Güney Koreli Araştırmacılar Yerel Klinikleri Büyük Hastanelere Bağlayacak Yapay Zekâ Köprüsü Öneriyor

11 dakikalık okuma
Korean Researchers Propose AI Bridge Between Local Clinics and Major Hospitals

Yoğun bir sağlık sistemi için önerilen ara katman

Güney Kore'de 2023 yılında kişi başına 18 ayakta tedavi ziyareti yapıldı; OECD ortalaması ise 6,5'ti. Elektronik tıbbi kayıt kullanımının yüzde 95'i aşmasıyla ülke, kapsamlı dijital altyapıyı yoğun muayene talebiyle bir araya getiriyor. Bir araştırma ekibi şimdi yeni bir sağlık kurumu kategorisi eklemek yerine, mahalle klinikleri ile büyük hastaneleri birbirine daha yakından bağlamak için yapay zekâ kullanılmasını öneriyor.

İçindekiler
  1. Yoğun bir sağlık sistemi için önerilen ara katman
  2. 1,5 katman pratikte ne yapacak?
  3. Tarama hastalık bulabilir, ancak gözden de kaçırabilir
  4. Daha iyi sevkler, akıcı yazıdan fazlasına bağlı
  5. Mevcut taramalar gözden kaçan riskleri ortaya çıkarabilir
  6. Daha geniş tanı desteğine ilişkin kanıtlar farklı türlerde
  7. Diyabet bakımı randevular arasında da sürebilir
  8. Üç güvenlik döngüsüyle sorumluluk hekimlerde kalıyor
  9. Güney Kore neden aday, kesinleşmiş bir uygulama değil?
  10. Öne Çıkanlar

1,5 Katmanlı Sağlık Sistemi adı verilen öneri, 2 Eylül 2026'da Nature Portfolio bünyesindeki npj Health Systems dergisinde çevrimiçi yayımlandı. Seoul National University Bundang Hospital Aile Hekimliği Bölümü'nden Profesör Jung Se-young'in liderlik ettiği ekip, kliniklerin hastaları değerlendirmesine, tıbbi bilgi alışverişi yapmasına, gözden kaçan hastalık risklerini saptamasına ve randevular arasında kronik rahatsızlıkları izlemesine yardımcı olacak bir yapay zekâ katmanı tanımlıyor.

Yayımlanan perspektif makalesi, ayrı klinik çalışmalardan elde edilen bulguları bir araya getiriyor. Makale, sağlık modeli bütününün denendiğini bildirmiyor veya ülke çapında uygulamaya geçileceğini duyurmuyor. Temel savı, yapay zekâ araçlarının birbirinden kopuk teknik ürünler olarak sunulması yerine, birinci basamak sağlık hizmetlerinin yerine getirmesi gereken görevler etrafında düzenlenmesi gerektiği.

Seoul National University Tıp Fakültesi'nden Profesör Park Sang-min ile Ulusal Meclis üyesi Cha Ji-ho da çalışmaya katıldı. Yazarlar arasında Seong-Ho Han, Eojin Yi, Wooin Seo ve Yeonsoo Kang da yer alıyor. Ekip, makalenin yayımlandığını 17 Eylül 2026'da duyurdu.

Bir öneri ile faaliyette olan bir sistem arasındaki ayrım önemli. Yazarlar, Güney Kore'yi çerçeveyi denemek için elverişli bir ülke olarak tanımlarken, bunu desteklemek için gereken teşviklerin, kurumsal yönetişimin ve izleme mekanizmalarının henüz geniş ölçekte oluşturulmadığını da kabul ediyor.

Reklam

1,5 katman pratikte ne yapacak?

Önerilen ara katman, birinci basamak sağlık hizmetleri ile uzmanlık hizmetleri arasında teknik bir köprü işlevi görecek. Hastalar yine yerel kliniklerdeki hekimlere başvuracak ve gerektiğinde hastanelerde tedavi görecek. Yapay zekâ, bu ortamları birbirine bağlayan kararları ve bilgi aktarımını destekleyecek.

Çerçeve, bu desteği birinci basamak sağlık hizmetlerinin dört temel işlevi etrafında düzenliyor: ilk başvuru, koordinasyon, kapsamlılık ve süreklilik. Bunlar; yeni bir sağlık sorununu değerlendirmek, farklı sağlık hizmeti sunucuları arasındaki bakımı uyumlu hale getirmek, geniş yelpazedeki sağlık ihtiyaçlarını ele almak ve zaman içinde bakımın devamını sağlamak anlamına geliyor.

