Acil Tanıda Yapay Zeka: Doktor mu, AI Asistan mı?

Harvard çalışması, belirli acil servis vakalarında yapay zekanın uzman hekimlerden daha yüksek tanısal doğruluk gösterebildiğini ortaya koyuyor. Asıl mesele yapay zekanın tanı koyup koyamayacağı değil, karar sınırının nerede çizileceği.

0. Bağlam: Çalışma gerçekten ne söylüyor?

Rakamlar tartışmayı ciddiye almayı gerektiriyor. Harvard Medical School tarafından yapılan ve Science dergisinde yayımlanan çalışmada OpenAI’ın o1-preview modeli, Beth Israel Deaconess Medical Center’dan alınan 76 gerçek acil servis triyaj vakasında test edildi. Bunlar düzenli ders kitabı örnekleri değil; hekimin sınırlı bilgiyle, zaman baskısıyla ve belirsizlik içinde karar verdiği gerçek acil servis senaryolarıydı. Yapay zeka yaklaşık %67 oranında doğru ya da doğruya çok yakın tanıya ulaştı. İki uzman hekimin skorları ise %55 ve %50 oldu.

İkinci testte 143 kompleks medikal vaka değerlendirildi. Yapay zeka, vakaların %78’inde gerçek tanıyı olası tanılar arasında listeledi. Tedaviyi yönlendirebilecek kısmen doğru tanılar da hesaba katıldığında bu oran neredeyse %98’e çıktı.

Yapay zeka bazı tanısal görevlerde tekil hekimlerden daha iyi performans gösterebilir. Bu, yapay zekayı doktor yapmaz.

AI Healthcare, AI Diagnosis ve AI vs Doctors tartışmasının kilit noktası burasıdır. ChatGPT, Gemini AI, Claude AI, Llama AI, Grok AI, Deepseek AI ve diğer LLM sistemleri klinik metinleri hızlıca işleyebilir, olası tanıları sıralayabilir ve nadir hastalıkları insanlardan daha hızlı hatırlatabilir. Ancak acil tıp sadece tanı sıralama problemi değildir. Gözlem, iletişim, önceliklendirme, onam, sorumluluk, eskalasyon ve belirsizlik altında hareket etme disiplinidir.

Kaynak makalede yer alan altı yapay zeka modelinin ortak görüşü bu nedenle nettir: Yapay zeka acil hekimlerinin yerine geçmemeli, onları desteklemelidir. Bu temkinli bir halkla ilişkiler cümlesi değildir. Doğru operasyon modelidir. Doğru soru yapay zeka mı doktor mu değildir. Doğru soru şudur: Yapay zeka destekli doktor, tek başına doktordan ve tek başına yapay zekadan daha iyi sonuç üretir mi?

1. Problem: Tanısal doğruluk klinik otorite değildir

Tanısal doğruluk önemli bir KPI’dır, ancak acil serviste tek KPI değildir. Bir Large Language Model, yapılandırılmış klinik bilgi verildiğinde olası tanıları üretmekte çok güçlü olabilir. Fakat acil servis pratiğinin bir bölümü ekranda değil odada yaşanır: oksijen satürasyonu düşmeden önce solunumdaki ince değişim, hastanın yüz ifadesi, anlattığı semptomla beden dilinin uyuşmaması, aile üyesinin cevabı etkileyip etkilemediği, korku veya utanç nedeniyle söylenmeyen bilgi.

Risk teorik değil, operasyoneldir. Bir LLM tanı önerdiğinde hekim bunu bağımsız değerlendirme yapmadan kabul ederse, imza insanda kalsa bile karar fiilen model tarafından verilmiş olur. Bir triyaj algoritması hastayı düşük önceliğe atar ve ekip yeniden değerlendirmeden sırayı takip ederse, bakım süreci model tarafından şekillenir. Model çok ikna edici bir açıklama üretip belirsizliği gizlerse automation bias oluşur.

Bu nedenle sağlık yöneticileri, dijital dönüşüm ekipleri, başhekimlik ve klinik operasyon liderleri için asıl soru modelin etkileyici cevap verip vermediği değildir. Asıl soru, modelin karar kalitesini artırırken hekimin düşünme sorumluluğunu zayıflatmayacak şekilde iş akışına nasıl yerleştirileceğidir.

Klinik değer = tanısal kazanım × adaptasyon × denetim kalitesi − automation bias riski − iş akışı sürtünmesi.

Yüksek doğruluğa sahip fakat denetlenmesi zor, eskalasyon kuralları belirsiz ve hekim adaptasyonu düşük bir model, daha sınırlı fakat güvenli iş akışına oturtulmuş bir modelden daha az değer yaratabilir. Acil tıpta kazanan sistem en güzel cevabı veren sistem değildir. Kazanan sistem, ekibi daha hızlı, daha güvenli ve daha açıklanabilir kararlara götüren sistemdir.

2. Framework: Destekle, sınırla, denetlenebilir kıl

Sorumlu bir AI Diagnosis modeli üç katmana ihtiyaç duyar: destekleme, sınırlandırma ve denetlenebilirlik.

