Büyük Dil Modeli, Randevu ve Tanılarda Doktorların 4–5 Kat Daha Fazla Hastaya Ulaşmasını Sağlıyor

Kendinizi kötü hissettiğinizi düşünün ve doktorunuzu arayarak randevu almak istiyorsunuz. Beklenmedik şekilde, ertesi güne randevu veriliyor. Görüşmeye gittiğinizde aceleye getirilmeden yarım saat boyunca semptomlarınızı, endişelerinizi ve sağlık geçmişinizin tüm ayrıntılarını dikkatle dinleyen, takip soruları soran biriyle paylaşıyorsunuz. Randevudan bir tanı, tedavi planı ve sağlığınızın gereken özenle ele alındığını hissettiren bir deneyimle ayrılıyorsunuz. Püf noktası mı? Karşınızda aslında bir doktor ya da lisanslı sağlık çalışanı olmayabilir.

Bu yeni gerçeklik, Güney Kaliforniya’da faaliyet gösteren tıbbi girişim Akido Labs tarafından yönetilen bazı kliniklerde yaşanıyor. Medicaid kapsamında olanlar da dahil olmak üzere hastalar, genellikle yalnızca zenginlerin erişebildiği concierge kliniklerdeki gibi kısa sürede uzman randevusu alabiliyor. Akido hastaları doktorlarla çok az vakit geçiriyor, hatta hiç görmüyor. Onlarla ilgilenen, sınırlı klinik eğitime sahip tıbbi asistanlar oluyor. Asıl tanı koyma ve tedavi planı hazırlama sürecini, hasta ile asistan arasındaki diyaloğu kaydedip analiz eden, ScopeAI adlı LLM tabanlı sistem yürütüyor. Doktor, sistemin önerilerini onaylıyor veya düzeltiyor.

Akido’nun CTO’su Jared Goodner, “Odaklandığımız nokta, doktoru ziyaretten ne ölçüde çıkarabileceğimiz” diyor. CEO Prashant Samant ise bu yöntem sayesinde doktorların önceye kıyasla dört ile beş kat daha fazla hasta görebildiğini belirtiyor. ABD’de nüfus hem yaşlanıyor hem de daha fazla hastalanıyor; birçok kişi yeterli sağlık hizmetine ulaşmakta zorlanıyor. Ayrıca Medicaid’e ayrılan federal fonlarda %15’lik kesinti beklentisi, durumu daha da zorlaştırıyor.

Buna rağmen uzmanlar, tıbbın bilişsel yükünü YZ’ye bu denli aktarmanın doğru olup olmadığından emin değil. UC Berkeley’den bilgisayar bilimci Emma Pierson, doktor ile YZ destekli asistan arasındaki büyük uzmanlık farkının risk doğurabileceğini söylüyor: “YZ’nin tıbbi uzmanlığa erişimi genişletme potansiyeli beni heyecanlandırıyor. Sadece bunun doğru yöntem olup olmadığından emin değilim.”

YZ aslında tıpta zaten birçok alanda kullanılıyor. Görüntüleme araçları kanserleri tespit ediyor, araştırma sistemleri doktorların literatürü hızla taramasına yardımcı oluyor, LLM tabanlı tıbbi yazmanlar randevu notlarını alıyor ama çözümler, doktorların olağan rutinlerine destek olmak için tasarlanmıştı. Goodner, ScopeAI’nin farkını şu sözlerle açıklıyor: “Hasta öyküsünü dinlemekten tanı listesini oluşturmaya, en olası tanıyı belirleyip uygun sonraki adımları önermeye kadar tıbbi ziyareti oluşturan bilişsel görevleri bağımsız olarak tamamlayabilmesi.”

Sistemin çekirdeğinde, her adımı gerçekleştiren farklı büyük dil modelleri bulunuyor. Çoğu Meta’nın açık kaynaklı Llama modellerinin özelleştirilmiş sürümleri, bazıları ise Anthropic Claude modelleri. Randevuda asistanlar, ScopeAI’nin ekranındaki soruları hastalara yöneltiyor, sistem ise verilen yanıtları analiz ederek yeni sorular üretiyor. Doktorların gözden geçirmesi için ScopeAI, ziyaret özetini, en olası tanıyı, iki-üç alternatif tanıyı, önerilen adımları ve bunların gerekçelerini içeren rapor hazırlıyor.

ScopeAI, kardiyoloji, endokrinoloji, birinci basamak sağlık hizmetleri ve Los Angeles’taki evsizlere hizmet sunan sokak hekimliği ekibinde kullanılıyor. Ekip lideri, bağımlılık tıbbı uzmanı Dr. Steven Hochman, opioid bağımlılığının tedavisi için ilaç reçete edebilmek adına hastalarla önceden mutlaka yüz yüze görüşmek zorundaydı. Şimdi saha çalışanları ScopeAI ile hastaları değerlendirebiliyor, Hochman önerileri uzaktan onaylıyor: “Aynı anda on yerde olmamı sağlıyor.” ScopeAI sayesinde hastaların ilaçlara 24 saat içinde erişmesi mümkün oldu; Hochman bunu “duyulmamış bir şey” olarak niteliyor.

