UTILIZATION OF ARTIFICIAL INTELLIGENCE-SUPPORTED DECISION SUPPORT SYSTEMS IN HEALTHCARE INSTITUTIONS
Abstract
Abstract
Purpose: This study aims to examine the application areas, advantages, and key challenges of artificial intelligence (AI)-driven decision support systems (DSS) in healthcare institutions within an academic framework. By evaluating the impact of AI-based DSS on healthcare management and clinical decision-making processes, this study analyzes their potential contributions and limitations.
Method: The study was conducted through a literature review. Recent academic studies, reports from international health organizations, and applied case analyses were examined. Additionally, the effectiveness of AI-based models used in clinical and administrative decision support processes was comparatively analyzed.
Findings: The findings indicate that AI-powered DSS provide significant benefits in various healthcare domains. Clinical decision support systems enhance diagnostic accuracy, facilitate early detection, improve treatment planning, and optimize operational efficiency. In hospital management, these systems accelerate decision-making processes related to resource allocation, patient flow, and staff planning. Furthermore, AI plays a crucial role in public health applications by predicting the spread of infectious diseases and informing health policy decisions.
Discussion: Despite their advantages, AI-driven DSS face critical challenges, including data security, ethical concerns, and algorithmic biases. Ensuring the effective use of these systems requires the development of regulatory frameworks to safeguard data privacy and security. Moreover, the adaptation of healthcare professionals to these technologies remains a limiting factor for widespread implementation.
Conclusion: AI-powered DSS have the potential to transform healthcare management and play a pivotal role in enhancing patient care quality. However, sustainable and ethical integration necessitates the establishment of regulatory frameworks, the strengthening of technical infrastructure, and the development of comprehensive training programs for healthcare professionals. In the future, the integration of AI-driven systems into the healthcare sector is expected to make decision-making processes more efficient, objective, and effective.
Keywords: Artificial intelligence (ai), decision support systems (dss), healthcare management, clinical decision support systems (cdss).
Keywords
Artificial intelligence (ai) decision support systems (dss) healthcare management clinical decision support systems (cdss).
References
- Akalın, B., & Veranyurt, Ü. (2022). Sağlık bilimlerinde yapay zekâ tabanlı klinik karar destek sistemleri. Gevher Nesibe Journal of Medical & Health Sciences, 7(18), 64-73. http://dx.doi.org/10.46648/gnj.368
- Akbal, A., & Yıldırım, T. (2023). Yapay zekâ ve klinik karar destek sistemlerinin sağlık sektöründeki yeri. Sosyal, Beşeri ve İdari Bilimler Alanında Uluslararası Araştırmalar I, 22(1), 80-92.
- Büyükkaya, B. (2024). Sağlık hizmetlerinde yapay zekâ: Bir araştırma. Sakarya Üniversitesi İşletme Enstitüsü Yüksek Lisans Tezi.
- Çiriş Yıldız, A., Başıbüyük, O., & Yıldırım, E. (2020). Klinik karar destek sistemlerinin hemşirelikte kullanımı. İnönü Üniversitesi Sağlık Hizmetleri Meslek Yüksekokulu Dergisi, 8(2), 72-85. https://doi.org/10.33715/inonusaglik.743296
- Deperlioğlu, O., Güraksın, G., & Köse, A. (2016). Web tabanlı klinik karar destek sistemleri: Yapıları ve özellikleri. Akademik Bilişim Konferansı Bildirileri, 20, 112-124.
- Ferreira, G., Oliveira, E., Stamper, J., Coelho, A., Paredes, H., & Rodrigues, N. F. (2023, August). A Human-Computer Interaction Perspective on Clinical Decision Support Systems: A Systematic Review of Usability,
- Barriers, and Recommendations for Improvement. In 2023 IEEE 11th International Conference on Serious Games and Applications for Health (SeGAH) (pp. 1-8). IEEE.
