Sağlık
Scale AI, Hastane Operasyonları için Beş Yapay Zekâ Ajanı Sunuyor

Öne çıkan noktalarScale'in kıyaslama testleri, doğru yanıtların kusurlu akıl yürütmeyi ve aşırı özgüvenli…
Daha fazla göster
- Scale'in kıyaslama testleri, doğru yanıtların kusurlu akıl yürütmeyi ve aşırı özgüvenli sistemleri gizleyebileceğini gösteriyor.
- Test edilen her ajan tabanlı sistem, kayıtlar bir davayı çözmeye yetmediğinde geri çekilmek yerine yetersiz düzeyde çekimser kaldı.
- Kaynak bağlantıları ve klinisyen onayı, süreç hatalarını insan incelemesine sunmak için tasarlanmış mekanizmalardır.
Scale AI, 16 Kasım 2026’da Scale for Hospital Operations‘ı duyurarak randevu planlama, istem yönlendirme, tıbbi kayıt inceleme, güvenlik soruşturmaları ve klinik dokümantasyon alanlarında beş yapay zekâ uygulamasını kullanıma sundu. Uygulamalar aynı gün itibarıyla sağlık sistemlerinin kullanımına açılmaya başladı.
Her uygulama, sağlık sisteminin kendi ortamındaki herhangi bir modelle çalışabiliyor; kurulumlara Scale mühendisleri ve klinik konu uzmanları da katılıyor. Scale, klinisyen değerlendirmesini, verilerin yerel olarak saklanmasını ve kullanıcılarla birlikte geliştirme yapılmasını hastanelerde yapay zekâ kullanımı için kendi koşulları olarak tanımlıyor.
Scale ayrıca, kullanıma sunulmasından önceki yıl boyunca hastanelerde çalıştığını; buna, adını açıklamadığı ancak üst sıralarda yer aldığını belirttiği bir ABD sağlık sisteminin de dahil olduğunu ve çalışmaların klinisyenlerin güvenlik olaylarını daha erken belirlemesine yardımcı olmayı amaçladığını söyledi. Beş uygulama, daha geniş bir portföyün ilk bölümünü oluşturuyor; kullanıma sunulmalarını izleyen aylarda başka uygulamalar ve ajanlar da planlanıyor.
Beş İş Akışında İnsan Denetimi
Randevu Planlama Zekâ Ajanı, sevkleri klinik aciliyetlerine göre önceliklendirmek ve muayeneleri oda ve ekipman gereksinimleri ile hekimlerin tercihlerini dikkate alarak uygun zaman aralıklarına yerleştirmek üzere tasarlandı. Acil hastalar için mevcut programları yeniden düzenleyebiliyor ve farklı uzmanlık alanları arasındaki muayeneleri koordine edebiliyor. İstem Yönlendirme Ajanı, hasta geçmişini inceliyor, eksik testleri işaretliyor ve klinisyenlerin değerlendirmesi için kaynakları belirtilmiş kanıtlarla laboratuvar tetkikleri, görüntüleme ve reçeteli ilaçlar öneriyor.
Bilgi yoğun işler için Tıbbi Kayıt İnceleme ve Özetleme Ajanı, dağınık kayıtlardan hasta geçmişini derliyor ve çıkarılan her bulguyu kontrol edilebilmesi için kaynağına bağlıyor. Güvenlik ve Olay Soruşturma Ajanı, güvenlik olaylarını önceliklendiriyor ve tekrarlanan örüntüleri araştırıyor; böylece ekipler raporları yalnızca geliş sırasına göre işlemek yerine daha yüksek riskli olayları önce inceleyebiliyor. Klinik Dokümantasyon ve Kalite İnceleme Ajanı, klinisyenlerin inceleyip onaylaması için rapor taslakları hazırlıyor, dokümantasyonu hastane yönergelerine göre denetliyor ve denetçilerin her bulguyu doğrulamasını şart koşuyor.
Scale’ın Sağlık Alanındaki Değerlendirme Araştırmaları
Duyuru, portföyü Scale Labs’in sağlık alanındaki üç kıyaslama çalışmasıyla ilişkilendiriyor. CliniCARE-Bench, gerçek ve kimlik bilgileri kaldırılmış uzunlamasına elektronik sağlık kayıtlarını kullanıyor. Çalışmada, 14 uzmanlık alanını ve on akıl yürütme becerisini kapsayan 750 vaka üzerinde, klinisyenlerce doğrulanmış 25 senaryo oluşturulmuş. Veri bulunmayan vakalar ile tıbbi açıdan belirsizliğini koruyan vakaları birbirinden ayırıyor; bilgi getirme işlemlerini ve atıfları kaydediyor; kanıta dayandırma, politikalara dayandırma, süreçlere uyum ve yanıt vermekten ölçülü biçimde kaçınma becerilerini puanlıyor. Sonuncusu, kayıt kesin bir yanıtı destekleyemediğinde uygun biçimde yanıt vermekten kaçınmak anlamına geliyor.
