30 Saniyede Özet
Ortam dinleyen yapay zekânın yazdığı acil servis notları, olağan notlara göre yaklaşık yarı oranda kopyalanmış içerik taşıyordu. Applied Clinical Informatics dergisinde Ağustos 2026'da yayımlanan çalışma, ABD'de 14 acil servisteki 315.242 klinik notu inceledi. Hastalar hekimin kendilerini dinlediğini daha sık belirtti, ancak not başına aktif düzenleme süresi değişmedi. Çalışma gözlemsel ve notların doğruluğunu ölçmedi.
Ne oldu?
Virginia'daki INOVA Sağlık Sistemi araştırmacıları, ortam dinleyen yapay zekâ ile not yazma (ambient AI scribe) uygulamasını geriye dönük olarak değerlendirdi. Bu araçlar muayene konuşmasını kaydedip hekim için taslak klinik not üretiyor. Kullanılan sistem Abridge ürünüydü ve Epic elektronik sağlık kaydına bağlıydı. Makale 21 Ağustos 2026'da çevrimiçi yayımlandı ve açık erişimli.
İnceleme Mayıs 2024 ile Haziran 2025 arasındaki 14 acil servisi kapsadı. Araç gönüllü kullanıldı ve aynı hekimler hem yapay zekâlı hem olağan notlar yazdı. Tam metne göre 329 aktif klinisyenin 166'sı aracı en az bir kez kullandı. Yapay zekâ ile 26.583 not üretildi ve makale bunu tüm notların %8,6'sı olarak veriyor.
Hasta deneyimi tarafında fark küçük ama anlamlıydı. "Hekim beni dinlemek için zaman ayırdı" sorusunda en yüksek puanı verenlerin oranı yapay zekâlı karşılaşmalarda %82,0, diğerlerinde %76,6 idi. Bu 5,4 puanlık bir fark (olasılık oranı 1,39; p=0,003). Hekimi önerme olasılığında ise anlamlı fark çıkmadı (%77,6'ya karşı %75,0).
İş yükü bulguları karışık bir tablo çiziyor. Aynı hekimin iki not türü karşılaştırıldığında aktif düzenleme süresi değişmedi (medyan fark +0,17 dakika). Buna karşın hekimler yapay zekâlı not başına 722 karakter daha az yazdı.
Yapay zekâlı notlar yatırılan hastalarda 3,4 saat, taburcu edilenlerde 6,0 saat daha erken tamamlandı. Ancak aracı kullanan hekimler uygulama öncesinde de notlarını daha hızlı bitiriyordu. Öncesi-sonrası fark analizi anlamlı değildi (p=0,337) ve öncesi grubunda yalnızca 2–3 hekim vardı. Kopyalanmış içerik taşıyan not oranı yapay zekâlı notlarda %9,4, olağan notlarda %18,3 idi (olasılık oranı 0,46).
Kanıt ne kadar güçlü?
Bu, randomize değil geriye dönük gözlemsel bir kohort çalışması. Aracı seçen hekimler baştan daha hızlı ya da teknolojiye daha yatkın olabilir. Yazarlar bu seçilim yanlılığını azaltmak için hekimi kendi kontrolü olarak kullandı ve ağırlıklandırma yöntemleri ekledi. Yine de artık karıştırıcı etkiyi tamamen dışlamadıklarını kabul ediyorlar.
İkinci önemli sorun, yeni bir not şablonunun aynı dönemde devreye girmesi. Bu durum özellikle öncesi-sonrası analizlerini bulanıklaştırıyor.
İş yükü ölçeği olan NASA-TLX puanında 40,2 puanlık düşüş bildirildi. Ancak anketi 329 kişiden uygulama öncesi yalnızca 25, sonrası yalnızca 15 kişi yanıtladı. Sonraki yanıtlayanların tamamı aracı kullanan hekimlerdi.
En kritik boşluk, notların doğruluğunun hiç ölçülmemesi. Çalışma uydurma içerik (halüsinasyon), atlanan bilgi ya da tutarsızlık saymadı. Hasta anketleri de çoğunlukla taburcu edilen hastaları temsil ediyor.
Yazarlar Abridge ve Epic ile çıkar çatışmaları olmadığını beyan etti. Teşekkür bölümünde ise Abridge'in SQL kodu ve üst veri paylaştığı belirtiliyor. Bu bağımsızlığı bozmaz, ama okurun bilmesi gereken bir ayrıntı.
