Modern tıbbın karar mekanizmasına yeni bir aktör dahil oldu: Radyoloji görüntüsündeki şüpheli lezyonu işaretleyen, erken tanı öneren ya da hastanın durumunun kötüleşebileceği konusunda uyarıda bulunan algoritmalar. Amerikan Gıda ve İlaç Dairesi’nin (FDA) Eylül 2026 itibarıyla pazarlanmasına onay verdiği yapay zeka destekli tıbbi cihaz sayısı 1600’ü aşmış durumda. Ancak teknolojinin klinik süreçlere bu denli hızlı entegre olması, temel bir soruyu da beraberinde getiriyor: Yapay zeka tıbbı daha güvenli hale mi getiriyor, yoksa insan hatalarına yeni nesil algoritmik yanılgılar mı ekliyor?
Bilimsel araştırmalar, tek bir cevaba işaret etmiyor. Yapay zeka yorgunluk ve dikkat dağınıklığından kaynaklanan hekim hatalarını önemli ölçüde azaltırken, özellikle hekimlerin sistemlere aşırı güven duyması halinde yeni risk alanları yaratabiliyor.
Klinik verilerle kanıtlanmış başarı alanları
Yapay zekanın başarısı, genel tıp uygulamalarından ziyade çerçevesi net çizilmiş ve tek bir hedefe odaklanan sistemlerde öne çıkıyor:
- Meme kanseri taraması: İsveç’te 105 binden fazla kadının katılımıyla yürütülen MASAI klinik çalışmasında, yapay zeka desteğiyle bin kadında tespit edilen kanser oranı 5’ten 6,4’e yükselirken radyologların görüntü okuma iş yükü yüzde 44 oranında azaldı. 2026 yılı takip verilerinde sistemin hassasiyeti yüzde 80,5 olarak ölçüldü.
- Kolonoskopi taramaları: Yaklaşık 24 bin hastayı kapsayan 28 randomize çalışmanın analizi, yapay zeka destekli görüntülemenin adenom tespit oranını yüzde 20 artırdığını ve gözden kaçan vaka oranını yüzde 55 düşürdüğünü ortaya koydu.
- Diyabetik retinopati: Göz sağlığında bağımsız tarama yapan algoritmalar, uzman hekime erişimin kısıtlı olduğu birinci basamak sağlık kuruluşlarında yüksek doğrulukla teşhis koyabiliyor.
Algoritmik yanılsama ve “aşırı güven” paradoksu
Buna karşın, büyük dil modelleri ve üretken yapay zeka sistemleri metin özetleme ve genel bilgi derlemede esneklik sunsa da “halüsinasyon” olarak adlandırılan gerçek dışı bilgi üretme riskini barındırıyor. Bir modelin yazılı tıbbi sınavları başarıyla geçmesi, gerçek bir hastanın karmaşık klinik tablosunu yönetebileceği anlamına gelmiyor. *Nature Medicine* dergisinde 2 bin 400 gerçek hasta vakasıyla yapılan çalışma, dil modellerinin klinik kararlarda hekimlerin gerisinde kaldığını ve bağımsız teşhis koymaya henüz uygun olmadığını belgeledi.
Asıl risk ise hekim davranışlarında ortaya çıkıyor. Psikolojide “otomasyon yanlılığı” (automation bias) olarak bilinen durum, hekimlerin zamanla yapay zeka tavsiyelerine aşırı güvenmesine ve kendi klinik yargılarını sorgulamamasına yol açabiliyor. Yapılan deneyler, yapay zekanın kasıtlı olarak hatalı teşhis sunduğu senaryolarda tecrübeli hekimlerin dahi bu yönlendirmeden etkilendiğini ve doğru teşhisten vazgeçebildiğini gösteriyor.
Yanlı veriler ve klinik ortam farkı
Yapay zekanın karşılaştığı diğer büyük engel, eğitildiği verilerdeki yapısal eşitsizlikler. *Science* dergisinde yayımlanan bir araştırma, ABD sağlık sisteminde kullanılan bir algoritmanın geçmiş harcama verilerine dayanması nedeniyle siyahi hastaların bakım ihtiyaçlarını beyaz hastalara kıyasla sistematik biçimde düşük tahmin ettiğini saptadı.
Ayrıca laboratuvar ortamında yüksek başarı gösteren modeller, gerçek hastane koşullarında aynı performansı sergileyemeyebiliyor. Michigan Üniversitesi’nin 38 binden fazla hasta üzerinde test ettiği sepsis (kan zehirlenmesi) tahmin modelinin, vakaların yüzde 67’sini tespit edemediği ve hekimlerde “alarm yorgunluğuna” yol açacak düzeyde yanlış uyarı ürettiği görüldü.
Dünya Sağlık Örgütü (DSÖ), nihai tıbbi sorumluluğun daima insanda kalması gerektiğinin altını çizerek; şeffaflık, sürekli denetim ve hekimlerin yapay zekayı eleştirel bir gözle denetleyebilecekleri eğitim süreçlerinin önemine dikkat çekiyor. Tıbbın geleceği bir hekim-algoritma rekabetine değil, klinik sezgi ile analitik gücün dengeli iş birliğine dayanıyor.
