30 Saniyede Özet
Gerçek bir acil serviste dört hafta izlenen dil modeli tabanlı karar destek sisteminde hekimlerin kullanım oranı %68'den %30'a geriledi. Nature Medicine'de 19 Ağustos 2026'da yayımlanan İsrail çalışmasında kullanım, nöbet uzadıkça azaldı. Uzmanlar örneklenen 100 önerinin 99'unu uygun buldu, ancak acilde kalış süresi iki kanatta da 4,9 saatti. Yazarlara göre asıl engel, doğruluktan çok kullanımın sürdürülmesi olabilir.
Ne oldu?
Hayfa'daki Rambam Sağlık Kampüsü ve Technion araştırmacıları, SHAKED adlı sistemi üçüncü basamak bir acil serviste denedi. SHAKED birden fazla büyük dil modeli (LLM; metin üreten yapay zekâ modeli) üzerine kurulu. Çalışmanın özetine göre 1.138 hasta, paralel çalışan iki bölümde analiz edildi. Bir kanatta hekimler sisteme erişebildi, diğerinde olağan rotasyon sürdü.
Yazarların herkese açık analiz kodu deposundaki açıklamaya göre hastalar triyajda sorumlu hemşire tarafından sırayla iki kanada dağıtıldı. Yani bu, klasik bir randomize kontrollü çalışma değil, dönüşümlü atamalı bir pilot. Çalışma ClinicalTrials.gov'da NCT06902675 numarasıyla kayıtlı ve sponsoru Rambam.
En çarpıcı bulgu kullanım eğrisi. Sistemin kullanımı zamanla %68'den %30'a düştü. Nöbetteki her ek saat, daha düşük kullanım olasılığıyla ilişkiliydi (olasılık oranı 0,72; %95 güven aralığı 0,62–0,83).
Hekimler sistemi özellikle radyoloji konsültasyonlarında daha sık kullandı (olasılık oranı 2,98; %95 GA 1,58–5,63). Çalışma süresince istenmeyen olay saptanmadı. Uzman incelemesi, örneklenen 100 çıktının 99'unu klinik açıdan uygun buldu.
Sonuç ölçütlerinde ise tablo sade kaldı. Acil serviste kalış süresi iki kanatta da 4,9 saatti (P=0,99). Konsültasyon döngüsü, uzman istemi ile kayda geçen öneri arasındaki süreyi ifade ediyor. Bu sürede 9,4 dakikalık kısalma eğilimi görüldü, ancak fark anlamlı değildi (P=0,077).
Kanıt ne kadar güçlü?
Çalışma, DECIDE-AI kılavuzunun birinci aşamasına göre tasarlandı. DECIDE-AI, yapay zekâ karar destek sistemlerinin erken klinik değerlendirmesi için 2022'de yine Nature Medicine'de yayımlanan bir raporlama kılavuzu. Bu aşamanın amacı etkinlik kanıtlamak değil. Amaç güvenliği, kullanılabilirliği ve insan etkenlerini görmek.
Yazarlar da bulguların klinik kullanımı haklı çıkarmadığını açıkça yazıyor. Sonuçları yalnızca ileride yapılacak randomize çalışmanın tasarımına yön veren veriler olarak sunuyorlar. Bu dürüst çerçeve, haberin en değerli yanı.
Sınırlılıklar da belirgin. Tek merkez, tek ülke ve yalnızca dört hafta söz konusu. Atama dönüşümlü yapıldığı için iki kanat arasında gizli farklar kalmış olabilir.
Uygunluk değerlendirmesi yalnızca 100 örnek çıktıya dayanıyor. Bu da nadir ama ciddi hataları yakalamak için küçük bir örneklem. Sistemin kendi yazılımı tescilli ve kamuya açık değil, yalnızca istatistik analiz kodu paylaşıldı.
Tam metnin tamamını göremediğimiz için bu yazı özete, dergi sayfasındaki beyanlara, kayıt bilgisine ve analiz kodu açıklamasına dayanıyor. Dergi sayfasına göre yazarlar çıkar çatışması beyan etmedi. Veriler, İsrail sağlık gizliliği mevzuatı gereği yalnızca kontrollü erişimle paylaşılıyor.
Hekim için ne anlama geliyor?
