Perspectives of Intensive Care Unit Doctors on Artificial Intelligence

Yıl 2025, Cilt: 8 Sayı: 1, 84 - 92, 28.02.2025

Kamuran Uluç

https://doi.org/10.53446/actamednicomedia.1624017

Öz

Objective: This study aims to evaluate the knowledge levels, attitudes, and perceptions of doctors working in intensive care units regarding artificial intelligence (AI) technologies. It also seeks to reveal doctors’ opinions on the current and potential application areas of AI in intensive care processes and their concerns about these technologies.
Method: This cross-sectional study involved a survey targeting doctors working in intensive care units. The survey was conducted online via Google Forms and was accessible for one month. It included 15 questions covering demographic data, knowledge levels about AI, attitudes, and concerns. The data were analyzed using the Statistical Package for the Social Sciences (SPSS) 22.0 software.
Results: A total of 411 participants were involved in the study, and data from 406 respondents with complete answers were evaluated. Of the participants, 90.05% had heard about the use of AI in medicine, and 91.54% believed that AI systems could be beneficial. However, only 13.93% thought that AI could replace their professional decisions in intensive care, while 68.41% disagreed with this view. Furthermore, 37.31% of participants stated that they would trust their own opinions over AI in clinical decision-making processes, whereas 61.19% expressed that AI's decisions could be considered as a second expert opinion. Regarding legal and ethical responsibilities, 65.92% emphasized that the responsibility for any procedure should always lie with the physician. The most highly supported applications of AI included diagnosis after imaging (79.85%), writing discharge summaries (73.13%), and deciding on antibiotherapy based on culture results (69.4%). A significant majority of participants (96.27%) acknowledged the potential for technical issues in AI systems, and 89.55% expressed concerns about data security risks. Nevertheless, most doctors believed that AI has the potential to improve patient care processes.
Conclusion: This study demonstrates that intensive care physicians generally have a positive attitude toward AI technologies. However, legal, ethical, and technical challenges play a significant role in their effective integration. AI holds great potential to enhance efficiency and improve patient outcomes in intensive care processes. However, training programs to enhance doctors' knowledge and regulations addressing their concerns are essential for facilitating the adoption of these technologies in clinical practice.

Anahtar Kelimeler

Artificial intelligence, intensive care unit, clinical decision support, physician attitudes