Scale Labs, test ettiği 16 ajan tabanlı sistemin ham doğruluk oranlarının %65,3 ile %76,1 arasında olduğunu; ancak yasaklanmış akıl yürütme kestirme yolları kullanmaları nedeniyle ceza uygulandığında hatasız doğruluk oranlarının 4,8 ila 14,8 yüzde puan düştüğünü bildiriyor. Kayıtların kesin sonuca varmaya yetmediği vakalarda her sistem, yanıt vermekten kaçınmak yerine kesin yanıtlar verme eğilimi göstererek gerektiği kadar yanıt vermekten kaçınmadı. Bunlar test edilen sistemlere ilişkin kıyaslama bulguları; beş hastane uygulamasının doğrulandığına dair bildirilen sonuçlar değil.
Bu yaklaşımı iki bağlantılı kıyaslama çalışması daha genişletiyor. PSEBench, Minnesota’nın bildirimi zorunlu 29 olumsuz sağlık olayı temel alınarak oluşturulmuş 5.074 hasta güvenliği triyajı vakası içeriyor. Tam, eksik bilgi içeren ve belirsiz varyantları kapsayan bu çalışma, 15 dil modelini değerlendirmek için kullanıldı. DistressBench, intihar ve kendine zarar vermeyle ilgili 23 alt kategoriyi kapsayan, klinisyenlerce yazılmış 718 konuşmadan oluşuyor. Scale Labs, modelin krizi bütünüyle tanıdığı konuşmaların %35,3’ünde, yine de kullanıcıyı insan desteğine yönlendirmediğini bildiriyor.
Scale, bu araştırmanın her bir sağlık sisteminin iş akışlarına göre oluşturulan özel değerlendirmelere temel oluşturduğunu ve aynı zamanda modelleri karşılaştırmak için ortak bir yöntem sunduğunu belirtiyor. Belirsizlik ve sürece yapılan bu vurgu; istem yönlendirme, kayıtları kontrol etme, raporları onaylama ve denetim bulgularına ilişkin açıklanan inceleme kontrolleriyle örtüşüyor.
Dokümantasyona İlişkin Kanıtlar ve Sınırlamaları
Scale’ın atıfta bulunduğu 2025 tarihli JAMA Network Open araştırması, ABD’deki altı sağlık sisteminden 263 ayakta tedavi klinisyenini inceledi. Katılımcılar 30 gün boyunca aynı Abridge ortam tabanlı yapay zekâ klinik not aracını kullandı; araştırmada Scale’ın ürünleri değerlendirilmedi. Düzeltilmiş analizde tahmini tükenmişlik yaygınlığı %51,9’dan %38,8’e düştü. Katılımcılar ayrıca notlarla ilişkili bilişsel yükte, mesai saatleri dışındaki dokümantasyon çalışmalarında ve hastalara odaklanma düzeylerinde iyileşme bildirdi.
Sonuçlar, yapay zekâ destekli dokümantasyon araçlarının idari yükü azaltma gerekçesini destekliyor; ancak yeni hastane operasyonları portföyü yerine farklı bir ürünün ayakta tedavi ortamındaki kullanımını ele alıyor. Araştırmacılar önemli sınırlamalara dikkat çekti: katılım gönüllülük esasına dayanıyordu, anketler anonim değildi, sonuçlar katılımcıların kendi bildirimlerine dayanıyordu ve zaman içindeki eğilimleri hesaba katacak bir kontrol grubu yoktu. Bu kısıtlar, 30 günlük önce-sonra sonuçlarından çıkarılabilecek yargıları sınırlandırıyor. Bu durum, Scale’ın idari yük savını ayakta tedavi dokümantasyonundan randevu planlama, istemler ve güvenlik triyajına genişletmesi bakımından özellikle önem taşıyor.
Sağlık sistemleri açısından lansmanın temel sorusu, kendi iş akışları temel alınarak hazırlanan değerlendirmelerin yanıt doğruluğunun yanı sıra kanıtların bulunmasını, politikalara uyumu ve uygun durumlarda yanıt vermekten kaçınılmasını da doğrulayıp doğrulayamayacağıdır. Scale’in kıyaslamaları, doğru yanıtların kusurlu süreçleri nasıl gizleyebildiğini gösteriyor; yeni uygulamalardaki kaynak bağlantıları, kaynak gösterilen öneriler, klinisyen onayı ve denetçi doğrulaması ise bu sorunları insanların incelemesine sunmak üzere tasarlanmış mekanizmalardır.












