En zoru başarmak: Türkiye, klinik AI'mıza ne öğretti
Bir tıbbi yapay zekâ kurmak çoğu zaman modelle ilgili değildir; modelin içinde çalışmak zorunda olduğu dünyayla ilgilidir — bir dil, bir kod seti, bir kurallar bütünü. Türkiye bu dünyanın en zorlu hâllerinden biri.
“Klinik yapay zekâ” deyince akla genellikle model gelir. Oysa işin zor kısmı çoğu zaman modelin kendisi değil, içinde çalışmak zorunda olduğu ortamdır: hangi dilde konuşulduğu, hastalıkların nasıl kodlandığı, bir işlemin hangi kurala göre ödendiği. Bir ülkede gerçekten işe yarayan bir sistem kurmak istiyorsanız, önce o ülkenin klinik gerçeğini öğrenmeniz gerekir. Türkiye bu açıdan kolay bir başlangıç değil; tam tersine, en zorlu örneklerden biri.
Birincisi dil. Türkçe tıbbi metin; kısaltmaların, Latince terimlerin ve günlük konuşma dilinin iç içe geçtiği, çekim ekleriyle anlamı değişen bir yapıya sahip. Hastanın “midem kazınıyor” demesiyle bir epikrizdeki resmi ifade arasındaki bağı modelin doğru kurması gerekir. Büyük ölçüde İngilizceyle eğitilmiş genel bir modelin bu mesafeyi kapatması zordur.
İkincisi mevzuat. SGK ve SUT; hangi işlemin hangi koşulda, hangi kodla ve hangi belgelerle ödeneceğini belirleyen, sürekli güncellenen geniş bir kurallar bütünüdür. Bir işlemin ödenip ödenmeyeceği çoğu zaman tek bir maddeye bağlıdır. O maddeyi hiç görmemiş bir model, başvuruyu kusursuz özetleyip yine de yanlış karara varabilir.
MINA tam da bu iki katmanı hedefleyerek kuruldu. Açık ağırlıklı bir dil modelinin üzerine Türkçe klinik dil sürekli ön eğitimle işlendi, uzmanlık alanları modüler eklerle katıldı, cevaplar güncel klinik kaynaklara bağlandı. İç değerlendirmemizdeki sonuçlar şöyle: ICD-10 kodlamada %87 ilk-sıra doğruluk, SUT uyum kararlarında %91, klinik açıdan kritik halüsinasyonda ise yalnızca %0,3. Üstelik bu rakamlar tek seferde gelmedi; sürümler ilerledikçe aynı görevdeki doğruluk %74’ten %87’ye çıktı.
Buradaki asıl fikir şu: Türkiye’de işe yaraması, yöntemin yalnızca Türkiye’ye özgü olduğu anlamına gelmez. Zor bir pazarın dilini ve kurallarını öğrenebilen bir sistem, aynı yöntemi başka bir pazarın diline ve kurallarına da uygulayabilir. Türkiye burada bir sınır değil, bir kanıt.
Net olmak adına: bu rakamlar sentetik ve anonim veriyle yürütülen bir iç değerlendirmeden geliyor; gerçek hasta verisi kullanılmadı ve sahadaki bağımsız doğrulama sürüyor. Yani bunlar bir başlangıç noktası, bitmiş bir iddia değil. Ama şunu açıkça gösteriyor: en zor koşulda ölçülebilen bir başarı, daha kolay pazarlarda işin neye benzeyeceğine dair güçlü bir fikir verir.