Stony Brook Araştırmasında Hekimler Vakaların %95’inde Yapay Zekâ Destekli Taburculuk Özetlerini Tercih Etti

Stony Brook Üniversitesi’nde yapılan bir araştırmada, hekim değerlendiriciler incelenen hastane yatışlarının %95’inde yapay zekâ tarafından oluşturulan taburculuk özetlerini hekimlerin hazırladığı özetlere tercih etti. Retrospektif analiz, 7 ila 21 gün süren 60 İç Hastalıkları yatışına odaklandı. Uzun tedavi süreleri ve çok sayıda klinik not, ayaktan bakım ekibine devir sürecini özellikle zorlu hâle getiriyor.

npj Digital Medicine dergisinde yayımlanan bulgular, büyük dil modellerinin hekimlerin daha eksiksiz ve kullanışlı taburculuk belgeleri hazırlamasına yardımcı olabileceğini düşündürüyor. Bulgular, insan denetiminin neden hâlâ gerekli olduğunu da gösteriyor: Hem yapay zekâ tarafından oluşturulan hem de hekimlerin hazırladığı özetlerde hatalar vardı ve daha yüksek puanlar, hasta sonuçlarının daha iyi olduğunu göstermiyordu.

Taburculuk Özetleri Yapay Zekâ İçin Neden Zor Bir Görev?

Taburculuk özeti, hastanede verilen bakımla hastanın sonraki sürecinden sorumlu hekimler arasında bağlantı kurar. Yatış nedenini, tedavi sürecini, ilaç değişikliklerini, çözüme kavuşmamış sorunları ve takip planını açıklamalıdır. Birinci basamak hekimi açısından eksik bir açıklama ya da net olmayan bir sonraki adım, yatış sürecini çok daha kapsamlı bir hasta kaydından yeniden oluşturmaya çalışmak anlamına gelebilir.

Yatış süresi uzadıkça bu sorun daha da büyür. Süreç boyunca ilerleme notları, konsültasyonlar, görüntüleme raporları ve diğer belgeler birikir; bu belgelerde sıklıkla tekrarlar ve tedavi planındaki değişiklikler yer alır. Kullanışlı bir özet, kararların nasıl değiştiğini açıklarken klinik tablonun son hâlini de korumalıdır.

Stony Brook’un yaklaşımı, hastayı devralan hekimlerin ihtiyaç duyduğu bilgiler temel alınarak klinisyenlerle birlikte tasarlandı. Üniversiteye göre sistem, hasta kayıtlarını dakikalar içinde taburculuk özeti taslaklarına dönüştürdü. Bu süre yalnızca metnin oluşturulma hızını gösteriyor; hekimlerin belge hazırlama ve doğrulama için harcadığı toplam süre üzerindeki etkisinin klinik uygulamada hâlâ test edilmesi gerekiyor.

Hekimlerin Daha Yüksek Puan Verdiği Ölçütler

Araştırmada hastane hekimleriyle birinci basamak hekimlerinin değerlendirmeleri bir araya getirildi. Değerlendiriciler; genel kalite, okunabilirlik ve özlülük, olgusal doğruluk ve eksiksizlik açısından yapay zekâ özetlerine daha yüksek puan verdi. Ayrıca bu özetlerde daha az eksik klinik ayrıntı tespit ettiler.

Sunulan beş puanlık değerlendirme ölçeğinde, yapay zekâ özetlerinin genel kalite ortalaması 4,71 olurken hekimlerin hazırladığı özetlerin ortalaması 3,16’ydı. Olgusal doğruluk ortalamaları sırasıyla 4,62 ve 3,73; eksiksizlik ortalamaları ise 4,69 ve 3,42 olarak ölçüldü. Bunlar, doğruluğu kanıtlanmış ifadelerin yüzdesi değil, hekimlerin verdiği puanlardır.

Grafikte, hastane hekimleriyle birinci basamak hekimlerinin ortak değerlendirmelerinde her özet türü için 120 puan; yalnızca birinci basamak hekimlerine yönelik sorularda ise her tür için 60 puan bildiriliyor. Birinci basamak hekimleri; hastanede yatan hastanın sürecini anlamak, bu süreci hastalara ve bakım verenlere açıklamak ve takip bakımını desteklemek açısından yapay zekâ özetlerine daha yüksek puan verdi.

Bu ayrımlar önemli; çünkü taburculuk özetini yazan kişiyle bu özete göre hareket eden kişinin bakış açıları farklıdır. Bir belge, hastanede yaşananları ayrıntılı biçimde aktarırken hastayı devralan hekimde bekleyen sorunlar ya da ilaç değişikliğinin gerekçesi konusunda soru işaretleri bırakabilir.