- Gasmi, A. (2022). Deep learning and health informatics for smart monitoring and diagnosis. arXiv preprint, arXiv:2208.03143. https://doi.org/10.48550/arXiv.2208.03143
- Gómez-González, E., Gomez, E., Márquez-Rivas, J., Guerrero-Claro, M., Fernández-Lizaranzu, I., Relimpio-López, M. I., ... & Capitán-Morales, L. (2020). Artificial intelligence in medicine and healthcare: a review and classification of current and near-future applications and their ethical and social Impact. arXiv preprint arXiv:2001.09778. https://doi.org/10.48550/arXiv.2001.09778
- Hafiz, P., Nematollahi, M., Boostani, R., & Jahromi, B. N. (2017). Predicting implantation outcome of in vitro fertilization and intracytoplasmic sperm injection using data mining techniques. International journal of fertility & sterility, 11(3), 184. Doi: 10.22074/ijfs.2017.4882
- Hoşgör, H., & Güngördü, H. (2022). Sağlıkta yapay zekânın kullanım alanları üzerine nitel bir araştırma. Avrupa Bilim ve Teknoloji Dergisi, (35), 395-407. https://doi.org/10.31590/ejosat.1052614
- Hussain, M., Khattak, A. M., Khan, W. A., Fatima, I., Amin, M. B., Pervez, Z., ... & Latif, K. (2013). Cloud-based Smart CDSS for chronic diseases. Health and Technology, 3, 153-175. Doi: 10.1007/s12553-013-0051-x
- Kaplan, B. (2001). Evaluating informatics applications: Clinical decision support systems literature review. International Journal of Medical Informatics, 64(2-3), 15-37. Doi: 10.1016/s1386-5056(01)00183-6
- Koç, M. (2013). Yöntem ve uygulama açısından klinik karar destek sistemleri. Okan Üniversitesi Yüksek Lisans Tezi.
- Koç, M., Atılgan Şengül, D., & Uyar, O. (2012). Klinik karar destek sistemleri kullanımına yönelik bir araştırma: Acıbadem Hastanesi örneği. IX. Ulusal Tıp Bilişimi Kongresi Bildirileri, 18(1), 66-78.
- Küsmüş, R. (2019). Kan ve antropometri değerlerinden veri madenciliği yöntemleri kullanılarak meme kanseri tahmini. Kahramanmaraş Sütçü İmam Üniversitesi Yüksek Lisans Tezi.
- Onder, O. (2022). Epistemolojik ve Etik Acidan Klinik Karar Destek Sistemleri. In Tayyibe Bardakçı & M. Ihsan Karaman, Yapay Zeka Etiği. Istanbul: Isar Yayınları. pp. 147-160.
- Pacci, A., Şengül, A., Attar, M., Alagöz, Y., & Uyar, M. (2021). Yapay zekâ tabanlı klinik karar destek sistemi ile tüp bebek tedavisi gebelik sonucu tahmini. EMO Bilimsel Dergi, 36(2), 95-106.
- Yiğit, S., Berşe, S., & Dirgar, E. (2023). Yapay zekâ destekli dil işleme teknolojisi olan ChatGPT'nin sağlık hizmetlerinde kullanımı. Eurasian Journal of Health Technology Assessment, 7(1), 57-65. https://doi.org/10.52148/ehta.1302000
- Yorgancıoğlu Tarcan, M., Kara, F., & Erdem, H. (2024). Türkiye ve dünyada sağlık hizmetlerinde yapay zekâ. Lokman Hekim Journal, 14(1), 50-60. https://doi.org/10.31020/mutftd.1278529
Abstract
Amaç: Bu çalışmanın amacı, sağlık kurumlarında yapay zekâ (YZ) destekli karar destek sistemlerinin (KDS) kullanım alanlarını, avantajlarını ve karşılaşılan temel zorlukları akademik bir çerçevede incelemektir. YZ destekli KDS’lerin sağlık yönetimi ve klinik karar alma süreçlerine etkisi değerlendirilerek, potansiyel katkıları ve sınırlılıkları analiz edilmektedir.
Yöntem: Çalışma, literatür taraması yöntemiyle gerçekleştirilmiştir. Güncel akademik çalışmalar, uluslararası sağlık örgütleri raporları ve uygulamalı vaka analizleri incelenmiştir. Ayrıca, klinik ve yönetsel karar destek süreçlerinde kullanılan YZ tabanlı modellerin etkinliği karşılaştırmalı olarak ele alınmıştır.
