AI Summary & Key Takeaways
AI InsightThis project is one of the pioneering AI initiatives in pediatric oncology in Turkey and exemplifies digital transformation and interdisciplinary collaboration in healthcare.
📌 3 Key Takeaways
Abstract
This study aims to address the challenges encountered in pediatric oncology diagnosis and treatment through an artificial intelligence based clinical decision support system. In the current workflow, patient follow up is conducted manually, which increases physicians workload and makes the management of complex cases such as relapses more difficult. The lengthy and unstructured anamnesis forms delay timely treatment decisions. A system analysis identified the deficiencies in patient management, leading to the development of AI supported and protocol based modules. The application includes modules for staging and risk group determination, drug dose calculation, percentile analysis, relapse patient listing, information retrieval from long anamnesis forms, and an AI powered question answer tool. The user interface was developed with Flutter and supported by Python, MySQL, and local language models. Pilot tests showed that manual staging, which took 68 seconds, was reduced to 14 seconds, resulting in significant time saving. Drug dose calculation time was also reduced notably. The system enhances the speed and accuracy of clinical workflows and supports physicians in decision making. This project is one of the pioneering AI initiatives in pediatric oncology in Turkey and exemplifies digital transformation and interdisciplinary collaboration in healthcare.
Özet
Bu çalışma, çocuk onkolojisinde tanı ve tedavi süreçlerinde karşılaşılan sorunları yapay zeka tabanlı bir karar destek sistemiyle çözmeyi amaçlamaktadır. Mevcut sistemde hastaların takibi manuel olarak yürütülmekte, bu durum doktorların iş yükünü artırmakta ve özellikle tekrarlayan hastalıkların yönetimini zorlaştırmaktadır. Uzun ve düzensiz anamnez formları, tedavi kararlarının zamanında alınmasını geciktirmektedir. Bu kapsamda yapılan sistem analizi sonucunda mevcut süreçteki eksikler belirlenmiş ve yapay zeka destekli, protokole dayalı modüller geliştirilmiştir. Uygulama; evreleme ve risk grubu belirleme, ilaç dozu hesaplama, persentil analizi, tekrarlayan hastaların listelenmesi, uzun anamnez formlarında bilgi arama ve yapay zeka destekli soru cevap modüllerini içermektedir. Arayüzü Flutter ile geliştirilmiş, Python, MySQL ve yerel dil modelleri ile desteklenmiştir. Pilot testlerde, manuel olarak altmış sekiz saniyede tamamlanan evreleme işlemi on dört saniyeye düşmüş ve belirgin bir zaman tasarrufu sağlanmıştır. İlaç dozu hesaplamasında da anlamlı bir hız artışı elde edilmiştir. Sistem, klinik süreçleri hızlandırarak doğruluğu artırmakta ve çocuk onkolojisinde dijital dönüşümün yenilikçi bir örneğini sunmaktadır.