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

SO441

Psikiyatri servisinde yatan hastalarda rutin klinik belgeler kullanılarak saldırganlık tırmanışlarının erken öngörüsü için açıklanabilir makine öğrenmesi

EXPLAINABLE MACHINE LEARNING FOR THE PREDICTION OF AGGRESSIVE ESCALATIONS IN PSYCHIATRIC INPATIENTS USING NATURAL LANGUAGE PROCESSING OF ROUTINE CLINICAL DOCUMENTATION

Rutin Almanca taburculuk özetlerinden çıkarılan dil temsilleri ile BVC vekil özelliklerinin birleştirilmesi, yatan hastalarda saldırganlığı ROC-AUC 0,868 ile öngörmüş ve yalnız yapılandırılmış vekil özellikleri kullanan modeli belirgin biçimde geçmiştir.

Çalışmanın amacı, psikiyatri servisinde yatan hastalarda saldırganlık tırmanışlarını rutin klinik belgelerden öngören, açıklanabilir bir makine öğrenmesi (machine learning) modeli geliştirmek ve doğrulamaktır. Dresden Üniversite Hastanesi'nden alınan 2.340 tam anonimleştirilmiş Almanca taburculuk özeti, çok dilli Sentence-BERT dönüştürücüsüyle 512 boyutlu bağlamsal gömülere (embedding) çevrildi. Ayrıca Brøset Şiddet Kontrol Listesi'nin (Brøset Violence Checklist, BVC) yedi alanı doğal dil işleme (natural language processing) ile ikili değişken olarak çıkarılıp 8 yapılandırılmış özellik ve toplam BVC vekil (proxy) puanı oluşturuldu; 512 + 8 özellik birleştirilerek scale_pos_weight ayarlı CatBoost modeli eğitildi ve yorumlanabilirlik SHAP ile sağlandı. Metne dayalı saldırganlık yaygınlığı yaklaşık %21 idi. Birleşik model (BERT + BVC vekil özellikleri) ROC eğrisi altında kalan alan (ROC-AUC) 0,868 değerine ulaşırken, yalnız BVC vekil özelliklerini kullanan model yaklaşık 0,80 düzeyinde kaldı; posterdeki ROC grafiği açıklamasında birleşik model için 0,886 değeri yazılıdır. Küresel SHAP değerlerinde en belirleyici davranışsal özellikler sözel tehdit (0,32), psikomotor aktivasyon (0,30), fiziksel tehdit (0,27), irritabilite (0,21), nesnelere saldırma (0,18), gürültücülük (0,13) ve konfüzyon (0,09) oldu. Sonuç olarak rutin taburculuk belgeleri, otomatik saldırganlık öngörüsünü destekleyecek ölçüde davranışsal sinyal içermekte ve serbest metin ile yapılandırılmış özelliklerin birleşimi her ikisinin tek başına kullanımını geçmektedir. Yaklaşım ek belgeleme yükü getirmeden çalışmakta olup St. Marien Hastanesi ve SKH Arnsdorf ile çok merkezli genişleme planlanmaktadır.

Tüm WCP 2026 özetleri