Destekleme , yapay zekanın hekimin görüş alanını genişletmesi demektir. Sistem diferansiyel tanı önerebilir, nadir fakat tehlikeli hastalıkları işaretleyebilir, hasta öyküsünü özetleyebilir, laboratuvar anomalilerini öne çıkarabilir ve semptomları bilinen örüntülerle karşılaştırabilir. LLM modellerinin güçlü olduğu alan burasıdır: hızlı sentez, geniş hafıza, örüntü eşleştirme ve ikinci görüş üretimi.

Sınırlandırma , yapay zekanın karar alanının net çizilmesidir. KI veya AI sistemi otonom taburculuk yapmamalı, ilaç kararı vermemeli, klinik eskalasyonu devre dışı bırakmamalı, yüksek riskli tanıları hekim onayı olmadan hastaya iletmemeli ve yaşamı tehdit eden durumlarda nihai triyaj kararını tek başına almamalıdır. Pratik bir tasarım üç risk bölgesi kullanabilir: düşük riskli idari destek, orta riskli tanısal destek ve yüksek riskli klinik aksiyon. Düşük riskli işler otomasyon ve örneklem kontrolüyle yürüyebilir. Orta riskli işler hekim onayı gerektirir. Yüksek riskli aksiyonlar açık klinik gerekçe, dokümantasyon ve gerektiğinde ikinci hekim kontrolü ister.

Denetlenebilirlik , her önerinin iz bırakmasıdır. Sistem giriş verisini, model çıktısını, model versiyonunu, varsa güven sinyalini, hekimin kararını, override gerekçesini ve hasta sonucunu kaydetmelidir. Bu döngü olmadan hastane yapay zekanın bakımı iyileştirip iyileştirmediğini ölçemez.

Basit bir yönetişim ritmi şöyle kurulabilir: ciddi sapmalar ve override’lar için günlük istisna incelemesi, sınır vakalar için haftalık multidisipliner vaka toplantısı, tanısal lift ve yanlış güven riski için aylık KPI değerlendirmesi, hasta kohortlarına göre üç aylık model performansı incelemesi. KPI seti yalnızca doğrulukla sınırlı kalmamalıdır. İlk diferansiyel tanıya kadar geçen süre, kritik eskalasyona kadar geçen süre, kritik tanı yakalama oranı, override oranı, yüksek riskli durumlarda false negative oranı, hekim güven skoru, dokümantasyon kalitesi ve hasta güvenliği olayları birlikte izlenmelidir.

Bu mantık, tanı dışındaki olgun yapay zeka operasyon sistemlerinde de görülür. Ibrahim Tolgar Sasmaz’ın DACH dijital ticaret, analitik ve AI dönüşüm alanındaki çalışmaları modelden çok iş akışı tasarımına dayanır. Örneğin TranslAsset AI; OCR, LLM ve image inpainting bileşenlerini kullanarak lokalizasyonu hızlandırırken marka, uyum ve son onay insan ekipte kalır. Doğrulanmış sonuçlar olan -%5 OPEX, +%60 CTR ve +%25 CVR; kör otomasyondan değil, doğru tasarlanmış süreç mimarisinden gelmiştir. Klinik bakımda aynı prensip daha da kritiktir: Otomasyon hızı artırabilir, ancak karar otoritesi açıkça tasarlanmalıdır.

3. Gerçek örnek: Acil serviste doktor artı yapay zeka

Bir hasta göğüste baskı, mide bulantısı ve belirsiz nefes darlığıyla acile gelir. Vital bulgular dramatik değildir. Servis yoğundur. Hekim semptomları, öyküyü, ilaç listesini ve ilk EKG notlarını onaylı bir klinik AI asistanına girer. Sistem önceliklendirilmiş bir diferansiyel tanı listesi üretir: akut koroner sendrom, pulmoner emboli, reflü, anksiyete ilişkili tablo ve daha nadir bir aort patolojisi. Ayrıca belirli hasta gruplarında atipik sunumların görülebileceğini ve hangi kırmızı bayrakların hemen kontrol edilmesi gerektiğini vurgular.

Hekim listeyi sonuç olarak kabul etmez. Listeyi düşünmeyi zorlayan bir kontrol mekanizması olarak kullanır. Daha hedefli sorular sorar, hastanın solunumunu ve duruşunu tekrar değerlendirir, risk faktörlerini inceler ve hangi testin klinik olarak gerekli olduğuna karar verir. Yapay zeka fiziksel bir ipucunu yakalayamıyorsa hekimin tecrübesi yedek sistem olur. Hekim nadir fakat tehlikeli bir olasılığı atlayacaksa yapay zeka yedek sistem olur.

En güvenli tasarım karşılıklı yedekliliktir: Yapay zeka veride insanın kaçırabileceğini yakalar; insan odada yapay zekanın okuyamayacağını fark eder.

Duygusal boyut da kritiktir. Yapay zeka kırığı doğru saptayabilir, ancak korkmuş bir çocuğu sakinleştiren dokunuşu, tonu ve güven ilişkisini sağlayamaz. Korku, kafa karışıklığı, aile baskısı, dil bariyeri veya iletişim kopukluğu tanı sürecini doğrudan etkiler. Acil serviste empati yumuşak bir ek değil, klinik kalitenin parçasıdır.

