Hastanede klinik karar destek sistemi seçerken bakılacak ölçütler

Klinik karar destek sisteminin işlevi ve seçimi zorlaştıran nedenler

Klinik karar destek sistemi, hasta verisini klinik bilgiyle karar anında bir araya getirerek hekime öneri, uyarı ve kontrol sunan yazılımdır. İyi bir sistem hekimin yerine karar vermez; kararın dayandığı bilgiyi gerekçesiyle birlikte hekimin önüne getirir.

Seçimi zorlaştıran ilk neden, sistemlerin sunumda birbirine benzemesidir; asıl fark, hastanenin gerçek kayıtlarıyla çalışırken ortaya çıkar. İkinci neden verinin dağınıklığıdır. Aynı hastanın bilgisi HBYS'de, Medula kayıtlarında ve serbest metinle yazılmış epikrizlerde farklı biçimlerde durur. Sağlık sisteminin genelinde gereksiz tetkik oranı %50 olarak görülüyor ve bu sorunun kaynağı veri kalitesidir; hekim zamanının %35'i ise hastaya değil dokümantasyona gidiyor.

Üçüncü neden yerelliktir. Türkiye'de kararın bağlamını Türkçe yazılan epikriz, SGK'nın yayımladığı Sağlık Uygulama Tebliği (SUT) ve SGK'nın provizyon ve faturalama sistemi Medula belirler. Dördüncü neden veri korumadır. KVKK'da sağlık verileri özel nitelikli kişisel veridir; verinin nerede işleneceği, seçimde ilk netleşmesi gereken konudur.

Seçimde bakılacak altı ölçüt

Aşağıdaki ölçütler belirli bir ürüne bağlı değildir; her biri satın alma sürecinde tedarikçiye doğrudan sorulabilir.

1. Sistemin yerel klinik dili ve mevzuatı tanıdığını doğrulayın. Sistem Türkçe epikrizi ve branşlara özgü terimleri doğru okumalı; ICD-10 kodlamasını, SUT kurallarını ve Medula provizyon kurallarını iş akışının içinde kontrol etmelidir. Modelin Türkçe klinik dile nasıl uyarlandığını ve hangi branşları kapsadığını sorun; başka bir ülkede kurulum planlayan hastane grupları aynı soruyu kendi dilleri ve geri ödeme kuralları için sormalıdır.
2. Hasta verisinin kurumun içinde kalıp kalmadığını netleştirin. Sistemin hastanenin kendi sunucularında (on-premise) ya da hastaneye ayrılmış izole bir bulutta çalışıp çalışamadığını ve kurum verisinin model eğitimi gibi başka bir amaçla kullanılıp kullanılmadığını sorun. KVKK'da olduğu gibi AB'nin GDPR düzenlemesinde de sağlık verisi özel kategori veridir. Veri sorumlusu hastane olduğu için mimari belge ve veri akış şeması yazılı olarak istenmelidir.
3. Her önerinin gerekçe ve kaynakla geldiğini görün. Önerinin hangi kılavuza ya da literatüre dayandığı, hangi bilginin hasta belgesinden geldiği ve hangisinin modelin kendi çıkarımı olduğu yanıtta ayrı ayrı görünmelidir. Kaynak göstermeyen bir sistem, doğru yanıt verdiğinde bile denetlenemez.
4. Mevcut HBYS'yi değiştirmeden entegre olmasını şart koşun. Karar destek sistemi, kurumun kayıt omurgası olan HBYS'nin (hastane bilgi yönetim sistemi) yerine geçmemeli, üzerine eklenmelidir. Entegrasyon yolunu (dosya aktarımı, veritabanı bağlantısı ya da uygulama arayüzü) ve hekimin iş akışında neyin değişeceğini baştan netleştirin. Hekime fazladan ekran ve veri girişi getiren bir sistemin kullanım dışı kalma riski yüksektir.
5. Klinik doğrulamanın kim tarafından ve nasıl yapıldığını sorun. Modeli hangi branşlardan hekimlerin, ne sıklıkla denetlediğini öğrenin. Paylaşılan doğruluk oranlarının hangi model sürümüne, kaç protokole ve kaç vakaya dayandığını isteyin. Bu oranlar bir model değerlendirmesidir; hastanenizdeki sonucu ancak kendi verinizle yapılan bir çalışma gösterir.
6. Çıktıların denetlenebilir olduğunu ve kararın hekimde kaldığını doğrulayın. Her öneri, kimin gördüğü, kabul edilip edilmediği ve dayandığı gerekçeyle birlikte kayda geçmelidir. Geri ödeme ve kodlama gibi kurala bağlı kontrollerde sonucu kural motorunun üretmesi, yapay zekânın bu sonucu açıklaması tercih edilmelidir. Onay, ret ve reçete gibi kritik kararlar her zaman insanda kalmalıdır.