Örneğin bir klinik, tarama görüntüsünü yorumlamak, sevk belgesi hazırlamak ve hastane taburculuk özetini hastanın evde kullanılan izleme cihazından alınan ölçümlerle birleştirmek için yapay zekâdan yararlanabilir. Amaç, hekimlerin her ziyarette bu tabloyu elle yeniden oluşturmasına gerek kalmadan hastanın durumunu daha bütünlüklü biçimde görebilmek.

Yazarlar hedeflerini, concierge tıpla ilişkilendirilen özenli ve kişiye özel bakımı daha geniş kesimlere ulaştırmak olarak tanımlıyor. Araştırma ekibi, makalenin özetinde modeli bu yaklaşımın ölçeklenebilir bir alternatifi olarak nitelendiriyor:

herkes için concierge bakım.

Bu, kanıtlanmış bir sonuç değil, açıklanan bir hedef. Bir aracın belirli bir görevi iyileştirdiğine dair kanıt, sistemin bütününün ek personel veya maliyet gerektirmeden daha kişisel bakım sunabileceğini göstermez.

Tarama hastalık bulabilir, ancak gözden de kaçırabilir

Örneklerden biri, birinci basamak sağlık hizmetlerinde glokom taraması için otomatik retina görüntülemesini yapay zekâ taramasıyla birleştiren, Avustralya'da yürütülmüş ileriye dönük bir çalışma. Uzman değerlendirmesi gerektiren glokom, daha önce tanı almamış 161 katılımcının 18'inde, yani yüzde 11,2'sinde saptandı.

Makale, bu saptama oranını değerlendirmeye yardımcı olan performans ölçütlerini de veriyor: duyarlılık yüzde 65,0, özgüllük yüzde 94,6 ve alıcı işletim karakteristiği eğrisi altında kalan alan (AUROC) 0,80.

Duyarlılık, bir testin rahatsızlığı olan kişileri ne ölçüde saptayabildiğini gösterir. Özgüllük ise rahatsızlığı olmayan kişileri ne ölçüde doğru belirlediğini ifade eder. Bildirilen duyarlılık, tarama yaklaşımının bütün vakaları saptamadığını gösteriyor. Özgüllüğün görece yüksek olması bu sınırlılığı ortadan kaldırmıyor.

AUROC, farklı karar eşiklerinde bir testin vakalar ile vaka olmayanları ne ölçüde ayırt ettiğini ölçer. 0,80 değeri, ayırt etme gücünün yararlı düzeyde olduğunu gösterir; ancak hastaların yüzde 80'ine doğru tanı konduğu anlamına gelmez.

Bu sonuçlar, taramayı yaygınlaştırmak ve hastaları uygun bakıma yönlendirmeye yardımcı olmak için yapay zekâ kullanılmasını destekliyor. Negatif bir sonucu hastalığın bulunmadığının garantisi saymayı desteklemiyor. Bu ayrım, önerilen modelin temelinde yer alıyor: taramaya destek, klinik değerlendirme ve sevk süreciyle bağlantılı kalmalı.

Reklam

Daha iyi sevkler, akıcı yazıdan fazlasına bağlı

Araştırmacılar koordinasyon için elektronik tıbbi kayıtlardan sevk mektupları ve taburculuk özetleri oluşturan büyük dil modellerine işaret ediyor. Makale, sıfır örnekli özetleme değerlendirmesinde yüzde 99,25'e varan doğruluk oranının yanı sıra, klinisyenlerin yazdığı özetlerle yüksek düzeyde uyum gösteren bulgılara da atıfta bulunuyor.

Sıfır örnekli, modelin söz konusu değerlendirmede görevi yerine getirirken görev özelinde örnek almamış olması demek. Modelin daha önce hiç eğitilmediği anlamına gelmiyor. Büyük dil modelleri, tıbbi belge oluşturmaları istenmeden önce kapsamlı bir eğitimden geçiyor.

Olası yarar pratik. Yerel bir klinikten hastaneye giden hastanın belirtilerini, tetkiklerini ve tedavisini açıkça anlatan bir belgeye ihtiyaç var. Hasta toplum temelli bakıma döndüğünde ilaç değişiklikleri ve uzman önerileri de onunla birlikte aktarılmalı. İlk taslağın otomatik hazırlanması, bu bilgileri bir araya getirmek için harcanan zamanı azaltabilir.

