Özet
Giriş:
Akciğer embolisi (AE), dünya çapında kardiyovasküler morbidite ve mortalitenin önde gelen nedenlerinden biri olmaya devam etmektedir. Yapay zekanın (YZ) AE tanısı, risk stratifikasyonu ve prognoz tahmini için kullanıldığına dair giderek artan sayıda araştırma bulunmaktadır; ancak bu alandaki küresel araştırma manzarası sistematik olarak haritalandırılmamıştır.
Yöntemler:
Bu çalışma, Web of Science Core Collection ve Scopus veritabanlarından AE alanında YZ ile ilgili 590 makaleyi içermektedir. Elde edilen verilerin görsel analizini gerçekleştirmek için R yazılımı, VOSviewer ve CiteSpace ile birlikte bibliometrik yöntemler kullanılmıştır.
Bulgular:
Yıllık makale sayısı 2006 ile 2017 arasında yavaş bir artış göstermiş (62 makale, toplamın %10,5’i) ve 2018’den itibaren belirgin bir hızlanma yaşamıştır; 375 makale (%63,6) 2023 ile 2025 arasında yayımlanmış olup 2025’teki makale sayısı 2017’dekinin yaklaşık 14 katı olmuştur (üstel uyum, R2 = 0,876). 590 makale, 63 ülke/bölgeden 3.844 yazarı ve 1.377 kurumu kapsamaktadır. Amerika Birleşik Devletleri (257 makale, 9.791 atıf) ve Çin (117 makale, 1.320 atıf) en üretken ülkeler iken, ilk 10 ülke arasında makale başına atıf sayısı Almanya ve Amerika Birleşik Devletleri için en yüksek seviyedeydi. Yazar anahtar kelimeleri AE tanısı ve görüntülemeden yoğunlaşırken, son dönemdeki patlama anahtar kelimeleri “tahmin” ve “risk faktörleri” olmuştur.
Sonuç:
2006 ile 2025 arasında yayımlanan 590 makalenin bibliometrik haritalaması, AE alanında YZ araştırmalarının hızlı bir büyüme evresine girdiğini, az sayıda ülke ve kurumun baskın olduğunu ve araştırmaların doğrulanmış klinik uygulamalardan ziyade görüntüleme tabanlı tanıya odaklandığını göstermektedir. Bazı modeller tek veya az sayıda merkezde yapılan çalışmalarda umut verici ayırt edici performans sergilese de mevcut kanıtlar henüz klinik etkinliği veya hasta sonuçlarındaki iyileşmeyi kanıtlamamıştır. Bu nedenle, YZ araçlarının rutin AE bakımına entegre edilmesinden önce prospektif, çok merkezli ve dış geçerliliği doğrulanmış çalışmaların yanı sıra disiplinlerarası ve ulusötesi işbirliği gerekmektedir.
1 Giriş
Kardiyak enfarktüs ve inme sonrası en sık görülen kardiyovasküler hastalık olarak akciğer embolisi (AE), hem insidans hem de mortalite açısından önemli bir küresel hastalık yükü oluşturmakta ve insan kardiyovasküler sağlığını tehdit eden büyük bir halk sağlığı sorunu teşkil etmektedir. Amerikan Kalp Derneği’ne (AHA) göre, 2020’de yaşa göre ayarlanmış mortalite oranı 100.000 kişide 12,2 vakaya (%95 güven aralığı 12,1–12,3) ulaşmıştır (, ). Epidemiyolojik çalışmalar, AE’nin yıllık insidansının 100.000 kişide 39 ila 115 vaka arasında değiştiğini göstermiş, uzun dönemli çalışmalar ise zaman içinde sürekli bir artış eğilimini doğrulamıştır. Bu durum, AE’nin küresel sağlık sistemleri için giderek daha kritik bir halk sağlığı yükü haline geldiğini göstermektedir. Özellikle AE mortalite oranının da eş zamanlı olarak artması, önleme ve kontrolün aciliyetini daha da vurgulamaktadır. 1999 ile 2018 arasındaki ABD ulusal ölüm sertifikalarından elde edilen verilere dayanarak Martin ve arkadaşları () bu dönemde AE’nin altta yatan nedeni olduğu toplam ölüm sayısının 159.572’ye ulaştığını bildirmişlerdir. Ayrıca 2008’den bu yana AE mortalite oranı önceki düşüş eğilimini tersine çevirerek artmaya devam etmiştir. Çalışma aynı zamanda AE mortalitesinde önemli nüfus ve bölgesel farklılıklar olduğunu da ortaya koymuştur: Irksal düzeyde, Siyah nüfustaki mortalite oranı sürekli olarak Beyaz nüfusa göre daha yüksektir; coğrafi olarak güney bölgesindeki mortalite oranı kuzeydoğu, orta batı ve batı bölgelerine göre belirgin şekilde daha yüksektir; kentsel-kırsal dağılım açısından kırsal alanlardaki mortalite oranı kentsel alanlara göre daha yüksek kalmıştır; yaş stratifikasyonunda ise 25–64 yaş arası genç ve orta yaşlı yetişkinler arasındaki mortalite oranı en belirgin artış göstermiş olup bu grup AE ile ilişkili erken mortalitenin ana odak noktası haline gelmiştir.
