Tıbbi tanıda yapay zekâ sistemleri, klinisyenlerin ikinci görüşleri olarak işlev görmek için eğitilmektedir. Doktor ne kadar deneyim ve bilgiye sahip olursa olsun, bazı hastalıklar nadir, bazı vakalar karmaşık olur. Tıbbi geçmiş, laboratuvar sonuçları, görüntüleme verileri tümünü birleştirerek tanı koymak, bir doktorun yaşamındaki en zor görevlerden biridir. Yapay zekâ asistanları şimdi tıbbi tanı alanına girmeye başlıyor. Microsoft, kendi yapay zekâ tanı sisteminin bu zorlu durumları çözebildiğini gösteren bir çalışmayı Science dergisine yayımladı.
Microsoft'un MAI-DxO sistemi, uzman doktorlarla karşılaştırıldığında karmaşık vakalar için daha yüksek başarı oranına sahiptir. Yayımlanan veriler, sistemin yüzde 83 başarıya ulaştığını gösterirken, genel pratisyen doktorlar aynı vakaları yalnızca yüzde 36 oranında doğru tanıyabilmişler. Araştırmacılar yöntemini ve sınırlamalarını açıkça sunmuştur.
Teknik olarak, sistem birden fazla yapay zekâ modelini koordine ediyor. GPT-5 ve GPT-5.5 gibi büyük dil modelleri hastaların semptomlarını, tıbbi geçmişini, ilaç kullanımını ve aile öyküsünü analiz ediyor. Ardından karar destek modülleri bu verilere dayanan olası tanıları sınıflandırıyor ve olasılık derecelerini veriyor. Bu yaklaşım, bir doktorun ağır bir vakada tıbbi dergi taraması veya kolej meslekaşlarıyla danışmasına benzerdir.
Araştırmanın en ilginç bulgusu kontrol grubundan geldi. Doktor olmayan kişilere aynı vakaların açıklamaları ve sistem önerileri verildiğinde, bu kişiler yüzde 60 başarıya ulaştı. Yani, sisteme güvenmeyi öğrenen ve sistem önerisine uymuş hiç eğitimli olmayan insanlar da yüzde 60 başarı gösteriyor. Bu, iyileştirmenin büyük ölçüde temelinde yapay zekâ modellerinin tıbbi bilgi tabanının yattığını gösteriyor. Sistemin başarısı ne kadar iyi eğitilmiş bir doktor, ne kadar da iyi eğitilmiş bir yapay zekâ modeline bağlı olduğunun göstergesidir.
Araştırma açıkça belirtiyor ki sistem, doktor yerine geçmez. Sistemi geliştiren Mustafa Suleyman'ın kullandığı tıbbi superzekâ terimi görkemli gelebilir ancak geçerli olan yalnızca tanı desteği terimidir. Hastanede bu sistem doktorun karar almadan önce ikinci görüş sağlar; nihai karar hekim verir.
Microsoft, Beth Israel Deaconess Medical Center ve Mayo Clinic gibi önde gelen kurumlarla gerçek hastane ortamında çalışma planlıyor. Laboratuvar başarısı hastane uygulamasında sınandığında farklı sonuçlar çıkabilir; hekimlerin sistemin önerisini kabul edip etmediği ölçülecek. Makale Science dergisinin 22 Ekim 2026 sayısında yayımlandı (DOI: 10.1126/science.aeh7930). Türkiye'deki hastanelerde bu tür sistemlerin kullanılması henüz planlama aşamasındadır; ancak tıbbi teşhiste yapay zekâ kullanımının yaygınlaşması, uzun vadede sağlık sisteminin yanıt sürelerini iyileştirebilir. Bu çalışma, yapay zekâ sistemlerinin tıbbi alanda desteğe mahsus olarak tasarlanması ve doktor karar alması üzerine kurulması gerektiğini bir kez daha vurgulamaktadır.
Türkiye'de kullanılacak mı? Şimdilik sadece Beth Israel ve Mayo Clinic'te pilot çalışmalar var; Türkiye'de daha geç geçecek gibi görünüyor.
Hasta mahremiyeti riski nedir? Sistem destek içindir; doktor karar verir; risk azdır ama sistem hatalı olabilir.
