Sağlıkta Yapay Zekâ: Bugün Neler Yapabiliyor, Nerede Başarısız Oluyor ve Nasıl Düzenleniyor?

Yapay zekâ bugün sağlıkta neler yapabiliyor?

Sağlıkta yapay zekâ, bir tarayıcının içindeki görüntü analizi yazılımından sağlıkla ilgili soruları yanıtlayan genel sohbet robotlarına kadar pek çok teknolojiyi kapsar. Aşağıda özetlenen kanıtlara göre 3 Kasım 2026 itibarıyla en güçlü sonuçlar, açıkça tanımlanmış tek bir işi yapan, bu iş için test edilmiş ve onaylanmış dar kapsamlı araçlardan, en zayıf sonuçlar ise doğrudan hastalara tavsiye veren genel sohbet robotlarından geliyor.

ABD Gıda ve İlaç Dairesi (FDA), Amerika Birleşik Devletleri'nde pazarlanmasına izin verilen yapay zekâ destekli tıbbi cihazların herkese açık bir listesini tutuyor ^[1]. FDA'nın 4 Eylül 2026 itibarıyla güncel olarak işaretlediği bu listenin sayımı, 1.230'u radyoloji, 154'ü kardiyovasküler ve 73'ü nöroloji alanında olmak üzere 1.614 kayıt gösteriyor ^[1]. FDA, bu cihazların güvenlik ve etkinliğe odaklanan bir inceleme dahil, geçerli pazar öncesi gereklilikleri karşıladığını söylüyor ^[1].

Dünya Sağlık Örgütü (DSÖ), yeni üretken modellerin kullanım alanlarını beş grupta topluyor: tanı ve klinik bakım, semptom araştırma gibi hasta tarafından yönlendirilen kullanım, muayenelerin kayda geçirilmesi gibi büro ve idari işler, tıp ve hemşirelik eğitimi, bilimsel araştırma ve ilaç geliştirme ^[2].

Bu tıbbi tavsiye değil, genel bilgidir. Kendi sağlığınızla ilgili kararlar yetkin bir hekimle birlikte verilmelidir.

Yapay zekâ tıbbi görüntülemede nasıl kullanılıyor?

Onaylanmış ürün sayısıyla ölçüldüğünde, yapay zekânın en yerleşik olduğu alan görüntülemedir: Radyoloji, FDA listesindeki kayıtların yaklaşık dörtte üçünü oluşturuyor ^[1].

Meme kanseri taraması

En bilinen randomize kanıt, İsveç'in ulusal tarama programı kapsamında güneybatı İsveç'teki dört merkezde yürütülen MASAI çalışmasından geliyor ^[3]. Çalışma 105.934 kadını rastgele olarak yapay zekâ destekli taramaya ya da iki radyoloğun yaptığı standart çift okumaya atadı ^[3]. Yapay zekâ sistemi Transpara, incelemeleri tekli veya çift okumaya ayırdı ve şüpheli bulguları vurguladı ^[3].

Yapay zekâ destekli grupta 338 kanser (1.000'de 6,4) tespit edilirken standart okumada bu sayı 262 (1.000'de 5,0) oldu; oran 1,29 idi ^[3]. Yanlış pozitif oranı 1,01 oranıyla esasen aynı kaldı ve radyologlar 109.692 yerine 61.248 tarama okuması yaptı; bu %44,2'lik bir azalma demek ^[3]. Yazarlar, yapay zekânın klinik açıdan önemli meme kanserinin erken tespitine katkı sağladığı sonucuna vardı ^[3]. Bu rapor ikincil sonuçları kapsıyordu; yayımlanan özet, bunu geri çağırma, tespit, yanlış pozitifler ve iş yüküne ilişkin protokolde tanımlanmış bir analiz olarak tanımlıyor ^[3].

Çalışmanın birincil sonucu olan aralık kanserleri (taramanın tespit edemediği ve tarama turları arasında teşhis edilen kanserler) oranı 2026'da The Lancet dergisinde yayımlandı ^[9]. Aralık kanseri oranları yapay zekâ desteğiyle 1.000 katılımcıda 1,55, standart okumayla 1.000 katılımcıda 1,76 oldu; 0,88'lik bu oran çalışmanın eşdeğerlik (non-inferiority) testini karşıladı; duyarlılık %73,8'e karşı %80,5 idi, özgüllük ise her iki grupta da %98,5 oldu ^[9]. Yazarlar, yapay zekâ destekli taramanın klinik uygulamaya alınması için değerlendirilebileceğini yazdı ^[9].

