Bir hastanın belirtilerini birkaç saniye içinde analiz eden, laboratuvar sonuçlarını değerlendiren, onlarca farklı hastalık ihtimalini aynı anda karşılaştıran ve bir doktorun yoğun çalışma temposu içinde gözden kaçırabileceği olasılıkları bile değerlendirmeye alan yapay zeka sistemleri artık bilim kurgu filmlerinin konusu olmaktan çıkıyor. Son yıllarda tıp alanında gerçekleştirilen araştırmalar, büyük dil modellerinin bazı kontrollü klinik vakalarda oldukça yüksek tanısal performans gösterebildiğini ortaya koyarken, asıl tartışma giderek daha dikkat çekici bir soruya dönüşüyor. Yapay zeka gerçekten bir doktordan daha iyi teşhis koyabilir mi? Bugün bu soruya kesin biçimde evet demek mümkün değil, ancak bazı araştırmalar belirli görevlerde yapay zekanın doktorlarla aynı seviyeye ulaşabildiğini, hatta kontrollü deney koşullarında onları geçebildiğini gösteriyor. Buradaki en önemli ayrıntı ise yüksek test performansının, yapay zekanın gerçek hastane ortamında bağımsız biçimde doktorun yerini alabileceği anlamına gelmemesi.
Nature Health'te yayımlanan randomize kontrollü bir araştırmada lisanslı doktorların klinik vakalar karşısındaki tanısal akıl yürütme performansı incelendi. Doktorların bir bölümü geleneksel tıbbi kaynaklardan yararlanırken diğer grup bunlara ek olarak büyük dil modeli desteği kullandı. Çalışmayı tamamlayan 58 doktor değerlendirildiğinde, yapay zeka desteği kullanan grubun ortalama tanısal akıl yürütme puanı yüzde 71,4'e ulaşırken yalnızca geleneksel kaynakları kullanan doktorlarda bu oran yüzde 42,6 olarak ölçüldü. Araştırmanın daha da dikkat çekici bölümünde ise yapay zeka modeli tek başına değerlendirildi ve ortalama yüzde 82,9'luk bir performans elde etti. Bu sonuç ilk bakışta yapay zeka doktorlardan daha başarılı şeklinde yorumlanabilecek kadar çarpıcı görünse de araştırmanın kontrollü klinik vakalar üzerinden gerçekleştirildiğini ve gerçek bir hastanın bütün fiziksel, sosyal ve klinik özelliklerini içeren hastane ortamını tam olarak temsil etmediğini unutmamak gerekiyor. Benzer şekilde 2026 yılında npj Digital Medicine dergisinde yayımlanan randomize kontrollü başka bir araştırmada 70 klinisyen değerlendirildi. Burada yapay zeka yalnızca sorulara cevap veren bir sistem olarak değil, doktorun tanı sürecine katılan bir tür ikinci görüş veya tanısal ortak olarak kullanıldı. Yapay zekanın görüşünü ilk aşamada gören doktorlarda tanısal doğruluk yaklaşık yüzde 85'e, yapay zekayı ikinci görüş olarak kullananlarda yaklaşık yüzde 82'ye ulaşırken geleneksel kaynaklarla çalışan grupta doğruluk yaklaşık yüzde 75 düzeyinde kaldı. Aynı deney koşullarında yapay zekanın tek başına performansı ise yaklaşık yüzde 90 olarak ölçüldü.
Bu rakamlar yapay zekanın tıbbi bilgi işleme konusunda ne kadar güçlü hale geldiğini gösteriyor, ancak tıp dünyası açısından belki de daha önemli soru Yapay zeka mı daha iyi, doktor mu sorusu değil. Asıl soru, Yapay zekayı doğru kullanan bir doktor, yalnız çalışan bir doktordan daha başarılı olabilir mi olabilir. Yapay zekanın avantajı, çok büyük miktarda bilgiyi çok kısa sürede değerlendirebilmesinden kaynaklanıyor. Bir hasta ateş, baş ağrısı, halsizlik ve kas ağrısı şikâyetiyle doktora geldiğinde bu belirtiler oldukça sıradan görünebilir ve çok sayıda hastalıkla ilişkili olabilir. Deneyimli bir doktor en olası hastalıkları hızla değerlendirebilirken yapay zeka aynı anda çok daha geniş bir olasılık listesini tarayabilir nadir hastalıkları değerlendirmede tutabilir ve belirtiler arasındaki insan gözünün fark etmekte zorlanabileceği bağlantıları ortaya çıkarabilir. Bu özellik özellikle ayırıcı tanıda güçlü bir yardımcı haline gelebilir. 2026'da Nature dergisinde yayımlanan bir başka araştırmada MIRA adı verilen otonom tıbbi yapay zeka sistemi apandisit, pankreatit, zatürre, pulmoner emboli ve idrar yolu enfeksiyonu dahil sekiz hastalık üzerinde değerlendirildi. Araştırmadaki belirli karşılaştırmada MIRA'nın ortalama tanısal doğruluğu yüzde 87,8 olurken dört uzman doktorun ortalaması yüzde 78,1 olarak bildirildi. Ancak araştırmacılar bu sonuçların bütün tıp alanlarına genellenemeyeceğini özellikle vurguluyor, çünkü sekiz hastalık üzerinde ve belirli veri koşullarında elde edilen başarı, gerçek dünyadaki binlerce farklı hastalık ve hasta profilinde aynı performansın gösterileceği anlamına gelmiyor.