Bulgular: Bulgular, YZ destekli KDS’lerin sağlık sektöründe önemli katkılar sunduğunu göstermektedir. Klinik karar destek sistemleri, tanı süreçlerinin doğruluğunu artırarak erken teşhisi mümkün kılmakta, tedavi planlamasını iyileştirmekte ve operasyonel verimliliği artırmaktadır. Hastane yönetiminde ise kaynak tahsisi, hasta akışı ve personel planlamasında karar süreçlerini hızlandırmaktadır. Halk sağlığı uygulamalarında ise YZ, bulaşıcı hastalıkların yayılımını tahmin etme ve sağlık politikalarını yönlendirme konusunda etkili bir araç olarak öne çıkmaktadır.
Tartışma: YZ destekli KDS’lerin faydalarına rağmen, veri güvenliği, etik sorunlar ve algoritmik önyargılar gibi temel zorluklar bulunmaktadır. Bu sistemlerin etkin kullanımı için veri gizliliği ve güvenliği konularında yasal düzenlemelerin geliştirilmesi gerekmektedir. Ayrıca, sağlık profesyonellerinin bu sistemlere adaptasyonu, teknolojinin yaygınlaşmasını sınırlayan önemli faktörler arasındadır.
Sonuç: YZ destekli KDS’ler, sağlık yönetiminde dönüşüm potansiyeline sahiptir ve hasta bakım kalitesini artırmada kritik rol oynamaktadır. Ancak, sürdürülebilir ve etik entegrasyon için düzenleyici çerçevelerin oluşturulması, teknik altyapının güçlendirilmesi ve sağlık çalışanlarına yönelik eğitim programlarının geliştirilmesi gerekmektedir. Gelecekte, bu sistemlerin sağlık sektörüne entegrasyonuyla karar alma süreçlerinin daha etkili ve verimli hale gelmesi beklenmektedir.
Anahtar kelimeler: Yapay zekâ (yz), karar destek sistemleri (kds), sağlık yönetimi, klinik karar destek sistemleri (kkds).
Keywords
Yapay zekâ (yz) karar destek sistemleri (kds) sağlık yönetimi klinik karar destek sistemleri (kkds).
References
- Akalın, B., & Veranyurt, Ü. (2022). Sağlık bilimlerinde yapay zekâ tabanlı klinik karar destek sistemleri. Gevher Nesibe Journal of Medical & Health Sciences, 7(18), 64-73. http://dx.doi.org/10.46648/gnj.368
- Akbal, A., & Yıldırım, T. (2023). Yapay zekâ ve klinik karar destek sistemlerinin sağlık sektöründeki yeri. Sosyal, Beşeri ve İdari Bilimler Alanında Uluslararası Araştırmalar I, 22(1), 80-92.
- Büyükkaya, B. (2024). Sağlık hizmetlerinde yapay zekâ: Bir araştırma. Sakarya Üniversitesi İşletme Enstitüsü Yüksek Lisans Tezi.
- Çiriş Yıldız, A., Başıbüyük, O., & Yıldırım, E. (2020). Klinik karar destek sistemlerinin hemşirelikte kullanımı. İnönü Üniversitesi Sağlık Hizmetleri Meslek Yüksekokulu Dergisi, 8(2), 72-85. https://doi.org/10.33715/inonusaglik.743296
- Deperlioğlu, O., Güraksın, G., & Köse, A. (2016). Web tabanlı klinik karar destek sistemleri: Yapıları ve özellikleri. Akademik Bilişim Konferansı Bildirileri, 20, 112-124.
- Ferreira, G., Oliveira, E., Stamper, J., Coelho, A., Paredes, H., & Rodrigues, N. F. (2023, August). A Human-Computer Interaction Perspective on Clinical Decision Support Systems: A Systematic Review of Usability,
- Barriers, and Recommendations for Improvement. In 2023 IEEE 11th International Conference on Serious Games and Applications for Health (SeGAH) (pp. 1-8). IEEE.