Göz taraması

Yapay zekâ radyoloji bölümünün dışına da çıktı. FDA listesinde onay tarihi 11 Nisan 2018 olan bir göz cihazı olan IDx-DR ile bunun sonraki sürümleri ve EyeArt gibi rakipleri yer alıyor ^[1]. FDA'nın De Novo veritabanı, IDx-DR'yi aynı tarihte onay verilmiş bir diyabetik retinopati tespit cihazı olarak sınıflandırıyor ^[10].

Sağlıkta yapay zekâ nerelerde başarısız oldu?

Yaygın olarak kullanılan her araç vaat edildiği gibi çalışmıyor. En net uyarı, enfeksiyona karşı hayatı tehdit eden bir tepki olan sepsis gibi riskleri tahmin eden hastane tahmin modellerinden geliyor.

Michigan Medicine'deki araştırmacılar 2021'de yaygın olarak kullanılan tescilli bir araç olan Epic Sepsis Model'i 27.697 hasta ve 38.455 hastane yatışı üzerinde harici olarak doğruladı ^[4]. Model, 0,63'lük bir eğri altındaki alan (AUC; bir modelin vakaları vaka olmayanlardan ne kadar iyi ayırdığının ölçüsü; 0,5 şans düzeyi, 1,0 ise kusursuz) değerine ulaştı ^[4]. Uyarı eşiğinde sepsisli 1.709 hastayı, yani toplamın %67'sini tespit edemezken tüm hastane yatışlarının %18'i için uyarı üretti ^[4]. Yazarlar, modelin ayırt etme ve kalibrasyon performansının zayıf olduğu ve yaygın kullanımının ulusal düzeyde sepsis yönetimi konusunda endişe yarattığı sonucuna vardı ^[4].

Yazarlar ayrıca bu performansın modelin geliştiricisinin bildirdiği rakamlardan belirgin şekilde daha kötü olduğunu bildirdi ^[4]; bu da bir geliştiricinin bildirdiği sonuçların başka yerlerdeki performansı garanti etmediğini gösteriyor. DSÖ de benzer şekilde büyük ölçekli kullanımlar için, sonuçların yaş, ırk veya engellilik gibi kullanıcı özelliklerine göre ayrıştırıldığı bağımsız yayın sonrası denetimler ve etki değerlendirmeleri öneriyor ^[2].

Yapay zekâ sohbet robotları güvenilir tıbbi tavsiye verebilir mi?

Büyük dil modelleri artık tıbbi bilgi kıyaslama testlerinde ABD Tıp Lisans Sınavı'nı (USMLE) geçmeye denk düzeyde puan alıyor, ancak bu, insanların kendi semptomları hakkında iyi kararlar vermesine yardımcı oldukları anlamına gelmiyor ^[5]. 9 Şubat 2026'da Nature Medicine dergisinde yayımlanan, önceden kaydedilmiş randomize bir çalışma bunu doğrudan test etti ^[5].

Oxford Üniversitesi'ndeki araştırmacılar ve meslektaşları, Birleşik Krallık'ta yaşayan 1.298 yetişkine, NICE Clinical Knowledge Summaries temel alınarak hazırlanan ve aile hekimleri ile yoğun bakım doktorlarıyla birlikte geliştirilen on tıbbi senaryodan birini verdi ^[5]. Katılımcılar GPT-4o, Llama 3 veya Command R+ modellerini ya da kontrol grubunda genellikle kullandıkları kaynakları, çoğunlukla internet aramasını kullandı ^[5].

• Modeller tek başına ortalama olarak vakaların %94,9'unda ilgili hastalıkları, %56,3'ünde ise doğru eylem yolunu (yönlendirme) belirledi ^[5].
• Modelleri kullanan kişiler vakaların %34,5'inden azında ilgili hastalıkları, %44,2'sinden azında ise doğru yönlendirmeyi belirledi ^[5].
• Kontrol grubu, ilgili hastalıkları belirlemede sohbet robotu gruplarından belirgin şekilde daha başarılıydı ^[5].

Yazarlar başarısızlıkların kaynağını etkileşimde buldu: Kullanıcılar çoğu zaman semptomların yeri veya şiddeti gibi önemli ayrıntıları atladı, doğru önerileri nihai yanıtlarına taşımadı ve tutarsız tavsiyeler aldı; beyin kanamasını (subaraknoid kanama) anlatan bir senaryoda bir kullanıcıya karanlık bir odada uzanması söylenirken, neredeyse aynı semptomlara sahip bir başka kullanıcıya acil bakım alması söylendi ^[5]. Yazarlar, test edilen modellerin hiçbirinin doğrudan hasta bakımında kullanıma hazır olmadığı sonucuna vardı ve kamuya sunulmadan önce gerçek kullanıcılarla sistematik testler yapılması çağrısında bulundu ^[5].

