Bir klinik araştırma başlatmak için gereken en kritik iki şey var: doğru hastayı bulmak ve toplanan veriyi işleyebilmek. İlk adım genellikle haftalar, bazen aylarca sürer. İkincisi gürültülü, eksik ve dağınık veri ile boğuşmak demek. YZ tam burada giriyor — ve bu iki probleme çözüm üretebileceğini söylüyor.
Son birkaç yılda YZ klinik araştırma literatürü patlama yaşadı. Her ay yeni bir "YZ şu kadar iyi sonuç verdi" başlığı çıkıyor. Neyin gerçek ilerleme, neyin abartı olduğunu anlamak giderek zorlaşıyor. Bu yazı o ayrımı yapmaya çalışıyor — literatürün kendi iç tutarsızlığından başlayarak.
YZ Nerede Devreye Giriyor?
Azenkot ve arkadaşlarının ASCO 2025 için hazırladığı derleme dört alanı somutlaştırıyor.1
Hasta seçimi: Geleneksel yöntemde araştırmacı her hastanın kaydını elle tarıyor. YZ ile makine öğrenmesi algoritmaları elektronik hasta kayıtlarını (EHR) tarayarak uygun adayları çok daha hızlı belirleyebiliyor. Burada kritik olan doğal dil işleme: yapılandırılmamış klinik notları da okuyabiliyor. "İnsülin kullanan diyabetik" kriterini ararken "insülin kullanıyor" yazan bir notu da kapsıyor, yalnızca ICD koduna bağlı kalmıyor. Uyum ve terk oranlarını önceden tahmin etmeye çalışan modeller de var — araştırma planlamasını daha gerçekçi yapıyor.
Uyarlanabilir çalışma tasarımı: Klasik protokol başta belirlenir, süreç içinde değiştirilmez. YZ destekli adaptif tasarımda gerçek zamanlı güvenlik ve etkinlik sinyallerine göre protokol güncellenebiliyor. Ara analizde erken bir zarar sinyali çıkınca çalışma değiştirilebilir ya da durdurulabilir. Faz II ve III çalışmalar için bu esneklik hem etik hem ekonomik açıdan önemli.
Görüntü ve doku analizi: Radyomiks görüntülerden sayısal özellikler çıkararak tedaviye yanıtı tahmin ediyor. Hesaplamalı patoloji doku kesitlerinden tümör derecelendirmesini otomatikleştiriyor. Patolojideki en büyük sorunlardan biri olan yorumcu arası tutarsızlığı da azaltabilir.
Veri yönetimi: Rutin klinik pratik kendi başına veri üretiyor — buna gerçek dünya verisi (RWD) deniyor. Veri çıkarma ve harmonizasyon otomasyonu araştırmacının idari yükünü hafifletiyor; giyilebilir cihazlardan gelen sürekli hasta verisi araştırmanın kapsamını genişletiyor.
Peki Mevcut Çalışmalar Ne Diyor?
Bedi ve arkadaşlarının Stanford ve FDA'dan araştırmacılarla yürüttüğü sistematik derleme 2022-2024 arasında yayımlanan 519 LLM çalışmasını taradı — hem yayımlandığı dergi hem bulgular bakımından beklentileri karşılamıyor.2
519 çalışmanın yalnızca %5'i gerçek hasta verisi kullandı. Gerisi tıp sınavı soruları, kurgulanmış vakalar, çoktan seçmeli testler. Başarı çoğunlukla tek bir soruya indirgenmiş: model tıp lisans sınavını geçiyor mu? Bu bir şey ölçüyor, ama klinik araştırmanın gerçekliğini değil. Önyargı, adalet ve toksisite boyutlarını ölçen çalışma %15,8. Gerçek dünyada klinik uygulamaya geçiş koşullarını ele alan ise %4,6.