Ancak atıfta bulunulan doğruluk oranı, belirli bir değerlendirmeye ait. Başka bir klinikte oluşturulan her sevk mektubunun eksiksiz veya güvenli olacağını garanti etmiyor. Özenle hazırlanmış görünen bir belgede bile kritik bir bilgi atlanabilir. Bu nedenle çerçeve, bakım kararlarına ilişkin mesleki sorumluluğu sağlık çalışanlarında bırakıyor.

Koordinasyon hastanelerin ötesine de uzanıyor. Makale; karşılanmamış sosyal ihtiyaçları belirlemek, hastaları toplum kaynaklarıyla buluşturmak ve toplum sağlığı çalışanları aracılığıyla takibi desteklemek için dijital bir bakım yönlendirme platformu kullanan Nebraska girişimini anlatıyor. Bu örnek, öneriyi belge oluşturmaktan daha geniş bir alana taşıyor: bilgi, yalnızca daha fazla metin üretmek için değil, hastaları hizmetlerle buluşturmak için kullanılmalı.

Mevcut taramalar gözden kaçan riskleri ortaya çıkarabilir

Kapsamlılık bileşeni, yapay zekânın daha önce toplanmış bilgileri kullanarak pratisyen hekimlerin hastaların daha fazla sağlık ihtiyacını ele almasına yardımcı olup olamayacağını sorguluyor. Örneklerden biri fırsatçı tarama: bir amaçla çekilmiş görüntüde başka bir rahatsızlığın belirtilerinin incelenmesi.

ABD'deki NOTIFY-1 projesinde yapay zekâ, mevcut göğüs bilgisayarlı tomografi taramalarında koroner arter kalsiyumunu saptadı. Kalsiyum birikintileri, atardamarlarda plak birikmesi olan aterosklerozun işareti olabilir. Araştırmacılar daha sonra bulgular hakkında hekimleri ve hastaları bilgilendirdi.

Akademik makalede altı aylık statin reçete oranları yüzde 51,2'ye karşı yüzde 6,9 olarak veriliyor. Aradaki fark 44,3 yüzde puanı; oran ise yaklaşık 7,4 kat. Statinler kolesterolü düşürür ve uygun hastalarda kalp damar hastalığı riskini azaltmak için kullanılır.

Haberlerde bu oranlar, tarama öncesinde yüzde 6,9'dan sonrasında yüzde 51,2'ye yükseliş olarak aktarılıyor. Akademik makale ise bunları altı ayda yapılan bir karşılaştırma olarak sunuyor ve başlangıçta hastaların hiçbirinin statin kullanmadığını belirtiyor. Bu nedenle yüzde 6,9'luk oran, başlangıçtaki reçete oranı olarak değerlendirilmemeli.

Sonuç, kalp krizlerinde kanıtlanmış bir azalmayı değil, reçete yazma oranındaki değişimi ölçüyor. Ayrıca birleşik bir müdahaleyi yansıtıyor: yapay zekâ ile saptama ve ardından hekimlerle hastaların bilgilendirilmesi. Etkinin tamamı yalnızca saptamaya bağlanamaz.

Reklam

Daha geniş tanı desteğine ilişkin kanıtlar farklı türlerde

Makale, akciğer fonksiyon testi olan spirometriye yönelik yapay zekâ desteğini inceleyen randomize bir çalışmaya da atıfta bulunuyor. Spirometri, kişinin ne kadar havayı ve ne hızla dışarı verebildiğini ölçer. Solunum bozukluklarının değerlendirilmesinde yaygın olarak kullanılır.

Yapay zekâ destekli karar sistemi, vakalar genelinde klinisyenlerin tercih ettiği tanıyı tahmin etme başarısını 9,0 yüzde puanı artırdı. Kronik obstrüktif akciğer hastalığı (KOAH) için artış 15,9 yüzde puanı oldu. Bildirilen yüzde 95 güven aralıkları sırasıyla 4,5-13,3 ve 9,0-22,7 puandı.

Bunlar tanı koyma görevindeki iyileşmelerdir; yapay zekânın solunum hastalıklarını bağımsız olarak yönetebildiğinin kanıtı değildir. Yazarlar, bu tür araçları klinisyen doğrulaması ve vakanın birinci basamak sağlık hizmetlerinin kapsamını aşması durumunda sevk gerektiren iş akışlarına yerleştiriyor.

Pickhardt ve çalışma arkadaşlarının ayrı bir çalışması, kalp damar hastalığı, osteoporoz ve kas kütlesi ile işlev kaybı olan sarkopeni açısından mevcut BT taramalarının yapay zekâyla incelenmesini modelledi. 55 yaşındaki kişilerden oluşan modellenmiş kohortlarda yaklaşımın, 10 yıllık dönemde herkesi tedavi etme veya hiç kimseyi tedavi etmeme stratejilerine kıyasla maliyeti düşürmesi ve klinik sonuçları iyileştirmesi öngörüldü.

