Tıpta yapay zeka kanıtı ne kadar sağlam? 4.609 çalışmada 19 gerçek deneme

30 Saniyede Özet

Büyük dil modelleri (ChatGPT benzeri yapay zeka sistemleri) hakkında tıp dergilerinde her gün üçten fazla makale çıkıyor. Nature Medicine'da yayımlanan bir derleme, Ocak 2022 ile Eylül 2025 arasındaki 4.609 hakemli çalışmayı inceledi. Bunların yalnızca 1.048'i gerçek hasta verisi kullandı. Hastaya etkisini ileriye dönük ölçen randomize deneme sayısı 19. Çalışmaların büyük bölümü sınav soruları ve kurgusal vakalar üzerinde yapıldı. Yani "yapay zeka hekimi geçti" başlıklarının çoğu, gerçek klinikte sınanmamış sonuçlara dayanıyor.

Derleme ne yaptı?

Araştırmacılar taramayı bir dil modelinin yardımıyla yürüttü; bu tür bir hacmi elle taramak mümkün değildi. Her çalışma veri türüne, tasarımına ve klinik alanına göre sınıflandı. Amaç, kanıtın hangi düzeyde olduğunu haritalamak.

Sonuç: Sınav tarzı görev ve simülasyon çalışmaları çoğunlukta. Gerçek hasta verisi kullananlar dörtte birden az. Bunların da çoğu geriye dönük; hastanın gidişatına etkisini ölçmüyor.

19 gerçek deneme ne diyor?

Sayı az ama sonuçlar öğretici. Nature Medicine'daki bir çalışmada 92 hekim, beş klinik vakada yapay zeka desteğiyle yönetim kararlarında daha yüksek puan aldı. Pakistan'da 58 hekimle yapılan randomize çalışmada tanısal akıl yürütme performansı %27,5 arttı; katılımcılar önce 20 saatlik yapay zeka okuryazarlığı eğitimi almıştı.

Buna karşılık JAMA Network Open'daki bir denemede yapay zeka erişimi hekimlerin tanı puanını anlamlı artırmadı. İlginç ayrıntı: Modelin tek başına puanı hekimlerden yüksekti. Sorun modelde değil, hekimin onu nasıl kullandığındaydı.

Neden bu kadar az gerçek deneme var?

• Randomize çalışma pahalı ve yavaş; modeller aylar içinde değişiyor.
• Hasta verisiyle çalışmak etik kurul ve mahremiyet gerektiriyor.
• Sınav soruları kolay, çarpıcı ve hızlı yayımlanabilir sonuç veriyor.
• Endüstri, ürünleri klinik sonuç ölçmeden pazara sürüyor.

Hekim için pratik sonuç

Bir yapay zeka aracının "yüzde 90 doğruluk" iddiasını duyunca üç soru sorun: Hangi veriyle sınandı? Gerçek hastada mı, sınav sorusunda mı? Hasta sonucu ölçüldü mü? Bu üç soruya olumlu yanıt veren araç azdır.

Kullanım eğitimi, aracın kendisi kadar önemli görünüyor. Pakistan çalışmasındaki 20 saatlik eğitim, etkinin belirleyicilerinden biriydi. Aracı doğru soruyla, doğru yerde ve sonucu doğrulayarak kullanan hekim fayda görüyor.

Türkiye'de durum

Türkiye'den yayımlanan çalışmaların büyük bölümü de sınav ve vaka temelli. Gerçek hasta verisiyle ileriye dönük çalışma sayısı çok az. Bu, yerli kanıt üretmek isteyen klinikler için bir fırsat alanı.

Sık Sorulan Sorular

Yapay zeka sınavı geçtiyse klinikte de başarılı olmaz mı?

Sınav bilgiyi ölçer; klinik belirsizlik, eksik veri ve iletişim gerektirir. Sınav başarısı klinik başarıyı garanti etmez.

Hastalar ChatGPT'ye danışabilir mi?

Genel bilgi için evet, teşhis ve tedavi kararı için hayır. Yanıtı hekimle doğrulayın; ilaç ve doz sorularında özellikle dikkatli olun.

Kanıt boşluğu ne zaman kapanır?

Büyük merkezler randomize çalışmalar başlattı. Önümüzdeki iki-üç yılda hasta sonucu ölçen deneme sayısının hızla artması bekleniyor.

Kaynaklar

• Nature Medicine — LLM-assisted systematic review of large language models in clinical medicine: https://www.nature.com/articles/s41591-026-04229-5
• Nature Medicine — GPT-4 assistance for improvement of physician performance on patient care tasks: a randomized controlled trial: https://www.nature.com/articles/s41591-024-03456-y
• JAMA Network Open — Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial: https://jamanetwork.com/journals/jamanetworkopen/fullarticle/2825395
• Nature Health — Large language model diagnostic assistance for physicians in a lower-middle-income country: a randomized controlled trial: https://www.nature.com/articles/s44360-025-00007-8

Bu içerik bilgilendirme amaçlıdır ve bireysel tıbbi tavsiye yerine geçmez.