30 Saniyede Özet
Elektronik kayıt şirketi Epic, Eylül 2026'da iki kurumdan yapay zekâ sonuçları paylaştı. Amsterdam'daki OLVG'de aracı Felemenkçe kullanan çocuk hekimlerinin not yazma süresi yüzde 31 kısaldı. Houston'daki Memorial Hermann'da taslakla başlanan sonuç mesajlarından sonra hastalar yüzde 32 daha az soru gönderdi. Rakamlar şirket yazısında yer alıyor, çalışma tasarımı ise açıklanmamış.
Ne oldu?
Epic, 2 Eylül 2026'da Amsterdam'daki eğitim hastanesi OLVG'ye dair bir yazı yayımladı. Hastanede Chart with Art adlı araç kullanılıyor. Bu araç, muayene konuşmasını arka planda dinleyip not taslağı hazırlıyor ve istemleri sıraya koyuyor. Epic'in açıklamasına göre OLVG, aracı Felemenkçe kullanan ilk kurum.
Yazıya göre OLVG'deki çocuk hekimlerinin randevu başına not yazma süresi yüzde 31 azaldı. Hastanede klinisyenin randevu başına kayıtta geçirdiği toplam süre de yüzde 27 düştü. Bu süre yaklaşık 17 dakikadan 12 dakikanın biraz üzerine indi. Hastanenin tıbbi bilişim yöneticisi, iş yükü algısındaki olumlu işaretlerin henüz erken olduğunu vurguluyor.
Epic, 8 Eylül'de ise Houston merkezli Memorial Hermann Sağlık Sistemi'nin deneyimini aktardı. Burada Art, klinisyen tahlil ve görüntüleme sonuçlarını incelerken hasta için sade dilde bir yorum taslağı hazırlıyor. Klinisyen taslağı okuyup düzenledikten sonra gönderiyor.
Kurumun açıklamasına göre Art taslağıyla başlanan sonuçlarda hastalar yüzde 32 daha az takip mesajı gönderdi. Araçla 55.000'i aşkın mesaj yazıldı. Yorum başına ortalama dokuz saniye kazanç bildiriliyor. Uygulama Aralık 2025'te bir inovasyon kliniğinde pilot olarak başladı, sonra tüm sisteme yayıldı.
Kanıt ne kadar güçlü?
İki yazı da satıcının yayımladığı vaka anlatısı. Hakem denetimi yok. Kaç hekim, kaç randevu, hangi dönem ve hangi karşılaştırma kullanıldığı belirtilmemiş.
Memorial Hermann rakamında seçim yanlılığı (karşılaştırılan grupların baştan farklı olması) riski belirgin. Taslağı kullanıp kullanmamak klinisyenin kararı. Hekimler taslağı daha basit sonuçlarda tercih ediyorsa, soru sayısındaki fark araçtan değil vaka türünden gelebilir. Dokuz saniyelik kazanç da tek başına küçük; asıl soru mesajın doğruluğu.
Bu konuda hakemli dergilerde daha temkinli bir tablo var. Stanford'da 162 klinisyenle yapılan beş haftalık, tek gruplu çalışmada taslakların ortalama kullanım oranı yüzde 20'de kaldı. Okuma ve yazma süresinde değişiklik olmadı. Anketi iki kez dolduran 73 kişide iş yükü ve iş tükenmişliği puanları ise iyileşti.
San Diego'da 52 birinci basamak hekimiyle yapılan randomize bekleme listesi çalışması da zaman kazancı göstermedi. Taslaklar okuma süresinde yüzde 21,8 artışla ilişkiliydi, yanıt süresini anlamlı biçimde değiştirmedi. Yanıtlar da yüzde 17,9 uzadı. İki çalışma da JAMA Network Open'da 2024'te yayımlandı.
Güvenlik tarafında Lancet Digital Health'te 2024'te kısa yazı olarak yayımlanan bir simülasyon çalışması dikkat çekiyor. Altı radyasyon onkoloğu, dil modelinin hazırladığı taslakları değerlendirdi. Düzeltilmemiş taslaklar 156 değerlendirmenin 11'inde ciddi zarar, birinde ölüm riski taşıyor olarak işaretlendi. Hekimlerin düzeltilmiş yanıtları da kendi yanıtlarından çok taslağa benziyordu; yazarlar bunu otomasyon yanlılığı olarak yorumladı.
Hekim için ne anlama geliyor?
Satıcı vaka yazıları yön gösterir ama tek başına kanıt değildir. Zaman kazancı ölçülürken ekranda geçen sürenin kaynağı ve karşılaştırma grubu bilinmelidir. Tahlil yorumlarında ise hız kadar, taslağın aciliyeti doğru iletip iletmediği önemlidir.
Bu tür bir aracı kullanmaya başlarsanız şunlara dikkat edin.