Avrupa Kardiyoloji Derneği (ESC) kılavuzları, AE ile ilgili altı kanıt boşluğu kategorisini tanımlamakta ve tanı eşiğerlerinin optimize edilmesi ile özel popülasyonlar (örneğin kanser hastaları, hamile kadınlar ve böbrek yetmezliği olanlar) için antikoagülasyon rejimlerinin bireyselleştirilmesine odaklanmaktadır; bu alanlarda kılavuz önerileri karmaşık klinik ihtiyaçları karşılamakta yetersiz kalmaktadır (, ). Ek olarak, Cenevre skoru, Wells skoru ve AE Şiddet Endeksi (PESI) gibi geleneksel değerlendirme araçlarının kullanımı zahmetlidir, esas olarak Avrupa ve Kuzey Amerika kohortlarından türetildikleri için sınırlı popülasyon uyarlanabilirliğine sahiptirler ve hastalık seyrindeki dinamik değişiklikleri yakalayamayan statik değerlendirmelere dayanırlar. Yaşlı ve kanser hastalarında tahmin edici performansları yetersizdir; bu da kılavuzlardaki kanıt boşluklarının yanı sıra bir “araç-kanıt” ikili eksikliğine yol açmaktadır. Bu durum, AE’nin kesin tanısı ve tedavisinin ilerlemesini doğrudan engellemektedir.
Yapay zeka (YZ) teknolojisinin gelişmesiyle birlikte, çok boyutlu veri entegrasyonu, dinamik risk modellemesi ve bireyselleştirilmiş tahmin konusundaki avantajları, AE tanısı ve tedavisindeki bazı darboğazların üstesinden gelmeye yardımcı olabilir (, ). YZ sadece klinik parametreler, biyobelirteçler ve görüntüleme özellikleri arasındaki potansiyel ilişkileri keşfetmekle kalmaz, aynı zamanda tanı kriterlerini iyileştirme, değerlendirme göstergelerini optimize etme, komplikasyonların erken uyarısını sağlama ve antikoagülasyon rejimlerini bireyselleştirme konusunda da umut vaat etmektedir. Bu yaklaşımlar, statik skorlama araçlarının sınırlılıklarını ve klinik kılavuzlardaki kanıt boşluklarını telafi edebilir. Ancak, AE için yayımlanan YZ modellerinin çoğunun tek merkezlerde veya küçük çok merkezli kohortlarda retrospektif olarak geliştirilip test edildiğini, nadiren prospektif olarak doğrulandığını ve klinik kararları veya hasta sonuçlarını değiştirdiğinin nadiren gösterildiğini vurgulamak gerekir. Bu nedenle, YZ tabanlı yaklaşımların klinik faydası ve etkinliği, kesin sonuçlara varılmadan önce sağlam doğrulama ve daha fazla kanıt gerektirmektedir. AE tanısında makine öğrenmesi üzerine artan literatür hacmine rağmen, bu alanın kapsamlı bir bibliometrik incelemesi hala eksiktir. Bu çalışma, bibliometrik yöntemleri (, ) ve yaygın olarak kullanılan bibliometrik yazılımları kullanarak 1 Ocak 2006 ile 21 Aralık 2025 arasında yayımlanan AE ile ilgili YZ araştırmalarını analiz etmektedir. Algoritmalar açısından, derleme geleneksel makine öğrenmesi (destek vektör makineleri, rastgele ormanlar, karar ağaçları, topluluk öğrenmesi ve transfer öğrenmesi), derin öğrenme mimarileri (evrişimli sinir ağları, tekrarlayan ağlar, üç boyutlu ağlar ve nnU-Net segmentasyon ağları), doğal dil işleme ve radyoloji raporları ile elektronik sağlık kayıtlarının metin madenciliğini ve klasik bilgisayar destekli tespit sistemlerini kapsamaktadır. Amaç, araştırmacıların AE’de YZ uygulamalarının mevcut araştırma durumunu ve odak noktalarını daha iyi anlamalarını sağlamak, arama stratejimizle yakalanan YZ teknolojilerinin kapsamını tanımlamak ve gelecekteki araştırmalar ile klinik uygulama için öncelikleri ve açık soruları belirlemektir.
