Kardiyolojide yapay zekâ: 31 randomize çalışmanın bilançosu

Sistematik derlemeyi Imperial College London ve Oxford Üniversitesi başta olmak üzere İngiltere, Singapur ve Malezya'dan araştırmacılar yaptı. Makale 6 Ağustos 2026 tarihli ve açık erişimli; tam metni PubMed Central'dan okuduk. Protokol önceden PROSPERO'ya (sistematik derleme kayıt sistemi) kaydedilmiş.

Tarama Temmuz 2025'e kadar yapıldı ve Nisan 2026'da güncellendi. 12.217 kayıt içinden 13 bölgeden 31 RCT seçildi. Toplam katılımcı sayısı 1.685.717'ydi. Bunlardan 11 çalışma (1.614.689 katılımcı) nicel sentezde, yani meta-analizde kullanıldı.

Denemelerin büyük kısmı yeni: yüzde 90'ı 2021 ve sonrasında yayımlanmış. Yüzde 58'i çok merkezliydi, yüzde 65'inin izlem süresi 12 aydan kısaydı. Birincil sonlanımı sert klinik olay (ölüm, yeni damar olayı, hastalık nüksü) olan deneme yalnızca üçtü.

Meta-analizin başlıca sonuçları şunlar:

• Görüntü temelli klinik karar destek sistemleri, majör kardiyovasküler olaylarda (MACE) risk oranını 0,74'e indirdi (yüzde 95 GA 0,58–0,96; 3 deneme, 23.218 katılımcı). Bu, bin hastada yaklaşık 11 olay daha az demek.

• Yapay zekâ destekli mobil sağlık uygulamaları sistolik basıncı ortalama 3,18 mmHg düşürdü; diyastolik basınç ve vücut kitle indeksinde fark yoktu.

• Yapay zekâ destekli EKG, kalp yetersizliği saptamasını anlamlı artırmadı (risk oranı 1,22; yüzde 95 GA 0,70–2,14). Çalışmalar arası tutarsızlık çok yüksekti (I² yüzde 90).

• Atriyal fibrilasyon tanısı ve ekokardiyografi kullanımındaki etki çok düşük kesinlik nedeniyle belirsiz kaldı.

MACE sonucu dikkatle okunmalı. Yazarların tek tek çıkarma analizinde, herhangi bir denemenin çıkarılması anlamlılığı ortadan kaldırdı. GRADE (kanıt kesinliğini derecelendiren sistem) değerlendirmesinde kesinlik yanlılık riski ve geniş güven aralığı nedeniyle düşük bulundu.

Kalp yetersizliği sonucundaki tutarsızlığın ana kaynağı, İngiltere'deki TRICORDER yapay zekâlı stetoskop denemesiydi. Bu çalışma çıkarıldığında tutarsızlık kayboldu ve risk oranı 1,36 oldu (yüzde 95 GA 1,00–1,85). Sonuç ise istatistiksel anlamlılık sınırında kaldı.

Denemelerin kendisinde de sorunlar var. Yalnızca 7 deneme (yüzde 23) düşük yanlılık riskliydi; 9'u (yüzde 29) yüksek riskliydi. Yapay zekâya özgü raporlama kılavuzu CONSORT-AI'nin 14 maddesine uyum medyan yüzde 57'de kaldı. Hiçbir deneme 14 maddenin tamamını raporlamadı.

Yazarlar kendi sınırlılıklarını da belirtiyor. Yalnızca İngilizce yayınlar alındı ve yayımlanmamış denemeler kaçmış olabilir. Birkaç büyük pragmatik deneme, havuzlanmış tahminlere orantısız ağırlık verdi. Dahil edilen hiçbir çalışma, veri kayması (zamanla model performansının bozulması) konusunu ele almadı.

Çıkar çatışması beyanları önemli. Derlemenin özel bir fonu yok. Ancak bir yazar yapay zekâ destekli EKG patenti sahibi ve bu alanda ticari bir şirketin kurucu ortağı. Bir başka yazar yapay zekâ görüntüleme şirketi Ultromics'in kurucusu ve hissedarı.

Tek bir yapay zekâ ürününün pazarlama sunumu, bu tablonun yanında okunmalı. Randomize kanıt, yapay zekânın iş akışını, test istemini ve süreleri değiştirebildiğini gösteriyor. Hastanın gerçekten daha iyi olduğunu gösteren kanıt ise az ve kırılgan. Bir aracı değerlendirirken şu sorular işe yarar:

• Randomize kanıt var mı, yoksa yalnızca doğruluk (AUC) çalışması mı?

• Birincil sonlanım süreç ölçütü mü, yoksa ölüm, yatış ya da MACE gibi sert bir olay mı?

• Deneme CONSORT-AI'ye göre raporlanmış mı; algoritma sürümü ve girdi verisi tanımlanmış mı?

• Sizin hasta grubunuza benzer bir ortamda test edilmiş mi?

• Kurulumdan sonra performans izlemesi ve veri kayması denetimi planlanmış mı?

Makalenin tam metninde Türkiye'de yürütülmüş bir denemeye rastlamadık. Yani bu bilançoya Türkiye'den randomize veri girmiyor; yurt dışı sonuçların yerel hasta profiline taşınabilirliği açık bir soru.

Hastane yönetimleri satın alma sürecinde üreticiden randomize kanıt ve CONSORT-AI uyumunu ayrı bir ölçüt olarak isteyebilir. Tanı ya da karar desteği amaçlı yazılımların tıbbi cihaz denetimi ise Türkiye İlaç ve Tıbbi Cihaz Kurumu'nun (TİTCK) alanında.