Değerlendirme sürecini adım adım yürütmek

Ölçütler netleştikten sonra seçim, kâğıt üzerindeki karşılaştırmadan sahadaki sınamaya taşınmalıdır.

1. Çözülecek sorunu yazılı olarak tanımlayın; örneğin epikriz kodlaması, ön provizyon ya da fatura öncesi SUT kontrolü.
2. Değerlendirme ekibine hekimleri, BT ve bilgi güvenliği ekibini, kişisel verilerin korunmasından sorumlu birimi ve faturalama ya da sigorta birimini baştan dahil edin; tedarikçinin mimari belgesini ve veri işleme koşullarını bu ekip incelesin.
3. Başarı ölçütlerini POC başlamadan yazın: görev, kayıt örneği ve kabul edilecek sonuç önceden belli olmalıdır.
4. POC çalışmasını tek bir modülle ve hastanenin kendi kayıtları üzerinde yürütün; hekimlerin çıktıları mevcut kararlarla karşılaştırarak incelemesini sağlayın.
5. Sonucu doğruluk, hekim kabulü, iş akışına etkisi ve denetlenebilirlik açısından değerlendirin. Yaygınlaştırmaya bundan sonra karar verin ve yeni modülleri tek tek ekleyin.

Yapay zekânın klinik karar desteğindeki rolü

Büyük dil modelleri, serbest metinle yazılmış epikrizi okumak, dağınık kayıtları özetlemek ve hekimin kendi cümlesiyle sorduğu soruyu yanıtlamak gibi işlerde klinik karar desteğinin kapsamını genişletti. Ancak bir kaynağa bağlanmayan model akıcı ama dayanaksız yanıtlar üretebilir. Bu yüzden klinik kullanımda üç yapı birlikte aranmalıdır: yanıtları hakemli literatüre ve klinik kılavuzlara bağlayan bir bilgi erişim katmanı, belgeden gelen bilgiyle modelin çıkarımını ayıran bir sunum ve kuralları her seferinde aynı biçimde uygulayan bir kural motoru. Yapay zekânın doğru yeri, hekimin önüne gerekçeli bir özet ve öneri koymaktır; karar hekimin ve ilgili uzmanın sorumluluğunda kalır.

Opinion AI'ın bu ölçütlere karşılığı

Opinion AI'ın hastane tarafındaki klinik karar platformu TIS, klinik yapay zekâ modeli MINA üzerinde çalışır ve yukarıdaki ölçütlere şöyle karşılık verir.

• MINA Türkçe klinik dile uyarlanmıştır. Açık ağırlıklı temel model, sürekli ön eğitimle (CPT) Türkçeye ve 14 branşın klinik diline uyarlandı; branş, kurum ve görev uzmanlığı LoRA adaptörleriyle kazandırıldı. TIS, ICD-10 kodlamasını, SUT uygunluğunu ve Medula provizyon kurallarını aynı akışta kontrol eder.
• Veri hastanenin içinde kalır. TIS hastanenin kendi sunucularında ya da hastaneye ayrılmış izole bir bulutta kurulur. Veri sorumlusu hastanedir; kişisel veriler KVKK uyumlu biçimde maskelenir ve Opinion AI kişisel veri toplamaz.
• Her yanıt kaynağıyla gelir. MINA, klinik bilgi grafı üzerinde çalışan GraphRAG ile PubMed, The Lancet, JAMA, BMJ, UK Biobank, MIMIC-IV ve ClinicalTrials gibi 30M+ kaynağa dayanır. Hasta belgesinden gelen bilgi ile MINA'nın çıkarımı her yanıtta ayrı görünür.
• HBYS olduğu gibi kalır. TIS mevcut HBYS'nin üzerine akıllı bir katman olarak eklenir ve kayıtları XML/CSV dışa aktarımıyla ya da doğrudan veritabanı bağlantısıyla alır.
• Model hekimlerce denetlenir. 15 branştan hekimin yer aldığı Hekim Etik ve Danışma Kurulu, modelin klinik doğruluğunu ve etik sınırlarını düzenli olarak denetler. MINA'nın son sürüm değerlendirmesinde hastane görevlerindeki model sonuçları ICD-10 kodlamada %87, epikriz alan çıkarımında %89 ve SUT karar doğruluğunda %91'dir (MINA v3.7 · 8 protokol · ~9.300 vaka). Ayrıntılar MINA v3.7 sayfasında yer alıyor.
• Kararı insan verir. Kurala bağlı kontrollerin sonucunu kural motoru üretir, yapay zekâ yalnızca açıklar. Hekim her öneriyi doğrular, düzeltir ya da reddeder; her çıktı sonradan denetlenebilir.