3 Bulgular
3.1 Yayınların büyüme eğilimi
Temel Bulgular ve Genel Değerlendirme
5 Sonuç
Bu çalışma, 2006 ile 2025 yılları arasında Web of Science Core Collection ve Scopus veritabanlarından elde edilen, yapay zekanın pulmoner emboli alanındaki uygulamalarına ilişkin 590 makaleyi sistematik olarak analiz etmek için bibliometrik yöntemler kullanmıştır. Böylece bu alanın küresel araştırma manzarası, teknolojik gelişim seyri ve gelecekteki gelişim eğilimleri kapsamlı bir şekilde haritalandırılmıştır. Sonuçlar, bu alandaki yıllık yayın üretiminin 2018’den itibaren belirgin bir şekilde hızlandığını ve 2023’ten sonra üstel bir büyüme evresine girdiğini göstererek, alanın tıbbi yapay zeka araştırmalarında önemli bir öncü konuma geldiğini ortaya koymaktadır. Anahtar kelime patlaması analizi, araştırma odağının zamanla VTE’nin erken farmakolojik profilaksisi ve temel sinir ağı keşiflerinden CTPA görüntülemeden otomatik tanıya doğru kaydığını ve ayrıca risk tahmini, belirli popülasyonların katmanlandırılması ve çok modlu entegrasyon alanlarına genişlediğini göstermektedir. Ancak mevcut çalışmalar büyük ölçüde tek merkezli veya küçük örneklemli retrospektif tasarımlarla sınırlıdır ve prospektif, çok merkezli ve dış geçerlilik çalışmalarından yoksundur; bu nedenle sonuçların kesinliği ve genellenebilirliği daha da iyileştirilmelidir. Gelecekteki araştırmalar, çok uluslu ve çok merkezli işbirliği ağlarının kurulmasına, prospektif doğrulama ve klinik sonuç değerlendirmelerine odaklanmalı, ayrıca modellerin farklı popülasyonlar arasındaki adilliği ve erişilebilirliği ele alınmalıdır. Bu sayede yapay zekanın pulmoner embolinin kesin tanısı ve tedavisinde standartlaştırılmış ve geniş ölçekli klinik uygulaması teşvik edilebilir.
Beyanlar
Üretken yapay zeka beyanı
Yazar(lar), bu makalenin hazırlanmasında üretken yapay zekanın kullanılmadığını beyan etmiştir.
Bu makaledeki şekillerin yanında sunulan herhangi bir alternatif metin (alt metin), Frontiers tarafından yapay zeka desteğiyle oluşturulmuştur ve yazarlar tarafından mümkün olduğunda incelenmesi de dahil olmak üzere doğruluğu sağlamak için makul çabalar gösterilmiştir. Herhangi bir sorun tespit ederseniz lütfen bizimle iletişime geçin.
Yayıncının notu
Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve yazarların bağlı olduğu kurumların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmak zorunda değildir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından yapılabilecek herhangi bir iddia, yayıncı tarafından garanti edilmez veya onaylanmaz.
Özet
Anahtar Kelimeler
yapay zeka (YZ), bibliometri, klinik karar desteği, küresel ilerleme, makine öğrenmesi, pulmoner emboli (PE)
Atıf
Xiong T, Abulimiti K, Zhang Y ve Shi L (2026) Yapay zeka pulmoner embolide: küresel araştırma eğilimleri ve gelecekteki perspektifler üzerine bibliometrik bir analiz. Front. Med. 13:1978579. doi: 10.3389/fmed.2026.1978579
Alındı
31 Ağustos 2026
Revize edildi
15 Ekim 2026
Kabul edildi
22 Ekim 2026
Yayınlandı
17 Kasım 2026
13 – 2026
Senthil Renganathan, Vels Institute of Science, Technology & Advanced Studies (VISTAS), Hindistan
Ersin Demirer, Health Science University Hamidiye International School of Medicine, Türkiye
Mostafa K. Ahmed, Assiut University Hospital, Mısır
© 2026 Xiong, Abulimiti, Zhang ve Shi.
Bu, Creative Commons Atıf Lisansı (CC BY) şartları altında dağıtılan açık erişimli bir makaledir. Orijinal yazar(lar) ve telif hakkı sahibi(leri)nin belirtilmesi ve bu dergideki orijinal yayına kabul edilen akademik uygulamalara uygun olarak atıfta bulunulması koşuluyla, diğer platformlarda kullanılması, dağıtılması veya çoğaltılmasına izin verilir. Bu şartlara uymayan hiçbir kullanım, dağıtım veya çoğaltmaya izin verilmemektedir.
*İletişim: Lin Shi 15885742241@163.com
Bu makalede ifade edilen tüm iddialar yalnızca yazarlara aittir ve yazarların bağlı olduğu kurumların, yayıncının, editörlerin veya hakemlerin görüşlerini yansıtmak zorunda değildir. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisi tarafından yapılabilecek herhangi bir iddia, yayıncı tarafından garanti edilmez veya onaylanmaz.