ABD standartlar kurumu NIST de genel hatlarıyla aynı uyarıyı yapıyor: Hasta bilgilerinin uydurma (konfabüle edilmiş) bir özeti, doktorları yanlış teşhis veya tedavilere yönlendirebilir ^[6].

Yapay zekâ tıbbi araştırmalara ve ilaç keşfine nasıl yardımcı oluyor?

Yapay zekâ yalnızca klinikte değil, laboratuvarda da kullanılıyor. 2024 Nobel Kimya Ödülü, hesaplamalı protein tasarımı için David Baker ile protein yapısı tahmini için Google DeepMind'dan Demis Hassabis ve John Jumper arasında paylaştırıldı ^[7]. İsveç Kraliyet Bilimler Akademisi, 2020'de tanıtılan yapay zekâ modelleri AlphaFold2'nin araştırmacıların tanımladığı 200 milyon proteinin neredeyse tamamının yapısını tahmin etmek için kullanıldığını ve 190 ülkeden iki milyondan fazla kişi tarafından kullanıldığını açıkladı ^[7].

Akademi, bir proteinin yapısının işlevi açısından belirleyici olduğunu belirtti ve antibiyotik direncini anlamak ile plastiği ayrıştırabilen enzimlerin görüntülerini oluşturmak gibi uygulamaları örnek gösterdi ^[7]. DSÖ, yeni bileşiklerin belirlenmesi dahil bilimsel araştırma ve ilaç geliştirmeyi, üretken modellerin sağlık alanındaki başlıca kullanımları arasında sayıyor ^[2].

Sağlıkta yapay zekânın başlıca riskleri nelerdir?

Şimdiye kadar gösterilen faydalar

• Büyük bir randomize çalışmada, yanlış pozitifler artmadan taramada daha yüksek kanser tespiti ve daha düşük okuma iş yükü ^[3].
• FDA listesinde, kurumun pazar öncesi gereklilikleri karşıladığını söylediği 1.600'den fazla onaylı yapay zekâ destekli cihaz ^[1].
• 190 ülkeden iki milyondan fazla kişinin kullandığı ve 2024 Nobel Kimya Ödülü ile tanınan protein yapısı tahmini ^[7].
• Aynı tarama çalışmasının birincil analizinde eşdeğer (non-inferior) bir aralık kanseri oranı ve daha yüksek duyarlılık ^[9].

DSÖ ve diğerlerinin belirlediği riskler

• Yanlış çıktılar. DSÖ, büyük çok modlu modellerin sağlık kararları veren kişilere zarar verebilecek yanlış, hatalı, yanlı veya eksik ifadeler üretebileceği konusunda uyarıyor ^[2].
• Yanlılık. Modeller ırk, etnik köken, cinsiyet, toplumsal cinsiyet kimliği veya yaşa dayalı yanlılık dahil olmak üzere düşük kaliteli veya yanlı verilerle eğitilmiş olabilir ^[2].
• Otomasyon yanlılığı. Hekimler ve hastalar hataları gözden kaçırabilir veya zor kararları sisteme bırakabilir ^[2].
• Gerçek dünyada zayıf performans. Sepsis modelinin gösterdiği gibi araçlar, geliştirildikleri ortamın dışında beklenenin altında performans gösterebilir ^[4].
• Gizlilik. Stanford araştırmacıları, önde gelen altı sohbet robotu geliştiricisinin kullanıcıların sohbet verilerini varsayılan olarak modellerini eğitmek için kullandığını tespit etti ve kullanıcıların biyometrik ve sağlık verilerini paylaşması konusunda uyardı ^[8].
• Güvenlik ve erişim. DSÖ ayrıca hasta bilgilerine yönelik siber güvenlik risklerine ve en iyi performans gösteren sistemlere eşit olmayan erişime dikkat çekiyor ^[2].

Sağlıkta yapay zekâ nasıl düzenleniyor?

Düzenleme, yazılımın ne yaptığına bağlıdır. Amerika Birleşik Devletleri'nde tıbbi cihaz tanımını karşılayan yapay zekâ FDA'nın pazar öncesi incelemesinden geçer ve kurum, tespit ettiği onaylı cihazları yayımlar ^[1]. FDA, cihazlar esas olarak onay özetlerindeki yapay zekâyla ilgili terimler aracılığıyla belirlendiği için listesinin kapsamlı olmadığını belirtiyor ^[1]. Ayrıca büyük dil modelleri (LLM'ler) dahil temel modelleri kullanan cihazları belirleme ve etiketleme yollarını araştıracağını söylüyor ^[1].

