KURUMSAL HİZMET
Sağlıkta Yapay Zekâ
Klinik ve idari süreçlerde yapay zekâ kullanımını düzenleyici sınıflandırma ve hasta güvenliği ekseninde kurma.
Problem
Sağlık kuruluşunda bir yapay zekâ uygulaması tek bir düzenleyicinin karşısına çıkmıyor: ürün aynı anda tıbbi cihaz değerlendirmesi, kişisel sağlık verisi rejimi ve kurum içi klinik sorumluluk çerçevesiyle karşılaşıyor. Ekipler bir aracın "karar destek" mi "idari yardımcı" mı olduğunu netleştirmeden geliştirmeye başlıyor ve sınıflandırma sonradan tüm tasarımı değiştiriyor.
Çözüm
İlk adım sınıflandırma: aracın klinik karara girdi sağlayıp sağlamadığı, çıktısının kim tarafından nasıl kullanıldığı ve hangi düzenleyici çerçeveye girdiği yazılır. Klinik olmayan idari süreçler ayrı bir yolda hızlandırılır. Klinik tarafta doğrulama, hasta popülasyonu temsili ve hekim gözetiminin fiilen işlediğini gösteren kanıt düzeni kurulur.
Kullanım alanları
- Klinik olmayan idari süreçler: randevu, kodlama, yazışma, raporlama desteği
- Hasta dosyası özetleme ve eksik belge tespiti
- Görüntüleme iş akışında sıralama ve ön değerlendirme desteği
- Kurumsal bilgi asistanı: prosedür, ilaç bilgisi, kurum protokolleri
- Hasta iletişiminde metin hazırlama ve okunabilirlik uyarlaması
- Klinik araştırma dokümantasyonunda tarama ve tutarlılık kontrolü
Referans mimari
Katmanlar sabit değildir; kurumun veri ve uyum kısıtlarına göre şekillenir.
- Sınıflandırma: klinik karar desteği mi, idari yardımcı mı
- Düzenleyici eşleme: tıbbi cihaz değerlendirmesi, sağlık verisi rejimi, kurum içi onay
- Veri hazırlığı: kimlikten arındırma ve yeniden kimliklendirme riskinin değerlendirilmesi
- Doğrulama: hasta popülasyonu temsili ve alt grup performansı
- Hekim gözetimi: çıktının nasıl sunulduğu ve itiraz yolunun tasarımı
- Kayıt: kararın hangi çıktıya dayandığının dosyaya yazılması
Güvenlik ve uyum
Özel nitelikli kişisel veri olarak sağlık verisinin ayrı hukuki dayanak ve güvenlik önlemine bağlanması
Türkiye'de tıbbi cihaz kapsamına girebilecek yazılımlarda TİTCK değerlendirmesinin baştan hesaba katılması
Kimlikten arındırılmış veride yeniden kimliklendirme riskinin ölçülmesi
Klinik sorumluluğun yazılıma devredilmediğinin kurum içi belgelerde açık olması
Yaklaşımımız
- 01
Discovery
Senaryo, veri ve kısıtların çıkarılması.
- 02
Assessment
Olgunluk ve uygulanabilirlik değerlendirmesi.
- 03
Prototype
En kısa yoldan çalışan ilk sürüm.
- 04
PoC
Tanımlı başarı ölçütüyle kanıt çalışması.
- 05
Production
Güvenlik, ölçek ve operasyon devri.
- 06
Monitoring
Kalite, maliyet ve kayma izleme.
Sık sorulan sorular
Türkiye'de sağlıkta yapay zekâyı düzenleyen tek bir çerçeve var mı?
Yok. Uygulama; tıbbi cihaz mevzuatı üzerinden Türkiye İlaç ve Tıbbi Cihaz Kurumu, kişisel veri tarafında Kişisel Verileri Koruma Kurumu ve veri paylaşımı tarafında Sağlık Bakanlığı düzenlemeleriyle aynı anda karşılaşabiliyor. Doğrudan bir yapay zekâ kanunu yürürlükte değil; bu nedenle sınıflandırma çalışması projenin ilk adımı olur.
En düşük riskli başlangıç noktası nedir?
Klinik karara girmeyen idari süreçler: yazışma hazırlama, kodlama desteği, randevu ve belge eksiği tespiti. Bu alanlarda fayda ölçülebilir, hata maliyeti düzeltilebilir ve düzenleyici karmaşıklık belirgin biçimde düşük. Klinik alan için gereken doğrulama olgunluğu bu deneyimle birlikte kurulur.
Alt grup performansı neden ayrıca ölçülüyor?
Çünkü toplam isabet, belirli hasta grupları için sistematik olarak düşük performansı gizleyebiliyor. Eğitim verisinde az temsil edilen yaş, cinsiyet veya klinik alt gruplarda model daha çok yanılabilir ve bu fark ortalama metrikte görünmez. Ölçüm ayrı yapılmazsa farkın olmadığı değil, ölçülmediği anlaşılır.
İLETİŞİM
Sağlıkta Yapay Zekâ için değerlendirme oturumu
İlk görüşmede kullanım senaryonuzu, veri durumunuzu ve kısıtlarınızı birlikte çıkarıyoruz.