Opinion AI, Türkiye'de birden fazla büyük özel hastane grubunda HBYS'nin üzerinde akıllı bir katman olarak çalışıyor ve Kuzey Avrupa'daki birçok hastane grubuyla POC süreçlerine başladı; ayrıntılar Başarı Hikayeleri sayfasında. Hekim tarafı için hekimler için klinik karar desteği, veri koruma için etik ve uyum sayfalarına bakabilirsiniz.

Sık sorulan sorular

Klinik karar destek sistemi nedir?

Klinik karar destek sistemi, hasta verisini güncel klinik bilgiyle karar anında bir araya getirerek hekime öneri, uyarı ve kontrol sunan yazılımdır. Tanı ve tedavi önerisi, ilaç etkileşimi ve alerji uyarısı, ICD-10 kod önerisi ve geri ödeme kurallarına uygunluk kontrolü tipik çıktılarıdır. Sistem kararı desteklemek için çalışır; kararı hekim verir.

Klinik karar destek sistemi için HBYS'yi değiştirmek gerekir mi?

Gerekmez. İyi tasarlanmış bir klinik karar destek sistemi mevcut HBYS'nin yerine geçmez, onun üzerine bir katman olarak eklenir; kayıtları dosya aktarımıyla ya da veritabanı bağlantısıyla okur ve hekim alıştığı iş akışını sürdürür. Opinion AI'ın hastane platformu TIS de bu şekilde çalışır.

Hasta verisi hastaneden çıkmadan yapay zekâ destekli karar desteği kullanılabilir mi?

Kullanılabilir. Sistem hastanenin kendi sunucularında (on-premise) ya da hastaneye ayrılmış izole bir bulutta çalıştığında veri kurumun dışına çıkmaz ve veri sorumlusu hastane olarak kalır. KVKK'da sağlık verileri özel nitelikli kişisel veri olduğu için verinin nerede işlendiği, seçimde ilk sorulması gereken konudur.

Genel amaçlı bir yapay zekâ sohbet aracı klinik karar desteği için yeterli mi?

Tek başına yeterli değildir. Genel amaçlı sohbet araçları hastanenin kayıtlarına bağlı değildir, SUT ve Medula kuralları gibi yerel geri ödeme kurallarını iş akışının içinde tutarlı biçimde uygulamak üzere tasarlanmamıştır ve çoğu zaman verinin kurum dışındaki bir hizmete gönderilmesini gerektirir. Klinik kullanım için kaynak gösteren, belge ile çıkarımı ayıran ve kurumun içinde çalışan bir sistem gerekir.

Klinik karar destek sisteminin doğruluğu nasıl değerlendirilir?

Tedarikçinin paylaştığı oranların hangi model sürümüne, kaç protokole ve kaç vakaya dayandığı sorulmalı; bu oranlar bir model değerlendirmesi olarak okunmalıdır. Hastanedeki gerçek sonucu, hastanenin kendi kayıtları üzerinde önceden yazılmış başarı ölçütleriyle yürütülen ve çıktıları hekimlerin incelediği bir POC gösterir.

Klinik karar destek sistemi için POC nasıl kurgulanır?

POC (kavram kanıtı) çalışması tek bir kullanım alanıyla başlamalıdır; örneğin epikriz kodlaması ya da fatura öncesi SUT kontrolü. Kapsam, kullanılacak kayıtlar ve başarı ölçütleri önceden yazılır; çıktıları hekimler ve ilgili idari birimler inceler. Sonuç olumluysa sistem modül modül genişletilir.

TIS'i kendi HBYS ortamınızda, hastanenizin kayıtları üzerinde tek bir modülle başlayan bir POC ile değerlendirmek için POC Talebi formunu kullanabilirsiniz. Verinin kurum içinde nasıl kaldığını hasta verisi kurum dışına çıkmadan yapay zekâ kullanmak rehberinde, hasta profilinin karar anında nasıl kullanıldığını hasta dijital ikizi rehberinde bulabilirsiniz.