Yapay zekanın karşısındaki en büyük sorunlardan biri ise son derece ikna edici biçimde yanlış bilgi üretebilmesi. Büyük dil modellerinin gerçekte bulunmayan bir bilgiyi, araştırmayı veya tıbbi bağlantıyı gerçekmiş gibi oluşturmasına halüsinasyon adı veriliyor. Bu durum sıradan bir konuda yanlış cevap verilmesinden çok daha ciddi sonuçlara yol açabilir, çünkü tıpta yanlış bir bilgi hastanın gereksiz testlere yönlendirilmesine, gerçek hastalığın gözden kaçmasına veya yanlış tedavi uygulanmasına neden olabilir. Dahası, yapay zekanın kontrollü testlerde yüksek puan alması gerçek hastaların sağlık sonuçlarını mutlaka iyileştirdiği anlamına gelmiyor. Nature Medicine'da 2026 yılında yayımlanan büyük bir saha araştırması bunun önemli örneklerinden birini ortaya koydu. Kenya'daki 16 birinci basamak sağlık kuruluşunda 9.691 hasta ve 103 klinik görevlinin dahil edildiği çalışmada bazı sağlık çalışanları büyük dil modeli destekli klinik karar sistemini kullandı. On dört günlük takip sonunda tedavi başarısızlığı yapay zekâ destekli grupta yüzde 2,2, kontrol grubunda ise yüzde 2,0 olarak ölçüldü ve iki grup arasında istatistiksel olarak anlamlı bir fark bulunmadı. Başka bir ifadeyle yapay zeka desteği kullanılmasına rağmen bu çalışmada hastaların kısa dönem sağlık sonuçlarında anlamlı bir iyileşme gösterilemedi. Bu sonuç, yapay zeka ve tıp tartışmasının en kritik noktalarından birini ortaya çıkarıyor. Bir klinik soruyu doğru cevaplamak ile gerçek bir hastayı doğru biçimde değerlendirmek aynı şey değil.
Çünkü doktor yalnızca laboratuvar değerlerine veya hastanın yazdığı belirtilere bakmaz. Hastanın nasıl yürüdüğünü, nefes alışını, yüz ifadesini, konuşmasını ve genel durumunu gözlemleyebilir fizik muayene yapabilir hastanın anlatmadığı bir ayrıntının önemli olduğunu fark ederek yeni sorular sorabilir ve yıllar içinde geliştirdiği klinik deneyim sayesinde kağıt üzerinde önemsiz görünen bir ayrıntıdan şüphelenebilir. Üstelik tıp yalnızca hastalığın adını bulmak değildir. Hangi testin gerçekten gerekli olduğu, hangi bulgunun acil müdahale gerektirdiği, kullanılan diğer ilaçların tedaviyi nasıl etkileyebileceği ve uygulanacak tedavinin riskinin hastaya sağlayacağı yarardan fazla olup olmadığı da değerlendirilmek zorundadır. Bu nedenle mevcut bilimsel veriler yapay zekanın doktorların yerini almaya hazır olduğunu göstermiyor. Buna karşılık giderek güçlenen başka bir ihtimali ortaya koyuyor: Doktorların yapay zekayla birlikte çalışması. Yapay zeka unutulmuş bir hastalık ihtimalini hatırlatabilir ikinci görüş sağlayabilir, binlerce veri arasındaki bağlantıları hızla değerlendirebilir ve doktorun karar alanını genişletebilir doktor ise hastayı muayene edebilir, yapay zekanın ürettiği bilgiyi klinik bağlama yerleştirebilir ve sistemin yanlış veya yanıltıcı sonucunu fark edebilir. Bu yüzden tıbbın geleceğindeki büyük yarış belki de doktor mu, yapay zeka mı olmayacak. Çok daha önemli bir dönüşüm yaşanabilir: Doktor + yapay zeka. Ve sonunda asıl başarı ölçütü yapay zekanın bir sınavda doktoru geçmesi değil, yapay zekayı kullanan sağlık sistemlerinin gerçek dünyada hastaların daha doğru tanı almasını, daha güvenli tedavi edilmesini ve daha iyi sağlık sonuçlarına ulaşmasını sağlayıp sağlayamayacağı olacak.
Kaynak; Towards autonomous medical artificial intelligence agents