Metodoloji Sorunu
Huo ve arkadaşlarının McMaster Üniversitesi'nden sistematik derlemesi başka bir soruyu yanıtlıyor: klinisyenlerin büyük dil modellerini klinik karar desteği için kullandığı 137 çalışmada metodoloji ne kadar sağlam?3
Çalışmaların %99,3'ü kapalı kaynak, yani tescilli model kullandı — dışarıdan denetlenemiyor, parametreleri bilinmiyor. LLM sürümünü tam ve doğru bildiren çalışma sayısı yalnızca bir. Modelin hangi parametrelerle çalıştığını — sıcaklık, token uzunluğu, fine-tuning ayarları — bildiren çalışma ise sıfır. LLM'nin hangi tarihte sorgulandığını yazan: %39,4. Prompt mühendisliği aşamasını tanımlayan: %0,7. Bu rakamlara baktığınızda aklınıza bir soru geliyor: aynı çalışmayı altı ay sonra tekrar yapmaya çalışsan sonuçlar aynı çıkar mı? Büyük ihtimalle hayır.
Aynı soruyu farklı biçimde kurarsanız farklı yanıt alırsınız. Aynı modeli farklı tarihte sorguladığınızda da yanıt değişebilir — model o arada güncellenmiş olabilir. Bu parametreler bildirilmezse çalışma tekrarlanamaz, sonuçlar karşılaştırılamaz. Bir ilaç çalışmasında dozu, formülasyonu, uygulama yolunu bildirmek zorundasınız. LLM çalışmalarında bunun eşdeğeri henüz standart değil.
Performansı tanımlama yöntemi de sorunlu. Çalışmaların %65'i başarıyı klinik kılavuza değil klinisyen uzman görüşüne göre tanımladı — yani araştırmacı kendi görüşüne göre "bu iyi çalışıyor" dedi ve bitti. Körleştirilmiş değerlendirme kullanan: %11,7. Standart bir değerlendirme süreci tanımlayan: %13,1. Hasta güvenliği ve etik boyutuna yer veren ise üçte birinden az.
Hasta Seçiminde Pratik Tablo
Nashwan ve Hani'nin çalışması pratikte ne olduğunu gösteriyor.4 EHR entegrasyonuyla makine öğrenmesi algoritmaları demografik veri, tanı geçmişi, tedavi yanıtı ve laboratuvar değerlerini birlikte değerlendirerek uygun adayları belirleyebiliyor. Manuel taramada haftalar alan bu süreç saatlere iniyor.
Ama bunun için verinin standart ve erişilebilir olması gerekiyor. Farklı hastane sistemleri farklı formatlar kullanıyor; kimi zaman aynı hastanede bile farklı bölümler birbirinin kaydını okuyamıyor. Türkiye'de tablo daha da karmaşık: e-Nabız ve hastane bilgi sistemleri (HIS) arasındaki veri standardizasyonu sınırlı, veri kalitesi tutarsız. Çok merkezli bir araştırmada farklı merkezlerden gelen veriyi harmonize etmek teknik olmaktan önce organizasyonel bir engel. Bu aynı zamanda bir fırsat — Türkiye'de sağlık veri altyapısı tartışması akademik bir konu değil, çok somut bir sorun ve araştırmacıların bu tartışmaya katkı sunacak zemini var.
Ne Yapılabilir?
Bir LLM çalışması okurken: hangi model, hangi versiyon, hangi tarih belirtilmemişse bulgulara mesafeli bakmak gerekiyor. Gerçek hasta verisi yoksa o çalışma bir fikrin ön kanıtıdır — klinik pratiği yönlendirmez. "Tıp sınavı sorularında %80 doğruluk" ile "gerçek hastada güvenilir karar desteği sağlıyor" arasında dağlar kadar fark var. O farkı görmezden gelen bir makale, ne kadar prestijli dergide yayımlanmış olursa olsun, dikkatli okunmalı.
Araştırma yaparken: YZ tabanlı bir araç kullandığınızda modeli ilaç gibi tanımlayın. Hangi versiyon, hangi tarih, hangi parametreler, prompt içeriği — bunlar metodolojik standart, isteğe bağlı değil. Etik kurul başvurularında YZ kullanımını açıkça beyan edin; bu alan hâlâ gelişiyor ama düzenleyici beklentiler netleşiyor. Çok merkezli çalışmalarda ise her merkezin aynı model versiyonunu, aynı parametrelerle kullandığından emin olmak veri harmonizasyonu kadar kritik.
Sonuç
YZ klinik araştırma metodolojisine giriyor — hasta seçiminden uyarlanabilir tasarıma, görüntü analizinden veri yönetimine. Faz II-III çalışmalarda zaten kullanılıyor. Bunları görmezden geçmek artık kolay değil; ama her "YZ başarılı oldu" başlığını aynı şekilde okumak da doğru değil.
