Total Diz Protezi Ameliyatı Olan Hastalarda Yapay Zeka Destekli Çok Modlu Ağrı Değerlendirmesi

TÜBİTAK Projesi, 1002 - Hızlı Destek Programı, 2026 - 2027

Total Diz Protezi (TDP) cerrahisi sonrası gelişen şiddetli akut ağrı, hastaların postoperatif iyileşme ve

rehabilitasyon süreçlerini sekteye uğratan en temel bariyerdir. Etkin yönetilemeyen ağrı tablosu;

bireylerde hemodinamik dengesizlik, fonksiyonel yetersizlik, iyileşmede gecikme gibi sistemik

sorunlara yol açmaktadır. Bu durum hastalarda fonksiyonel yetersizliklerle birlikte anksiyete ve

yoğun stres gibi olumsuz etkilere neden olmakta; yaşam kalitesi ve hasta memnuniyetini

düşürmekte ve uygunsuz ilaç tüketimine bağlı komplikasyon risklerini tetiklemektedir. Sağlık

sistemi ölçeğinde ise yetersiz ağrı yönetimi, hastanede yatış sürelerini uzatarak ciddi bir ekonomik

maliyet artışına sebebiyet vermektedir. Mevcut klinik pratikte ağrı takibinin hastanın öz bildirimine ve

sağlık personelinin subjektif gözlemlerine dayanması; özellikle yaşlı popülasyondaki bilişsel engeller,

iletişim güçlükleri ve personel iş yükü nedeniyle tanısal hatalara açık bir yapı sunmaktadır. Projenin

özgün değerini, literatürdeki tekil veri odaklı çalışmaların aksine, TDP ameliyatı olan bireylere özgü

çok modlu bir veri füzyonunu ilk kez denemesi ve ağrıyı hem objektif hem subjektif boyutlarıyla

bütüncül bir yapıda modellemesi oluşturmaktadır. Geleneksel subjektif değerlendirme yöntemlerine

nesnel bir alternatif sunacak olan bu çalışma; fizyolojik ve psikolojik parametreler ile mikro-mimikleri

derin öğrenme tabanlı bir karar destek mekanizmasında birleştirerek literatürdeki yöntemsel boşluğu

doldurmayı hedeflemektedir. Yöntem kapsamında, belirlenen iki merkezde TDP operasyonu geçiren

110 hastadan prospektif veri toplanacaktır. Her hastadan ameliyat sonrası 0, 1, 2 ve 3. günlerde;

dinlenme ve standart klinik protokole uygun hareket (yürüyüş) fazlarında olmak üzere toplam 14

ölçüm periyodu gerçekleştirilecektir. Veri seti; mikro-mimik analizleri için 30 saniyelik yüksek

çözünürlüklü video kayıtları, eş zamanlı fizyolojik veriler (kan basıncı, kalp hızı, EKG), duygusal durum

göstergeleri ve klinik referans metriklerinden (NRS, SF-MPQ gibi) teşkil edilecektir. Teknik mimaride,

heterojen veri yapılarını senkronize eden hibrit bir derin öğrenme modeli benimsenecektir. Yüz

ifadelerindeki ağrı ipuçlarını ayıklamak için Evrişimsel Sinir Ağları (CNN), fizyolojik zaman serisi verilerini

işlemek için Uzun-Kısa Süreli Bellek (LSTM) ağları ve statik klinik veriler için Çok Katmanlı Algılayıcılar

(MLP), "Late Fusion" (Geç Birleştirme) yaklaşımıyla sentezlenecektir. Geliştirilen modelin başarısı,

Sayısal Derecelendirme Ölçeği (NRS) ve uzman hemşire değerlendirmeleriyle korelasyon analizi

yapılarak doğrulanacaktır. Elde edilecek çıktıların, ağrı yönetiminde standartlaştırılmış, daha tutarlı bir

referans sunarak komplikasyonları minimize etmesi ve ülkemizin dijital sağlık stratejik hedefleri

doğrultusunda yerli ve yenilikçi bir yapay zekâ çözümü üretmesi öngörülmektedir.