Gerçek zamanlı acil çağrılardan hastane dışı kardiyak arrestin derin dil modeli tabanlı erken tanınması

Neden Daha Hızlı Kalp Acil Durumu Tespiti Önemli

Biri hastane dışında aniden kalbi durduğunda, her saniye önem taşır. Hayatta kalma, krizi ne kadar çabuk fark eden, yardım çağıran ve göğüs kompresyonlarına başlayan kişiye bağlıdır. Ancak eğitimli acil servis dispeçerleri bile kaotik telefon görüşmeleri sırasında bu olayları gözden kaçırabilir. Bu çalışma, gelişmiş dil tabanlı bir yapay zeka sisteminin acil çağrı dökümlerini gerçek zamanlı dinleyip olası bir kardiyak arresti işaretleyip işaretleyemeyeceğini araştırıyor; amaç dispeçerlere en kritik ilk dakikada ek bir çift kulak sağlamaktır.

911 Tarzı Bir Çağrıda Neler Olur

Hastane dışı kardiyak arrest önceden haber vermeden gelir, kan akışını durdurur ve beyin hasarını dakikalar içinde tehdit eder. Sivil çevrede hayatta kalma, genellikle dispeçerler tarafından telefonda yönlendirilerek göğüs kompresyonlarına hızlı başlanmasıyla önemli ölçüde artar. Ancak arayanlar panik halinde olabilir, gördüklerinden emin olmayabilir veya soluyormuş gibi duyulan anormal gazlamalar tarafından yanıltılabilir. Sonuç olarak, dispeçerler vakaların yaklaşık dörtte birinde kardiyak arresti tanıyamamakta ve hayat kurtarıcı talimatlarda gecikme yaşanmaktadır. Geleneksel araçlar sabit soru listeleri takip ederek veya çağrılardaki belirli anahtar kelimeleri bularak yardımcı olmaya çalışır, fakat bunlar belirsiz, duygusal veya yanıltıcı dil tarafından aldatılabilir.

Sohbeti Gözeten Bir YZ Nasıl Kuruldu

Araştırmacılar, acil çağrı dökümlerini analiz etmek için modern sohbet botlarının arkasındaki teknolojiye benzer bir teknik olan derin dil modellemesi kullanan DyLM-OHCA adlı bir sistem geliştirdiler. Model, izole kelimelere odaklanmak yerine, arayan ile dispeçer arasındaki karşılıklı konuşmayı gelişirken okuyor. Güney Kore’nin üç büyük şehrinden neredeyse 159.000 acil çağrı, bunların içinde 2.600’den fazla doğrulanmış kardiyak arrest vakası üzerinde eğitildi. Eğitim sırasında model, her yeni kelime dizisini, arayanın kardiyak arrest, farklı ciddi bir acil durum veya daha az ciddi bir sorun tarif edip etmediğine dair sürekli bir tahmine dönüştürmeyi öğrendi; bunu yaparken her cümle için ayrıntılı etiketlere ihtiyaç duymadı.

YZ Kardiyak Arresti Ne Kadar İyi Tanıyor

Araştırma ekibi DyLM-OHCA’yı daha önce görmediği çağrılar üzerinde test etti ve ilk 60 saniye içinde bir kardiyak arrest olup olmadığına karar vermesini istedi. Elle hazırlanmış kelime istatistiklerine dayanan dört yerleşik makine öğrenimi yöntemine kıyasla, dil tabanlı sistem önemli ölçüde daha doğru çıktı. Geleneksel özet ölçütlere göre kardiyak arrest çağrılarını diğerlerinden doğru şekilde dokuz vakadan fazlasında ayırırken, bu ilk dakika içinde gerçek kardiyak arrestlerin yaklaşık beşten dördünü tespit etti. Ortalama olarak ilk uyarısını çağrının yaklaşık 20. saniyesinde verdi—bazı önceki bilgisayar modellerinin diğer çalışmalarda bildirdiğinden 20 saniyeden fazla daha hızlı—ve yanlış uyarıları yine de her on çağrıda birden az seviyede tuttu.

YZ Gerçekte Neye Kulak Veriyor

Sistemin kararlarını anlamak için araştırmacılar, konuşmanın hangi kısımlarının modeli en güçlü şekilde kardiyak arrest uyarısına yönlendirdiğini incelediler. Model tek bir sihirli kelimeye takılmak yerine desenlere yanıt verdi: dispeçerin kişinin bilinçli olup olmadığını veya soluyup solumadığını sorması ve ardından arayanın “uyanıyor değil” gibi ifadeler kullanması veya bir şeyin ciddi şekilde yanlış hissettirdiğini ima etmesi gibi. Model ayrıca kendi güven düzeyinin zaman içindeki değişimini takip etti. Gerçek kardiyak arrest vakalarının çoğunda, risk puanı yükseldikten sonra yüksek kaldı. Ancak yanlış alarmların yarısından fazlasında risk erken bir şekilde zirve yaptı ve konuşma daha sonra nöbetler veya solunum atağı gibi diğer acil durumlara işaret eden ayrıntıları ortaya koydukça düştü.

Bu Gerçek Dispeçerlere Nasıl Yardımcı Olabilir

Pratik açıdan DyLM-OHCA sessiz bir yardımcı olarak tasarlandı; insan yargısının yerini almak için değil. Bir çağrı ilerledikçe, dispeçerin görebileceği şekilde sürekli güncellenen bir risk sinyali ve uyarıyı tetikleyen son ifadelerin basit açıklamaları sağlardı. Bu bağlam, sistemin uyarılarını eski modellerin kara kutu uyarılarından daha güvenilir kılabilir ve saniyelerin önemli olduğu durumlarda daha odaklı sorular sormayı veya göğüs kompresyonu talimatlarını daha erken vermeyi teşvik edebilir. Çalışma tek bir ülkeden Korece çağrılar üzerinde yapıldı ve henüz canlı olarak test edilmedi, ancak konuşmayı gözeten yapay zekânın kardiyak arrestin erken tanınmasını anlamlı biçimde artırabileceğini ve nihayetinde hayatta kalmayı iyileştirebileceğini öne sürüyor.

Atıf: Choi, HJ., Hwang, M., Cho, S. et al. Deep language model-based early recognition of out-of-hospital cardiac arrest from real-time emergency calls. npj Digit. Med. 9, 307 (2026). https://doi.org/10.1038/s41746-026-02498-5

Anahtar kelimeler: kalp durması, acil çağrılar, yapay zeka, dil modelleri, dispeçer destekli CPR