Ama 519 çalışmadan yalnızca %5'inin gerçek hasta verisi kullanması, 137 çalışmadan birinin modeli tam tanımlaması — bunlar küçümsenmeyecek rakamlar. "Bu model şu sınavı geçti" demekle "bu model şu hastada güvenilir çalışıyor" demek aynı şey değil. Heyecan gerçek; kanıt tabanı henüz gerisinde.
Araştırmacı olarak bu tabloyu bilmek, hem okuduğumuzu doğru değerlendirmek hem de ürettiğimizi doğru raporlamak için gerekli. Bir çalışmada YZ kullandığınızda onu bir ilaç gibi tanımlayın: hangi model, hangi versiyon, hangi tarihte, hangi parametrelerle. Bu kulağa fazla teknik geliyor olabilir — ama bir ilaç çalışmasında "şu ilaç" diyip geçmek ne kadar kabul edilemezse, "şu YZ modeli" deyip geçmek de o kadar kabul edilemez. Klinik araştırmanın geleceği büyük ölçüde bu şeffaflık üzerine kurulacak.
YZ ve araçlarının klinik araştırmalarda giderek artan kullanımı kaçınılmaz bir seyir izliyor. Literatür taraması, istatistiksel analiz gibi akademisyenin en çok zorlandığı alanlarda yarattığı kolaylık gerçekten önemli. Klinik araştırmaların bir parçası olarak YZ önümüzdeki dönemde daha sık karşımıza çıkacak. İlk dönemlerde mesleki olmayan bir görüntü yaratsa da artık saygın dergilere makale gönderirken yapay zekadan yararlanıp yararlanmadığınızı açıkça belirtebilir hale geldik. Her zaman söylendiği gibi, bir çalışmayı başından sonuna kadar YZ ile yapmak tabii ki etik dışı; ancak uzun zaman alacak işleri YZ araçlarıyla kolaylaştırmak meşru bir pratik. Burada dikkat edilmesi gereken önemli bir husus var. "Algoritma Kimi Görüyor? Yapay Zeka Sağlıkta Eşitsizliği Derinleştirebilir" yazımızda da tartıştığımız gibi, ciddi bir standardizasyon eksikliği mevcut — tüm verileri tek bir noktada eşitlemeye çalışmak adaletsizlik doğuruyor. Klinik araştırmalarda YZ araçlarının kullanımı ve hangi görevlerin bu araçlarla yapılabileceği konusunda ortak bir standart oluşturulması artık bir tercih değil, zorunluluk.
- YZ hasta seçimi, uyarlanabilir tasarım, görüntü analizi ve veri yönetimi alanlarında klinik araştırmalara giriyor
- 519 LLM çalışmasının %5'i gerçek hasta verisi kullandı; %44,5'i başarıyı tıp sınavı sorusuna göre ölçtü
- 137 chatbot çalışmasında %99,3'ü kapalı kaynak model; model sürümünü tam bildiren tek bir çalışma var
- Performansı kılavuza değil uzman görüşüne göre tanımlayan: %65 — metodolojik standart eksik
- Türkiye'de veri standardizasyonu sorunu çok merkezli YZ araştırması için yapısal engel
Kaynaklar
- Azenkot T, Rivera DR, Stewart MD, Patel SP. Artificial Intelligence and Machine Learning Innovations to Improve Design and Representativeness in Oncology Clinical Trials. Am Soc Clin Oncol Educ Book. 2025;45(3):e473590. PubMed Derleme
- Bedi S, Liu Y, Orr-Ewing L ve ark. Testing and Evaluation of Health Care Applications of Large Language Models: A Systematic Review. JAMA. 2025;333(4):319-328. PubMed
- Huo B, Boyle A, Marfo N ve ark. Large Language Models for Chatbot Health Advice Studies: A Systematic Review. JAMA Netw Open. 2025;8(2):e2457879. PubMed
- Nashwan AJ, Hani SB. Transforming cancer clinical trials: The integral role of artificial intelligence in electronic health records for efficient patient recruitment. Contemp Clin Trials Commun. 2023;36:101223. PubMed Kısa Bildiri