleşmek üzere olduğuna işaret eden erken uyarı belirtilerini tespit etmek için yoğun çaba harcar. Ancak insan gözü, özellikle yoğun servislerde, kalp hızı, solunum veya kan basıncındaki ince değişiklikleri kaçırabilir. Bu çalışma önemli bir soruyu gündeme getirdi: yatak başı hayati bulguları arka planda sessizce izleyen bir yapay zekâ (YZ) sistemi, kardiyak durma, solunum yetmezliği veya yoğun bakıma acil transfer gibi ciddi acil durumları gerçekten önlemeye yardımcı olabilir miydi?

Hastalar İçin Yeni Türden Bir "Hava Radarı"

Araştırma ekibi, yatak başı monitör verileri akışını, laboratuvar sonuçlarını ve hemşirelerin kaydettiği hayati bulguları okunması kolay bir risk görseline çeviren CoMET adlı bir sistemi test etti. Her hasta, “kafası” mevcut riski ve “kuyruğu” son üç saatte bu riskteki değişimi gösteren parlak bir kuyruklu yıldız simgesi olarak büyük ekranda görünür. 1 puan, önümüzdeki gün içindeki ciddi bir olay için ortalama olasılığı gösterir; daha yüksek puanlar daha yüksek riski ifade eder. Gürültülü alarmların aksine, bu sistem bilgiyi sürekli olarak görselleştirir. Fikir, sessiz ve her zaman açık bir risk görünümünün personelin endişe verici eğilimleri erken fark etmesine ve hastalar kötüleşmeden önce kontrol etmelerine yardımcı olmasıydı.

YZ’yi Gerçek Hastane Servislerinde Test Etmek

Bu ekranın gerçekten fark yaratıp yaratmadığını görmek için ekip, üniversite hastanesinde 85 yataklı bir kardiyoloji ve kalp cerrahisi servisinde büyük bir randomize kontrollü deneme yürüttü. COVID-19 dönemini kapsayan neredeyse iki yıl boyunca on binden fazla hastane yatışı dahil edildi. Araştırmacılar bireysel hastaları değil, oda kümelerini randomize ettiler. Bazı oda gruplarında CoMET ekranı açıkken, diğerlerinde rutin bakım ekran olmadan sürdü. Herkese standart tıbbi bakım verildi; tek fark personelin büyük monitörlerde ve elektronik kayıtta risk eğilimlerini görüp görememesiydi. Belirli eylemler zorunlu kılınmadı—hekimler puan yükseldiğinde yanıt vermeye teşvik edildi ama bunu yapmak zorunda bırakılmadılar.

Hastaların Sonuçları Ne Oldu

Ana ölçüt, hastanede kalışın ilk 21 gününde hastaların ciddi bozulmadan kaç saat kaldığıydı—ölüm, yoğun bakıma acil transfer, acil entübasyon, kardiyak arrest veya acele cerrahi gibi olaylar. Hastaların çoğu böyle bir olay yaşamadı ve maksimum 21 olaysız günü aldı. Genel olarak hastaların yaklaşık %5’i ciddi bir olay yaşadı. YZ sisteminin altında yatan tahmin modelleri iyi çalıştı ve yaygın bir erken uyarı skorunu bile geride bıraktı; yine de araştırmacılar ekran açık grup ile ekran kapalı grubu karşılaştırdıklarında, olaysız saatler veya ölümler bakımından anlamlı bir fark bulamadılar. Olay yaşayan daha küçük hasta grubunda ise, ekran açık kolundakiler öncesinde daha stabil saatlere eğilimli görünüyordu ama bu örüntü istatistiksel olarak ikna edici düzeyde güçlü değildi.

İnsan Kararlarının Deneyi Nasıl Bulanıklaştırdığı

En çarpıcı bulgulardan biri, matematikten çok insan davranışıyla ilgiliydi. Deneme sırasında, klinisyenler hastaları sık sık yataklar arasında taşıdı: yüzlerce hasta, rutin bakım yataklarından ekranın açık olduğu yataklara ve tersi yönde taşındı. Daha yakından bakıldığında, daha hasta olanların YZ ekranlı odalara transfer edilme olasılığının daha yüksek olduğu görüldü. Başka bir deyişle, personel CoMET’i faydalı bulmuş gibi görünüyordu ve daha yüksek riskli hastalara ekstra izleme avantajı sağlamak istemişti, oysa deneme tasarımı atamaların rastgele kalmasını hedeflemişti. Bu yatak değişiklikleri analizde sansürleme olayı olarak ele alınmak zorunda kaldı ve sistemin olası gerçek etkisini muhtemelen seyreltmiş oldu. Çalışma ayrıca COVID-19 pandemisinin baskıları sırasında yürütüldü; bu durum olay oranlarını düşürdü ve ek karmaşıklık getirdi.

Hastanelerde YZ’nin Geleceği İçin Ne Anlama Geliyor

Hastalar ve aileleri için sonuç temkinli ama umut verici. İyi tasarlanmış bu gerçek dünya deneyi, alarmlar veya katı yanıt kuralları olmayan pasif bir YZ risk ekranı eklemenin bu servislerde ölüm veya acil transferler gibi sonuçları belirgin biçimde iyileştirmediğini gösterdi. Yine de klinisyenlerin daha hasta hastaları YZ donanımlı yataklara yönlendirme eğilimi, bilgide bir değer gördüklerini düşündürüyor. Yazarlar, hastane YZ araçlarının gelecekteki çalışmalarının doğruluk ve deneme büyüklüğünü aşması gerektiğini; klinisyenlerin risk skorlarını nasıl yorumladığını, ekiplerin bunları nasıl iletip üzerinde nasıl hareket ettiğini ve yatak atamalarının, iş yüklerinin ve nadir olayların sonuçları nasıl şekillendirdiğini takip etmeleri gerektiğini belirtiyorlar. YZ hâlâ sorunları erken yakalamaya yardımcı olabilir, ancak hastaları gerçekten daha güvende tutmak için tasarımcılar ve araştırmacılar akıllı algoritmaları insan yargısı, iş akışı ve hastane kültüruna aynı özenle entegre etmelidir.

Atıf: Keim-Malpass, J., Ratcliffe, S.J., Clark, M.T. et al. A randomized controlled trial of artificial intelligence-based analytics for clinical deterioration. Sci Rep 16, 7345 (2026). https://doi.org/10.1038/s41598-026-39051-z

Anahtar kelimeler: klinik bozulma, öngörücü izleme, hastane yapay zekâsı, erken uyarı sistemleri, kardiyoloji servisi