Yoğun Bakım Ünitesinde Çalışan Doktorların Yapay Zeka İle İlgili Bakış Açıları

Öz

Amaç: Yoğun bakım ünitelerinde görev yapan doktorların yapay zeka (YZ) teknolojilerine ilişkin bilgi düzeylerini, bu teknolojilere yönelik tutum ve algılarını değerlendirmeyi amaçlamaktadır. Ayrıca YZ'nin yoğun bakım süreçlerindeki mevcut ve potansiyel uygulama alanlarına dair doktorların görüşlerini ve bu teknolojilere yönelik endişelerini ortaya koymak hedeflenmiştir.
Yöntem: Kesitsel bir araştırma olarak tasarlanan bu çalışmada, yoğun bakım ünitelerinde çalışan doktorlara yönelik bir anket kullanılmıştır. Anket Google Formlar aracılığıyla çevrimiçi olarak uygulanmış ve 1 ay boyunca erişime açık bırakılmıştır. Ankette demografik veriler, YZ konusundaki bilgi düzeyleri, tutumlar ve endişelerle ilgili toplam 15 soru yer almıştır. Veriler Statistical Package for the Social Sciences (SPSS) 22.0 programı kullanılarak analiz edilmiştir.
Bulgular: Çalışmaya 411 kişi katılmış ancak eksiksiz yanıt veren 406 kişinin verileri değerlendirmeye alınmıştır. Katılımcıların %90,05’i YZ'nin tıpta kullanımını duyduğunu, %91,54’ü ise YZ sistemlerinin faydalı olabileceğini düşünmektedir. Bununla birlikte yoğun bakımda YZ'nin kendi mesleki kararlarının yerini alabileceğini düşünenlerin oranı %13,93 ile sınırlı kalırken, %68,41’i bu görüşe katılmamıştır. Katılımcıların %37,31’i klinik karar süreçlerinde YZ yerine kendi görüşlerine güveneceğini belirtmiş, %61,19’u ise YZ'nin kararlarının ikinci bir uzman görüşü olarak değerlendirilebileceğini ifade etmiştir. Yasal ve etik sorumluluklar açısından katılımcıların %65,92’si işlemin sorumluluğunun her durumda hekime ait olması gerektiğini vurgulamıştır. YZ'nin kullanım alanları arasında en yüksek oranlarda desteklenen uygulamalar; görüntüleme sonrası tanı (%79,85), epikriz yazımı (%73,13) ve kültür sonuçlarına göre antibiyoterapi kararı (%69,4) olmuştur. Katılımcıların %96,27’si YZ sistemlerinde teknik sorunlar yaşanabileceğini, %89,55’i ise veri güvenliği konusundaki risklerden endişe duyduğunu ifade etmiştir. Buna rağmen doktorların büyük bir kısmı YZ'nin hasta bakım süreçlerini iyileştirme potansiyeline sahip olduğunu düşünmektedir.
Sonuç: Bu çalışma yoğun bakım doktorlarının YZ teknolojilerine karşı genel olarak olumlu bir yaklaşım sergilediklerini ancak bu teknolojilerin etkin entegrasyonunda yasal, etik ve teknik zorlukların önemli bir rol oynadığını göstermektedir. YZ'nin yoğun bakım süreçlerinde verimliliği artırma ve hasta sonuçlarını iyileştirme potansiyeli büyüktür. Ancak doktorların bilgi düzeylerini artıracak eğitim programları ve endişelerini ele alacak düzenlemeler, bu teknolojilerin klinik uygulamalarda benimsenmesini kolaylaştıracaktır.

Anahtar Kelimeler

Yapay zeka, yoğun bakım ünitesi, klinik karar desteği, doktor tutumları

Etik Beyan

Çalışma için Sağlık Bilimleri Üniversitesi Yedikule Göğüs Hastalıkları ve Göğüs Cerrahisi Eğitim ve Araştırma Hastanesi’nde etik kurul onayı ( Karar no: 2023-364 ) alınmıştır.