Hekim için ne anlama geliyor?
Çalışma, yapay zekâ notunun zaman kazandırdığı varsayımını sorgulatıyor. Hekim daha az yazıyor, ama notu gözden geçirmeye ayırdığı süre kısalmıyor. Kazanç, zamandan çok not kalitesi ve hasta ile göz teması tarafında görünüyor.
Kopyala-yapıştırın azalması önemli bir bulgu. Eski notlardan taşınan bilgi, güncelliğini yitirmiş bulguların kayıtta kalmasına yol açabiliyor. Öte yandan yapay zekâ notunun kendi hata türleri var ve bunları imzalayan hekim sorumlu.
Kurumunuzda böyle bir araç denenirse şunlara dikkat edin.
- Notu imzalamadan önce ilaç, doz, taraf ve alerji bilgilerini ayrıca kontrol edin.
- Aracın kaydetmediği ya da yanlış anladığı bulguları örneklem denetimiyle izleyin.
- Hastaya kayıt yapıldığını anlatın ve onayını alın.
- Verimlilik iddialarını düzenleme süresi gibi nesnel ölçülerle sınayın.
- Kopyalanan içeriğin azalmasını iyi haber sayın, ama yapay zekânın eklediği ifadeleri ayrıca okuyun.
Türkiye'den bakınca
Türkiye'de ortam dinleyen yapay zekâ not araçlarının acil servislerde yaygın kullanıldığına dair doğrulanmış bir veri görmedik. Bu çalışmadaki kurulumda araç, muayene konuşmasını kaydedip taslağı doğrudan elektronik kayda yazıyordu.
Benzer bir kurulum düşünülüyorsa ses kaydının nerede işlendiği, ne kadar saklandığı ve hastanın nasıl bilgilendirileceği baştan netleşmeli. Kişisel Verilerin Korunması Kanunu (KVKK) sağlık verisini özel nitelikli kişisel veri sayar. Perdeyle ayrılmış acil yataklarında yan hastanın konuşmasının kayda girme olasılığı da ayrıca düşünülmeli.
Sık sorulan sorular
Yapay zekâ ile not yazmak acilde zaman kazandırdı mı?
Not başına aktif düzenleme süresi değişmedi. Notlar daha erken tamamlanmış görünse de aracı seçen hekimler zaten daha hızlıydı ve öncesi-sonrası analiz anlamlı çıkmadı. Hekimler ise daha az karakter yazdı.
Hastalar farkı hissetti mi?
"Hekim beni dinledi" sorusunda en yüksek puan oranı %82,0'a karşı %76,6 idi. Fark küçük ama istatistiksel olarak anlamlıydı. Hekimi önerme olasılığında anlamlı fark yoktu.
Yapay zekâ notları doğru muydu?
Bu çalışma notların doğruluğunu değerlendirmedi. Halüsinasyon ya da atlanan bilgi sayılmadı. Yazarlar da bunu önemli bir kanıt boşluğu olarak tanımlıyor.
Kaynaklar
- Kashiouris MG, Miner A, Saleh S ve ark. (2026) — The Effect of Ambient Artificial Intelligence Documentation on Clinician Workload, Efficiency, and Patient Experience in a Multisite Emergency Department Network (Applied Clinical Informatics, tam metin): https://pmc.ncbi.nlm.nih.gov/articles/PMC13574497/
- PubMed (2026) — PMID 42628943 kaydı ve özet: https://pubmed.ncbi.nlm.nih.gov/42628943/
- Thieme (2026) — DOI kaydı: https://doi.org/10.1055/a-2939-3038
- Kişisel Verileri Koruma Kurumu — 6698 sayılı Kişisel Verilerin Korunması Kanunu: https://www.kvkk.gov.tr/Icerik/6649/Personal-Data-Protection-Law
Bu içerik bilgilendirme amaçlıdır ve bireysel tıbbi tavsiye yerine geçmez.
İlgili Yazılar
Bu konuyla ilgili Doktorclub'da ele aldığımız diğer hekim onaylı rehberler:
Applied Clinical Informatics'teki çalışmada 14 acil servisin 315 bin notu incelendi. Yapay zekâlı notlarda kopyalanmış içerik yarı yarıya azdı, süre aynı kaldı.