Kamunun sağlık soruları için kullandığı genel amaçlı sohbet robotları, pazarlanmasına izin verilen cihazları kapsayan bu listede yer almıyor ^[1]. DSÖ, hükümetlerin kaynakları elverdiğince sağlık alanında kullanılması amaçlanan büyük çok modlu modelleri değerlendirmek ve onaylamak üzere mevcut veya yeni bir düzenleyici kurumu görevlendirmesini ve bu tür sistemlerin etik ve insan hakları standartlarını karşılamasını sağlamak için yasaları kullanmasını öneriyor ^[2].

DSÖ ayrıca geliştiricilerden hastaları ve sağlık profesyonellerini tasarımın ilk aşamalarından itibaren sürece dahil etmelerini ve modelleri gereken doğruluk ve güvenilirliğe sahip, iyi tanımlanmış görevler için geliştirmelerini istiyor ^[2]. Kurallar ülkeden ülkeye farklılık gösteriyor ve sık sık değişiyor; güncel gereklilikler için ülkenizin ilaç veya tıbbi cihaz düzenleyicisine başvurun.

Hastalar yapay zekâ sağlık araçlarını nasıl güvenle kullanmalı?

1. Sohbet robotu yanıtlarını bir teşhis olarak değil, bir başlangıç noktası olarak görün. Oxford çalışmasında sohbet robotlarını kullanan kişiler ilgili hastalıkları belirlemede bir kontrol grubundan daha başarılı olamadı ^[5].
2. Bir sohbet robotu kullanıyorsanız eksiksiz bilgi verin; semptomların nerede olduğu, ne kadar şiddetli olduğu ve ne sıklıkla görüldüğü dahil; eksik ayrıntılar başarısızlığın başlıca nedenlerinden biriydi ^[5].
3. Acil semptomlarda bir sohbet robotuna sormak yerine acil tıbbi yardım alın; çalışma, neredeyse aynı beyin kanaması senaryoları için birbirine zıt tavsiyeler tespit etti ^[5].
4. Sağlık verilerinizi koruyun. Geliştiricilerinin sohbet verilerini genellikle varsayılan olarak eğitim için kullandığı bireysel sohbet robotlarına kimliğinizi belli eden tıbbi kayıtlar girmekten kaçının ^[8].
5. Hekiminize, DSÖ'nün otomasyon yanlılığı konusundaki uyarısını göz önünde bulundurarak, bakımınızda bir yapay zekâ aracının kullanılıp kullanılmadığını ve sonuçlarının nasıl kontrol edildiğini sorun ^[2].

Sağlıkta yapay zekâ için sırada ne var?

Yıllık onay sayısı artıyor: FDA listesinin sayımı, karar tarihi 2023 olan 226, 2024 olan 235 ve 2025 olan 335 kayıt gösteriyor ^[1]. FDA ayrıca LLM'ler dahil temel modelleri içeren cihazları belirleme ve etiketleme yollarını araştıracağını söylüyor ^[1].

Hâlâ belirsiz olanlar

• Yapay zekâ ile taramanın uzun vadeli sonuçları. Yayımlanan MASAI analizleri tespit, yanlış pozitifler, iş yükü ^[3], aralık kanserleri, duyarlılık ve özgüllüğü ^[9] kapsıyor; meme kanserine bağlı ölümler bildirilen sonuçlar arasında yer almıyordu.
• Sohbet robotlarının doğrudan hasta tavsiyesi için güvenli hâle getirilip getirilemeyeceği. Oxford çalışmasının yazarları test edilen modellerin hiçbirinin hazır olmadığını ve kullanıcı testlerine ihtiyaç duyulduğunu tespit etti ^[5].
• Araçların farklı hastanelerde ve popülasyonlarda nasıl performans gösterdiği; DSÖ bunun bağımsız denetimlerle ölçülmesini istiyor ^[2] ve sepsis çalışması bunun varsayılamayacağını gösteriyor ^[4].

3 Kasım 2026 itibarıyla genel tablo şu: Yapay zekâ, profesyonel gözetim altında belirli ve test edilmiş görevlerde kanıtlanmış bir yardımcı, ancak bir hekimin yerini alacak kanıtlanmış bir seçenek değil.