- Gasmi, A. (2022). Deep learning and health informatics for smart monitoring and diagnosis. arXiv preprint, arXiv:2208.03143. https://doi.org/10.48550/arXiv.2208.03143
- Gómez-González, E., Gomez, E., Márquez-Rivas, J., Guerrero-Claro, M., Fernández-Lizaranzu, I., Relimpio-López, M. I., ... & Capitán-Morales, L. (2020). Artificial intelligence in medicine and healthcare: a review and classification of current and near-future applications and their ethical and social Impact. arXiv preprint arXiv:2001.09778. https://doi.org/10.48550/arXiv.2001.09778
- Hafiz, P., Nematollahi, M., Boostani, R., & Jahromi, B. N. (2017). Predicting implantation outcome of in vitro fertilization and intracytoplasmic sperm injection using data mining techniques. International journal of fertility & sterility, 11(3), 184. Doi: 10.22074/ijfs.2017.4882
- Hoşgör, H., & Güngördü, H. (2022). Sağlıkta yapay zekânın kullanım alanları üzerine nitel bir araştırma. Avrupa Bilim ve Teknoloji Dergisi, (35), 395-407. https://doi.org/10.31590/ejosat.1052614
- Hussain, M., Khattak, A. M., Khan, W. A., Fatima, I., Amin, M. B., Pervez, Z., ... & Latif, K. (2013). Cloud-based Smart CDSS for chronic diseases. Health and Technology, 3, 153-175. Doi: 10.1007/s12553-013-0051-x
- Kaplan, B. (2001). Evaluating informatics applications: Clinical decision support systems literature review. International Journal of Medical Informatics, 64(2-3), 15-37. Doi: 10.1016/s1386-5056(01)00183-6
- Koç, M. (2013). Yöntem ve uygulama açısından klinik karar destek sistemleri. Okan Üniversitesi Yüksek Lisans Tezi.
- Koç, M., Atılgan Şengül, D., & Uyar, O. (2012). Klinik karar destek sistemleri kullanımına yönelik bir araştırma: Acıbadem Hastanesi örneği. IX. Ulusal Tıp Bilişimi Kongresi Bildirileri, 18(1), 66-78.
- Küsmüş, R. (2019). Kan ve antropometri değerlerinden veri madenciliği yöntemleri kullanılarak meme kanseri tahmini. Kahramanmaraş Sütçü İmam Üniversitesi Yüksek Lisans Tezi.
- Onder, O. (2022). Epistemolojik ve Etik Acidan Klinik Karar Destek Sistemleri. In Tayyibe Bardakçı & M. Ihsan Karaman, Yapay Zeka Etiği. Istanbul: Isar Yayınları. pp. 147-160.
- Pacci, A., Şengül, A., Attar, M., Alagöz, Y., & Uyar, M. (2021). Yapay zekâ tabanlı klinik karar destek sistemi ile tüp bebek tedavisi gebelik sonucu tahmini. EMO Bilimsel Dergi, 36(2), 95-106.
- Yiğit, S., Berşe, S., & Dirgar, E. (2023). Yapay zekâ destekli dil işleme teknolojisi olan ChatGPT'nin sağlık hizmetlerinde kullanımı. Eurasian Journal of Health Technology Assessment, 7(1), 57-65. https://doi.org/10.52148/ehta.1302000
- Yorgancıoğlu Tarcan, M., Kara, F., & Erdem, H. (2024). Türkiye ve dünyada sağlık hizmetlerinde yapay zekâ. Lokman Hekim Journal, 14(1), 50-60. https://doi.org/10.31020/mutftd.1278529
Details
| Primary Language | Turkish |
|---|---|
| Subjects | Digital Health, Health Care Administration, Health Management, Implementation Science and Evaluation |
| Journal Section | Articles |
| Authors | |
| Publication Date | April 30, 2025 |
| Submission Date | March 3, 2025 |
| Acceptance Date | April 30, 2025 |
| Published in Issue | Year 2025 Volume: 11 Issue: 1 |