Bu kanıt, klinik araştırmadan farklıdır. Bir model; hastalık, tedavi ve maliyetlerle ilgili varsayımlara dayanarak sonuçları tahmin eder. Bir yaklaşımın denenmeye değer olup olmadığını değerlendirmeye yardımcı olabilir; ancak öngörülen tasarruflar, önerilen Kore çerçevesiyle şimdiden elde edilmiş tasarruflar gibi sunulmamalı.

Diyabet bakımı randevular arasında da sürebilir

Araştırmacılar süreklilik için, muayene odasının dışında da devam eden bilgi ve bakıma odaklanıyor. Sürekli glikoz ölçüm cihazları sık aralıklarla ölçüm alarak bakım ekibinin, klinikte ara sıra yapılan ölçümlerin gözden kaçırabileceği örüntüleri görmesini sağlıyor.

Twin Precision Treatment sistemini inceleyen randomize bir çalışmada glikoz takibi, yapay zekâ rehberliğinde yaşam tarzı önerileri ve dijital geri bildirim bir arada kullanıldı. Tip 2 diyabetli katılımcıların yüzde 71,0'ının remisyona girdiği veya ilaç kullanımını azalttığı bildirildi.

Bu, birleşik bir sonuçtur. Katılımcıların yüzde 71,0'ının remisyona girdiği ya da bu gruptaki herkesin ilacı bıraktığı anlamına gelmez. Benzer bir programdan hastaların ne bekleyebileceği anlatılırken bu ayrım önem taşır.

Birleşik Arap Emirlikleri'ndeki GluCare.Health modeli, uzaktan izlemeyi yapay zekâ destekli klinik karar sistemiyle bir araya getirdi. Makaleye göre HbA1c, standart bakımda 0,10 yüzde puanı düşerken bu modelde 2,19 yüzde puanı azaldı; aradaki fark 2,09 puandı. HbA1c, yaklaşık iki ila üç aylık dönemdeki ortalama kan şekerini yansıtır.

Her iki örnek de tek başına çalışan bir yazılımla değil, bakım paketleriyle ilgili. Yapay zekâ bileşenine izleme cihazları, yaşam tarzı desteği ve klinik yönetim eşlik etti. Bu örnekler, sürekliliği daha güçlü bakım modellerinin denenmesini destekliyor; ancak bildirilen iyileşmeleri tek başına yapay zekânın sağladığını göstermiyor.

Reklam

Üç güvenlik döngüsüyle sorumluluk hekimlerde kalıyor

Öneri, tanı ve tedavi sorumluluğunu lisanslı klinisyenlere ve sağlık kurumlarına veriyor. Yapay zekâ; hastaların başvurularının alınması, belgelendirme, öncelik belirleme, risk değerlendirmesi ve izlemeyi destekleyecek, hastaların sorumluluğunu bağımsız olarak üstlenmeyecek.

Aracın özerkliği ve çıktılarının doğurabileceği sonuçlar arttıkça denetim yoğunluğu da artacak. İdari özetler ve randevu planlaması sonradan incelenebilir. Triyaj öncelikleri ve klinik yönlendirmeler, işlem yapılmadan önce klinisyen tarafından gözden geçirilmelidir. Tanılar, reçeteler ve sonuçları önemli diğer tedavi kararları ise bir sağlık meslek mensubu tarafından doğrulanmalıdır.

Yazarlar ayrıca üç güvenlik döngüsü tanımlıyor: klinik, yönetişim ve öğrenme. Bunlar birlikte; bakımın denetlenmesi, kurumsal hesap verebilirliğin korunması ve sistemin uygulamaya alınmasından sonra edinilen deneyimin izleme ve iyileştirme amacıyla kullanılması gerektiğini anlatıyor.

Bu ayrım yararlı; çünkü bir aracın laboratuvar veya klinik değerlendirmede başarılı olması, gündelik uygulamaya girdikten sonra nasıl performans göstereceği sorusunu yanıtlamıyor. Birden fazla aracı birbirine bağlayan çerçeve, her uygulamanın ayrı ayrı denetlenmesinin yanı sıra hizmetin tümünün gözetimini de gerektiriyor.