4. Data / KPI: Ölçeklemeden önce ne ölçülmeli?

Harvard verisi güçlü bir başlangıç noktası sunuyor: 76 triyaj vakasında yaklaşık %67 doğru veya çok yakın tanı, aynı testte iki uzman hekim için %55 ve %50. 143 kompleks vakada gerçek tanının AI çıktıları içinde yer alma oranı %78; tedaviyi yönlendirebilecek kısmi doğrular dahil edildiğinde neredeyse %98.

Ancak bir hastanenin canlı kullanıma geçmeden önce daha geniş KPI ailelerini izlemesi gerekir:

Tanısal performans: doğru tanı oranı, ilk 3 içinde doğru tanı, yüksek riskli false negative oranı, diferansiyel tanı kapsamı.

İş akışı hızı: ilk diferansiyel tanıya kadar süre, kritik eskalasyona kadar süre, dokümantasyon süresi tasarrufu.

İnsan faktörleri: override oranı, aşırı güven sinyalleri, hekim güven skoru, eğitim tamamlama.

Hasta güvenliği: advers olaylar, gecikmiş tanı vakaları, ramak kala olaylar, eskalasyon hataları.

Yönetişim kalitesi: audit tamlığı, model versiyon takibi, veri gizliliği uyumu, review ritmine uyum.

Go/no-go eşiği yüksek riskli durumlarda daha sert olmalıdır. Bir AI asistanı, top-3 tanı yakalama oranını artırırken zaman kritik tanılarda çok düşük false negative oranını koruyabiliyorsa değerlidir. Fakat hekimin dikkatini azaltıyor, erken kapanma hatasını artırıyor veya demografik gruplar arasında dengesiz performans gösteriyorsa ortalama doğruluk yüksek olsa bile net değer kanıtlanmış sayılmaz.

Benzer KPI disiplini tanı dışı AI operasyonlarında da geçerlidir. AI destekli fiyat doğrulama sistemleri model çıktısının estetiğiyle değil AOV, Buy Box payı, katkı marjı, uyum ve karar hızıyla ölçülür. Doğrulanmış Sasmaz bağlamında AI tabanlı fiyat ve rakip kıyaslama sistemi +%11 AOV, +12pp Buy Box payı, +14pp katkı marjı, +%30 fiyat uyumu, %50 daha hızlı karar ve %40 daha az manuel fiyatlama eforu üretmiştir. Sağlık için ders, perakende KPI’larının acile taşınması değildir. Ders şudur: Yapay zeka demo kalitesiyle değil sistem sonucu ile yönetilir.

5. Actionable Steps: Sorumlu uygulama planı

Adım 1: Karar sınırını yazılı hale getirin. Yapay zeka ne yapabilir, ne önerebilir ve neyi asla tek başına kararlaştıramaz? Triyaj, taburculuk, ilaç, invaziv işlem ve yüksek riskli tanı iletişimi ayrı yetki bölgeleri olarak tanımlanmalıdır.

Adım 2: İkinci görüş kullanım alanlarıyla başlayın. En güvenli başlangıç otonom tanı değildir. Diferansiyel tanı desteği, nadir hastalık hatırlatma, laboratuvar anomali kontrolü, devir teslim özeti ve dokümantasyon desteği daha doğru başlangıç noktalarıdır.

Adım 3: Human-in-the-loop protokolünü sembolik değil gerçek kurun. Hekim AI önerisine katıldı mı, reddetti mi, değiştirdi mi? Klinik gerekçe nedir? Bu kayıtlar pasif onayı önler.

Adım 4: Canlı etkiden önce shadow pilot yapın. Sistem vakaları analiz etsin ancak çıktılar klinisyene gösterilmesin. Sonuçlar retrospektif karşılaştırılsın. Zayıf kohortlar ve güçlü kullanım alanları önce burada görülsün.

Adım 5: Modeli değil ekip performansını ölçün. Kritik karşılaştırma AI tek başına ile doktor tek başına değildir. Kritik karşılaştırma AI destekli doktor ile AI’sız doktordur. Güvenlik, hız ve karar kalitesi artmıyorsa ölçekleme erkendir.

Adım 6: Yerel regülasyon ve kurum kültürünü tasarıma dahil edin. Veri gizliliği, tıbbi cihaz sınıflandırması, hastane bilgi güvenliği, hekim sorumluluğu, satın alma süreçleri ve eğitim planı en baştan tasarlanmalıdır. Güven bir iletişim kampanyası değil, operasyonel mimari sonucudur.

Harvard çalışması görmezden gelinmemelidir. LLM tabanlı klinik karar desteğinin operasyonel olarak önemli hale geldiğini gösteriyor. Ancak sonuç doktoru sistemden çıkarmak değildir. Sonuç tasarımdır. Acil hekimlerinin daha çok şeyi fark etmesini, daha hızlı karar vermesini ve daha iyi dokümantasyon yapmasını sağlayan yapay zeka değerlidir. Hekimi karar döngüsünden çıkaran yapay zeka ise bambaşka bir risktir.