Özetleme İş Akışı Uzun Hasta Kayıtlarını Nasıl İşliyor?

Araştırmacıların açık erişimli kod paylaşımı, teknolojiye ilişkin ek bilgiler sunuyor. Dışa aktarılan LangChain/LangGraph iş akışı, notları kronolojik sıraya koyuyor, yapılandırılmış bir özet oluşturuyor ve ek metin parçalarını işlerken bu taslağı geliştiriyor. Ayrı bir aşamada, son anlatı biçimlendirilmeden önce işaretlenmiş notlardaki tesadüfi bulgular ayıklanıyor.

Bu aşamalı yaklaşım, dil modellerinin karşılaştığı pratik bir kısıtı ele alıyor: Uzun bir klinik kayıt, modelin tek seferde işleyebileceği metin miktarını aşabilir. Yapılandırılmış bir taslağın korunması, kaydın art arda işlenen bölümlerinin sonuca katkıda bulunmasını sağlar.

Kamuya açık dışa aktarımda kaynak tanımlayıcıları da kaydediliyor ve yapılandırılmış çıktılarla anlatı biçimindeki çıktılara atıf üst verileri ekleniyor. Dışa aktarımda sentetik örnek veriler bulunurken, depo analiz için kimliksizleştirilmiş puanlama ve hata açıklama sonuçlarını sunuyor. Böylece özgün hasta kayıtları kamuya açılmadan iş akışının incelenmesi mümkün oluyor.

Eksiklerin Azalması Klinik Riskleri Ortadan Kaldırmıyor

Yayımlanan özette, açıklama eklenmiş yanlışlıkların veya eksiklerin sayısındaki düşüşün öncelikle eksiklerin azalmasından kaynaklandığı belirtiliyor. Özette ayrıca, değerlendiricilerin hatayla ilişkili zararın ciddiyeti ya da olasılığına ilişkin tahminlerinde iki özet türü arasında istatistiksel açıdan anlamlı bir fark olmadığı bildiriliyor.

Bu bulgu, iki yaklaşımın güvenlik açısından özdeş olduğunu ya da yapay zekâ taslağının incelenmeden hasta kaydına eklenmeye hazır olduğunu kanıtlamıyor. Değerlendirme belgeler ve hekimlerin yargılarıyla sınırlıydı; yeniden yatışlarda, ilaçlarla ilişkili zararlarda veya hasta sonuçlarına ilişkin diğer ölçütlerde azalma olduğunu göstermedi.

Yazarlar, kullanımdan önce hekim doğrulamasının önemini vurguluyor. İlaç talimatları, çözüme kavuşmamış tıbbi sorunlar ve takip önerileri belgenin temel amacını oluşturuyor; bu nedenle hata veya eksikliklerin ciddi sonuçlar doğurabileceği bölümler olmaya devam ediyor.

Rutin Klinik Kullanıma Geçmeden Önce Neler Yapılmalı?

Stony Brook Üniversitesi’nin duyurusunda, çalışmanın sorumlu yazarlarından ve Stony Brook’ta klinik doçent olan Dr. Rachel Wong, “Bu sonuçlar, yapay zekânın hastanede karmaşık tedavi süreçleri geçiren hastaların taburculuk belgelerinin hazırlanmasına destek olabileceğini gösteriyor,” dedi.

Çalışmanın sorumlu yazarlarından Dr. Fusheng Wang, sonraki araştırma adımlarının doğruluğun ve güvenliğin değerlendirilmesini, hekimlerin gerçekte ne kadar zaman kazandığının ölçülmesini ve sistemin klinik iş akışlarına ne ölçüde uyduğunun incelenmesini kapsadığını söyledi. Üniversite, Stony Brook Medicine’ın günlük uygulamalarında bir pilot çalışmanın değerlendirilmekte olduğunu belirtiyor.

Bilgisayar bilimleri alanında doktora adayı Tyler Osborne’un liderliğindeki disiplinler arası proje; hekimleri, bilgisayar bilimcilerini, biyomedikal bilişim uzmanlarını ve iletişim alanındaki uzmanlığı bir araya getiriyor. Çalışma, karmaşık taburculuk özetlerinin klinisyen gözetiminde hazırlanmasına ilişkin umut verici kanıtlar sunuyor. Bu yaklaşımın günlük kullanımda ne ölçüde güvenilir olacağını ortaya koymak için, oluşturulan metnin yanı sıra inceleme sürecinin de değerlendirilmesi gerekiyor.