Aynı ilke kayıtlar için de geçerli. Araştırmacılar, kurumsal tıbbi kayıtları giyilebilir cihazlardan, kişisel sağlık kayıtlarından ve dijital tedavilerden gelen, hastaların oluşturduğu bilgilerle birleştirmeyi öneriyor. Farklı sistemlerin aynı bilgiyi tutarlı biçimde yorumlamasına yardımcı olmak için SNOMED CT dahil standartlaştırılmış klinik terminolojileri ele alıyorlar. Dijital kayıtların yaygın olması bir başlangıç noktası; kayıtların kurumlar arasında şimdiden güvenilir biçimde aktarıldığının kanıtı değil.

Güney Kore neden aday, kesinleşmiş bir uygulama değil?

2023 yılı için aktarılan rakamlara göre Güney Kore'de kişi başına 18 ayakta tedavi ziyareti yapıldı; bu, 6,5 olan OECD ortalamasının yaklaşık 2,8 katıydı. Yaygın elektronik kayıtlar ve nüfusun tamamını kapsayan ulusal sağlık sigortasıyla birlikte bu yüksek ziyaret hacmi, araştırmacılara birinci basamak desteğinin iyileştirilmesinin parçalı bakımı ve büyük hastaneler üzerindeki baskıyı azaltıp azaltamayacağını denemek için gerekçe sunuyor.

Yazarlar yine de uygulama için çözülmemiş koşullar olduğunu belirtiyor: uyumlu teşvikler, yönetişim kurulları ve uygulama sonrası izleme altyapısı henüz geniş ölçekte oluşturulmadı. Öneride teyit edilmiş bir pilot başlangıç tarihi, uygulama takvimi veya ulusal finansman taahhüdü bulunmuyor.

Kronoloji, sağlık sistemine ilişkin temel verileri makalenin yayımlanmasından ve duyurulmasından ayırıyor:

  • 2023: Güney Kore'de kişi başına 18 ayakta tedavi ziyareti yapıldı; atıfta bulunulan OECD ortalaması 6,5'ti.
  • 2 Eylül 2026: Perspektif makalesi npj Health Systems dergisinde çevrimiçi yayımlandı; cilt 3, makale 80.
  • 17 Eylül 2026: Araştırma ekibi makalenin yayımlandığını duyurdu.

Yazarlar herhangi bir çıkar çatışması beyan etmiyor. Makale, Kore'nin bakımı bu modele göre yeniden düzenlediğinin kanıtlarını değil, bir hizmet modelini denemeye yönelik yol haritasını ortaya koyuyor.

Çerçeve, başka yerlerde farklı kullanım biçimleri de öneriyor. Varlıklı kentsel bölgelerde yapay zekâ destekli triyaj ve otomatik evrak işleri, uzmanlara yönelik talep ve idari yükle karşı karşıya olan klinikleri destekleyebilir. Doktor sayısının az olduğu kırsal bölgelerde hemşireler ve toplum sağlığı çalışanları taşınabilir tarama araçlarını kullanıp hastaları sevk edebilir. Çatışma veya afet bölgelerinde internet bağlantısı olmadan çalışabilen hafif araçlar, temel hizmetlerin sürdürülmesine yardımcı olabilir.

Bunlar önerilen uyarlamalar; sistemin tamamının uygulandığına ilişkin bildirimler değil. Ortak amaç, tarama, sevk ve izlemeyi hesap verebilir tıbbi bakıma bağlı tutarken mevcut klinik kapasiteden daha iyi yararlanmak.

Reklam

Öne Çıkanlar

  • Koreli araştırmacılar, yeni bir sağlık kurumu kategorisi yerine birinci basamak kliniklerini uzmanlık hastanelerine bağlayacak bir yapay zekâ katmanı öneriyor.
  • Eylül 2026'da yayımlanan makale, ayrı çalışmalardan yararlanan bir perspektif yazısı; çerçevenin tamamını inceleyen bir araştırma değil.
  • Önerilen uygulamalar; taramayı, tıbbi belgelendirmeyi, daha geniş kapsamlı hastalık saptamayı ve randevular arasındaki bakımı içeriyor.
  • Klinik sonuçlar göreve göre değişiyor; birleşik bakım programlarından elde edilen yararlar yalnızca yapay zekâya bağlanamaz.
  • Tanı, reçete ve tedavi kararlarının sorumluluğu klinisyenlerde kalıyor.
  • Güney Kore deneme alanı olarak öneriliyor; ancak yönetişim, teşvikler ve izleme mekanizmaları henüz geniş ölçekte oluşturulmuş değil.
  • Ülke çapında uygulamaya geçiş veya pilot çalışma için kesinleşmiş bir takvim açıklanmadı.
Bu haberi paylaş

Bunlar da ilginizi çekebilir