Bu sayfa, 26. Dünya Psikiyatri Kongresi'nde sunulan çalışmanın yapay zekâ desteğiyle hazırlanmış Türkçe özetidir. Çalışmanın sahibi sunan yazarlardır; atıf için orijinal kaynağa başvurun.

EV0477

Dijitalleştirilmiş arşivlerden retrospektif psikiyatrik taburculuk kayıtlarını tanıyan ve yapılandıran yapay zekâ işlem hattı

ARTIFICIAL INTELLIGENCE PIPELINE FOR RECOGNIZING AND STRUCTURING RETROSPECTIVE PSYCHIATRIC DISCHARGE RECORDS FROM DIGITIZED ARCHIVES

OCR ve büyük dil modeli birleşimiyle kurulan beş aşamalı işlem hattı, kâğıt psikiyatrik taburculuk özetlerini 14.554 kayıtlık yapılandırılmış bir araştırma veritabanına dönüştürmüş ve ana klinik alanlarda yüksek tamlık sağlamıştır.

Amaç, heterojen biçimde dijitalleştirilmiş psikiyatrik taburculuk kayıtlarını epidemiyolojik analize uygun, doğrulanmış ilişkisel bir araştırma veritabanına çeviren uçtan uca bir yapay zekâ işlem hattı (pipeline) kurmak ve değerlendirmektir. Materyal, Moskova'daki bir federal ruh sağlığı araştırma merkezinin iki yataklı biriminden gelen kâğıt taburculuk özetleridir: 2011-2023 arası 112 çok kayıtlı PDF ile JPG ve HEIC sayfa fotoğrafları, toplam 429 benzersiz kaynak dosya ve 2003-2023 yıllarına yayılan yatışlar; ardışık dahil etme uygulanmış, olasılıklı örnekleme yapılmamıştır. Beş aşamalı hat şunlardan oluşur: sayfaların görüntüye çevrilmesi, Yandex Vision ile optik karakter tanıma (OCR, yerel yedek olarak Tesseract), YandexGPT ile alan düzeyinde bir sistem istemine karşı JSON yapılandırma (sıcaklık 0,2, maxTokens 6.000, 45.000 karakterlik girdi sınırı, 50.000 karakteri aşan belgelerin kurum başlıklarından bölünüp yeniden birleştirilmesi), doğrulama (tarih normalizasyonu, zorunlu hasta adı kontrolü ve file_hash ile yinelenen kayıt ayıklama; alanların %30'undan azını dolduran yanıtlar veritabanına işlenmeyip karantinaya alınıyor) ve SQLite ile depolama. Hat 14.554 kayıt üretmiş, yatış başına 40'tan fazla yapılandırılmış alan çıkarmıştır. Çıkarılan kayıtlarda alan tamlığı (field completeness) şöyledir: hasta adı %100,0, yatış tarihi %98,5, taburculuk tarihi %97,9, ICD-10 kodu %94,5, tanı metni %93,9, ruhsal durum %90,0, verilen tedavi %89,3, yaşam öyküsü %85,8, yatıştaki yaş %83,1, doğum tarihi %79,0, tedavi sonucu %67,1 ve aile öyküsü %56,6. İstem mühendisliği (prompt engineering) ile sistem istemi yaklaşık 43 KB'den yaklaşık 12 KB'ye, maxTokens ise 6.000-8.000 aralığından 4.000'e indirilmiş; bu, alan tamlığında ölçülebilir bir kayıp olmadan belge başına yaklaşık %70 jeton azalması sağlamıştır. Yazarlar, aynı kurulumun başka merkezlere ve başka dillere aktarılabileceğini, yinelenen kayıt ayıklamanın zorunlu olduğunu (aksi halde çok hastalı PDF'lerin sessizce yinelenen kayıt ürettiğini) bildirmektedir. Belirtilen sınırlılık, tamlığın doğrulanmış doğruluk anlamına gelmemesi ve alan düzeyinde kaynak belgeyle uyumun henüz sayısallaştırılmamış olmasıdır.

Tüm WCP 2026 özetleri