Çalışmanın asıl mesajı, iyi bir modelin kendiliğinden kullanılmadığı. Veriler, nöbet uzadıkça hekimin ek bir ekrana daha az baktığını düşündürüyor. Doğruluğu yüksek bir araç bile iş akışına yük bindiriyorsa terk edilebilir.
Hastanenizde benzer bir sistem gündeme gelirse şu soruları sormakta yarar var.
- Araç ek tıklama ve ek ekran gerektiriyor mu, yoksa var olan akışın içine mi yerleşiyor?
- Kullanım oranı haftalara ve nöbet saatine göre ayrı ayrı izleniyor mu?
- Doğruluk kaç çıktı üzerinde, kim tarafından ve hangi ölçütle değerlendirildi?
- Hasta sonuçlarına etkisi randomize bir çalışmada gösterildi mi?
- Hata ya da yanlış yönlendirme olursa bildirim yolu tanımlı mı?
Radyoloji konsültasyonlarında tercih edilmesi de bir ipucu veriyor. Hekimler aracı her yerde değil, belirli ve tanımlı görevlerde yararlı buluyor olabilir. Kurumlar geniş kapsamlı bir asistan yerine dar görevli araçlarla başlamayı düşünebilir.
Türkiye'den bakınca
SHAKED'in Türkiye'de kullanıldığına dair bir bilgiye rastlamadık. Buradan aktarılabilecek ders, satın alma öncesi doğruluk testinin yetmediği. Acil servise alınacak bir karar destek aracı, pilot dönemde nöbetin geç saatlerindeki kullanım verisiyle de sınanmalı.
SHAKED konsültasyon önerisi üretiyor. Bu tür yazılımlar, kullanım amacına göre Türkiye İlaç ve Tıbbi Cihaz Kurumu'nun (TİTCK) tıbbi cihaz düzenlemelerine girebilir. Sistem hasta kaydını dil modellerine gönderdiği için verinin nerede işlendiği de sorulmalı; Kişisel Verilerin Korunması Kanunu (KVKK) sağlık verisini özel nitelikli sayar.
Sık sorulan sorular
SHAKED acil servis sürelerini kısalttı mı?
Hayır, acilde kalış süresi iki kanatta da 4,9 saatti. Konsültasyon döngüsünde 9,4 dakikalık kısalma eğilimi vardı, ancak istatistiksel olarak anlamlı değildi. Yazarlar bu sonucu yalnızca hipotez üretici olarak yorumluyor.
Sistem güvenli çıktı mı üretti?
Dört haftalık izlemde istenmeyen olay saptanmadı ve uzmanlar 100 örnek çıktının 99'unu uygun buldu. Yine de bu örneklem, seyrek ama ciddi hataları dışlamak için küçük. Güvenlik için daha büyük ve uzun süreli çalışmalar gerekiyor.
Neden kullanım bu kadar düştü?
Yazarlar düşüşü iş yüküne duyarlı bir kopuşla açıklıyor; nöbetin her ek saati daha düşük kullanımla ilişkiliydi. Bu gözlemsel bir ilişki ve nedeni kesin olarak göstermiyor. Yazarlar yine de sürdürülebilir kullanımın asıl engel olabileceğini öne sürüyor.
Kaynaklar
- Leibovitch L, Ahituv A, Gorenshtein A ve ark. (2026) — Prospective evaluation of a large language model clinical decision support system in the emergency department (Nature Medicine): https://www.nature.com/articles/s41591-026-04601-5
- PubMed (2026) — PMID 42618632 kaydı ve özet: https://pubmed.ncbi.nlm.nih.gov/42618632/
- ClinicalTrials.gov (2025) — Artificial Intelligence as a Decision Making Tool in Emergency Medicine (NCT06902675): https://clinicaltrials.gov/study/NCT06902675
- Leibovitch L ve ark. (2026) — SHAKED analiz kodu deposu ve tasarım açıklaması: https://github.com/llironlibo/SHAKED-analysis
- Vasey B ve ark. (2022) — DECIDE-AI raporlama kılavuzu (Nature Medicine): https://www.nature.com/articles/s41591-022-01772-9
- 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:
Nature Medicine'deki İsrail çalışmasında acil hekimlerinin dil modeli destek sistemini kullanımı %68'den %30'a indi; acilde kalış süresi değişmedi.