- Taslağı hastaya gitmeden önce satır satır okuyun, özellikle aciliyet ve sonraki adım cümlelerini.
- Taslağı düzeltirken kendi cümlenizi kurun; yalnız küçük rötuş yapmak otomasyon yanlılığını büyütür.
- Kurumunuzdan ölçüm yöntemini, karşılaştırma grubunu ve hata bildirim yolunu isteyin.
- Taslağı kullanmadığınız vakaları da kayda geçirin; seçim yanlılığı ancak böyle görünür.
- Kritik ya da beklenmedik sonuçlarda taslak yerine hastayla doğrudan iletişimi tercih edin.
Türkiye'den bakınca
OLVG örneği, ortam dinleyen not araçlarının İngilizce dışındaki dillerde de kullanılmaya başladığını gösteriyor. Epic'e göre OLVG klinisyenleri, Felemenkçe sürümü doğru çalıştırmak için geliştiricilerle yakın çalıştı. Türkçe konuşulan bir muayene için aynı sonucun kendiliğinden geçerli olacağını varsaymamak gerekir; yerel doğrulama şart.
Türkiye'de hastalar tahlil sonuçlarını Sağlık Bakanlığı'nın e-Nabız sistemi üzerinden referans değerleriyle birlikte görebiliyor. Kılavuza göre aralık dışındaki değerler renkle işaretleniyor. Sonucunu kendisi gören hastaya sade bir açıklama sunmak bu yüzden yerelde de karşılığı olan bir ihtiyaç. Ancak e-Nabız'da kırmızı bir değeri hekimle konuşmadan gören hasta için taslağın tonu ve zamanlaması, ABD'deki akıştan daha da önemli olabilir.
Sık sorulan sorular
Chart with Art ve Art ne yapıyor?
Chart with Art, muayene konuşmasından not taslağı hazırlayan ortam dinleyen bir araç. Memorial Hermann'daki kullanımda Art, tahlil ve görüntüleme sonuçları için hastaya gidecek sade dilde bir yorum taslağı yazıyor. Her iki durumda da metni klinisyen onaylıyor.
Yüzde 32 daha az mesaj, hastanın daha iyi anladığı anlamına mı gelir?
Olabilir ama bu gösterilmedi. Karşılaştırma yöntemi açıklanmadığı için farkın araçtan mı, taslağın seçildiği vaka türünden mi kaynaklandığı bilinmiyor. Hastanın anlama düzeyi ayrıca ölçülmemiş.
Hakemli çalışmalar zaman kazancı gösterdi mi?
2024'te JAMA Network Open'da yayımlanan iki çalışmada yanıt süresinde anlamlı bir kısalma görülmedi. Buna karşın bir çalışmada iş yükü ve iş tükenmişliği puanları iyileşti. Kazanç daha çok algılanan yükte görünüyor.
Kaynaklar
Epic (2026) — AI Helps OLVG Clinicians Reduce Note-Writing Time By Over 30%: https://www.epic.com/epic/post/ai-helps-olvg-clinicians-reduce-note-writing-time-by-over-30/
Epic (2026) — Memorial Hermann Health System Clinicians Use Epic's AI Tool to Help Patients Better Understand Test Results: https://www.epic.com/epic/post/memorial-hermann-health-system-clinicians-use-epics-ai-tool-to-help-patients-better-understand-test-results/
Memorial Hermann (2026) — Basın bülteni, Epic's AI tool helps patients understand test results: https://memorialhermann.org/about-us/newsroom/press-releases/epics-ai-tool-helps-patients-understand-test-results
Garcia P ve ark. (2024) — Artificial Intelligence-Generated Draft Replies to Patient Inbox Messages, JAMA Netw Open: https://pubmed.ncbi.nlm.nih.gov/38506805/
Tai-Seale M ve ark. (2024) — AI-Generated Draft Replies Integrated Into Health Records and Physicians' Electronic Communication, JAMA Netw Open: https://pubmed.ncbi.nlm.nih.gov/38619840/
Chen S ve ark. (2024) — The effect of using a large language model to respond to patient messages, Lancet Digit Health: https://pubmed.ncbi.nlm.nih.gov/38664108/
T.C. Sağlık Bakanlığı (2025) — e-Nabız V.2.1 Kullanım Kılavuzu: https://enabiz.gov.tr/document/User_Manual.pdf
Bu içerik bilgilendirme amaçlıdır ve bireysel tıbbi tavsiye yerine geçmez.
İlgili Yazılar
Bu konuyla ilgili Doktorclub'da ele aldığımız diğer hekim onaylı rehberler:
Amsterdam'da çocuk hekimlerinin not süresi %31 kısaldı, Houston'da taslaklı sonuç mesajlarına %32 daha az soru geldi. Vaka yazıları ve hakemli kanıt.