Medicaid, ScopeAI’nin tedavi önerilerini doktor onayıyla eş zamanlı olmadan kabul ediyor. Ancak diğer birçok sigorta şirketi, doktorların hastayla doğrudan görüşmesini şart koşuyor. Pierson, bunun eşitsizlik yaratabileceğini vurguluyor: “Sağlık eşitsizliklerini artırmasından endişe edersiniz.” Samant, farklılığın kasıtlı olmadığını, sigorta planlarının işleyişinden kaynaklandığını belirtiyor ve hızlı erişimin bekleme sürelerine göre avantaj sağlayabileceğini ekliyor. Yine de hastalar isterlerse klasik doktor randevusunu tercih edebiliyor.

ScopeAI’nin dağıtımında düzenleyici engeller de önemli rol oynuyor. Harvard Hukuk Fakültesi’nden Glenn Cohen, “Kutu içindeki doktor” gibi işlev gören bir sistemin FDA onayına ihtiyaç duyabileceğini ve tıp lisansı yasalarıyla çelişebileceğini söylüyor. Kaliforniya Tıbbi Uygulama Yasası, YZ’nin doktorun sorumluluğunu devralamayacağını belirtiyor fakat doktorların YZ kullanmasına ve hastaları yüz yüze görmeden tanı koymasına engel teşkil etmiyor. Ne FDA ne de Kaliforniya Tıp Kurulu, ScopeAI’nin yalnızca yazılı tanımına bakarak yasal açıdan sağlam zeminde olup olmadığına dair yorum yapamadı. Samant ise ScopeAI’nin mutlaka doktor onayı gerektirmesi nedeniyle FDA onayına ihtiyaç duymadığını savunuyor.

Hastalar ScopeAI arayüzünü doğrudan görmüyor; soruları tıbbi asistan yöneltiyor. Bu düzen, hasta açısından rahatlatıcı olabilir fakat Pennsylvania Üniversitesi’nden etik uzmanı Zeke Emanuel, bunun algoritmanın etkisini gizleyebileceği uyarısında bulunuyor. Pierson da aynı noktaya değiniyor: “Tıptaki insan dokunuşundan kastedilen şey gerçekten bu değildi.”

Rancho Cucamonga’daki kardiyoloji ofisinde çalışan tıbbi asistan DeAndre Siringoringo, hastalara görüşmenin YZ tarafından dinleneceğini söylediğini, ancak sistemin tanı önerileri sunduğunu belirtmediğini aktarıyor. Her ne kadar son tanıyı doktor koysa da, araştırmalar doktorların YZ önerilerine gereğinden fazla uyma eğiliminde olduğunu gösteriyor. Bu duruma otomasyon yanlılığı deniyor. Pierson, doktorlar fiziksel olarak randevuda bulunmadığında bu riskin artabileceğini düşünüyor: “Orada olup biteni izlemiyorsanız, önerilere onay verme eğiliminde olabilirsiniz.”

Akido sözcüsü, otomasyon yanlılığının her YZ aracında geçerli bir kaygı olduğunu kabul ediyor: “ScopeAI’yi, doktorların sezgilerine ve kişisel deneyimlerine fazla güvenen kör noktaları azaltacak şekilde tasarladık. Doktorlara ScopeAI’yi bilinçli kullanmaları için eğitim veriyoruz, böylece sorumluluk ellerinde kalıyor ve aşırı bağımlılıktan kaçınılıyor.”

ScopeAI’nin performansı, geçmiş veriler üzerinde test edilerek ve doktorların ne sıklıkla düzeltme yaptığı izlenerek değerlendiriliyor. Düzeltmeler ayrıca modelleri yeniden eğitmek için kullanılıyor. Yeni bir uzmanlık alanında kullanılmadan önce, sistemin testlerde en az %92 oranında doğru tanıyı ilk üç önerisinde sunması şart koşuluyor ancak ScopeAI için klasik yüz yüze veya tele-sağlık randevularıyla karşılaştırmalı klinik araştırmalar henüz yapılmadı. Pierson, “Sağlık hizmetini ucuzlatmak ve erişilebilir kılmak değerli bir hedef ama güçlü karşılaştırmalı değerlendirmeler yapmak çok önemli.” diyor.

‍

‍

‍

‍

‍

Kaynak: https://www.technologyreview.com/2025/09/22/1123873/medical-diagnosis-llm/