AI-driven clinical decision support system: leveraging large language models and privacy-preserving technologies for enhanced triage and disease detection

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: İngilizce

Öğrenci: ALPER KARAMANLIOĞLU

Danışman: Ferda Nur Alpaslan

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bu tez, Büyük Dil Modeli (LLM) akıl yürütmesini Federe Öğrenme (FL) ve olay odaklı akış analitiğiyle birleştiren, modüler ve gizliliği koruyan bir klinik karar destek mimarisi sunmaktadır. Yapılandırılmış yaşamsal bulgular, laboratuvar verileri ve yapılandırılmamış triyaj notları neredeyse gerçek zamanlı olarak işlenirken; fark gizliliği, güvenli birleştirme ve şifreli model sunumu, GDPR uyumluluğu ile FAIR veri yönetimini temin eder. İki aşamalı değerlendirme, hem bilgi düzeyinde hem de klinik ortamda sistemin etkinliğini göstermektedir. (i) 750 soruluk USMLE kıyaslamasında, ince ayar yapılmış Llama 3.1-70B modeli %74 genel doğruluk ve Step 2'de %83 doğruluk elde ederek, ayarsız temel modeli 22 yüzde puanı ve tıp öğrencileri ortalamasını 15 puanın üzerinde geride bırakmıştır. (ii) Gerçek dünya acil servisinde yer alan 132 enfeksiyon hastalığı olgusundan oluşan bir kohortta, boru hattı tanı, gerekçelendirme ve sonraki adım önerileri için %75,8 ilk geçiş uyumu sağlamıştır. Paralel çıkarım testleri, 4 bit kuantizasyonun tek sorguda en yüksek verimi sunduğunu, 8-bit modellerin ise dört iş parçacıklı yük altında daha istikrarlı performans sergilediğini göstermektedir. Sonuçlar, önerilen CDSS'nin son teknoloji akıl yürütme derinliğini denetim uyumlu ve düşük gecikmeli dağıtımla birleştirdiğini ortaya koymaktadır.