Kaynakça

• 1. Tobin JM, Lusczek E, Bakker J. Artificial intelligence and machine learning in critical care research. J Crit Care. 2024;82:154791. doi:10.1016/j.jcrc.2024.154791
• 2. Uluç K. Yoğun Bakımda Yapay Zekanın Kullanımı. Ayvat, Pınar (ed.). Anestezide İnovatif Teknolojiler. Akademisyen Kitabevi; 2022:93-104.3. Reddy S, Fox J, Purohit MP. Artificial intelligence-enabled healthcare delivery. J R Soc Med. 2019;112(1):22-28. doi:10.1177/0141076818815510
• 4. Pollard TJ, Johnson AEW, Raffa JD, Celi LA, Mark RG, Badawi O. The eICU Collaborative Research Database, a freely available multi-center database for critical care research. Sci Data. 2018;5:180178. doi:10.1038/sdata.2018.178.
• 5. Tang R, Zhang S, Ding C, Zhu M, Gao Y. Artificial Intelligence in Intensive Care Medicine: Bibliometric Analysis. J Med Internet Res. 2022;24(11):e42185. doi: 10.2196/42185
• 6. Maassen O, Fritsch S, Palm J, et al. Future medical artificial intelligence application requirements and expectations of physicians in german university hospitals: Web-based survey. J Med Internet Res. 2021; 23(3):e26646. doi:10.2196/26646
• 7. van der Meijden SL, de Hond AAH, Thoral PJ, et al. Intensive Care Unit Physicians’ Perspectives on Artificial Intelligence–Based Clinical Decision Support Tools: Preimplementation Survey Study. JMIR Hum Factors. 2023;10:e39114. doi:10.2196/39114.
• 8. Wadhwa V, Alagappan M, Gonzalez A, et al. Physician sentiment toward artificial intelligence (AI) in colonoscopic practice: a survey of US gastroenterologists. Endosc Int Open. 2020;8(10):E1379-E1384. doi:10.1055/a-1223-1926
• 9. Sarwar S, Dent A, Faust K, et al. Physician perspectives on integration of artificial intelligence into diagnostic pathology. NPJ Digit Med. 2019;2:28. doi:10.1038/s41746-019-0106-0
• 10. Oh S, Kim JH, Choi SW, Lee HJ, Hong J, Kwon SH. Physician confidence in artificial intelligence: An online mobile survey. J Med Internet Res. 2019;21(3):e12422. doi:10.2196/12422
• 11. Scheetz J, Rothschild P, McGuinness M, et al. A survey of clinicians on the use of artificial intelligence in ophthalmology, dermatology, radiology and radiation oncology. Sci Rep. 2021;11(1):5193. doi:10.1038/s41598-021-84698-5
• 12. Koyner JL, Carey KA, Edelson DP, Churpek MM. The development of a machine learning inpatient acute kidney injury prediction model. Crit Care Med. 2018;46(7):1070-1077. doi:10.1097/CCM.0000000000003123
• 13. Awad A, Bader-El-Den M, McNicholas J, Briggs J, El-Sonbaty Y. Predicting hospital mortality for intensive care unit patients: Time-series analysis. Health Informatics J. 2020;26(2):1043-1059. doi:10.1177/1460458219850323.
• 14. Awad A, Bader-El-Den M, McNicholas J, Briggs J. Early hospital mortality prediction of intensive care unit patients using an ensemble learning approach. Int J Med Inform. 2017;108:185-195. doi:10.1016/j.ijmedinf.2017.10.002
• 15. Holmgren G, Andersson P, Jakobsson A, Frigyesi A. Artificial neural networks improve and simplify intensive care mortality prognostication: A national cohort study of 217,289 first-time intensive care unit admissions. J Intensive Care. 2019;7:44. doi:10.1186/s40560-019-0393-1
• 16. Singer P, Robinson E, Raphaeli O. The future of artificial intelligence in clinical nutrition. Curr Opin Clin Nutr Metab Care. 2024;27(2):200-206. doi:10.1097/MCO.0000000000000977
• 17. Davoudi A, Malhotra KR, Shickel B, et al. Intelligent ICU for Autonomous Patient Monitoring Using Pervasive Sensingand Deep Learning. Sci Rep. 2019;9(1):8020. doi:10.1038/s41598-019-44004-w
• 18. Fleuren LM, Thoral P, Shillan D, Ercole A, Elbers PWG. Right Data Right Now Collaborators. Machine learning in intensive care medicine: ready for take-off? Intensive Care Med. 2020;46(7):1486-1488. doi:10.1007/s00134-020-06045-y
• 19. van de Sande D, van Genderen ME, Huiskens J, Gommers D, van Bommel J. Moving from bytes to bedside: a systematic review on the use of artificial intelligence in the intensive care unit. Intensive Care Med. 2021;47(7):750-760. doi:10.1007/s00134-021-06446-7
• 20. Yu KH, Beam AL, Kohane IS. Artificial intelligence in healthcare. Nat Biomed Eng. 2018;2(10):719-731. doi: 10.1038/s41551-018-0305-z
• 21. Yoon JH, Pinsky MR, Clermont G. Artificial Intelligence in Critical Care Medicine. Crit Care. 2022;26(1):75. doi: 10.1186/s13054-022-03915-3
• 22. Ranard BL, Park S, Jia Y, et al. Minimizing bias when using artificial intelligence in critical care medicine. J Crit Care. 2024;82:154796. doi:10.1016/j.jcrc.2024.154796