Yapay Zekanın Tıp ve Bilimdeki Güncel Gelişmeleri: PubMed Analizi

10 Ocak 2026 Özet

Bu belge, yapay zekanın (YZ) tıp, sağlık hizmetleri, biyoteknoloji ve diğer bilimsel alanlardaki en son uygulamalarını ve etkilerini inceleyen 100 güncel akademik yayının kapsamlı bir sentezini sunmaktadır. Yapılan analizler, YZ'nin klinik karar verme süreçlerini dönüştürdüğünü, tanısal doğruluğu artırdığını ve tedavi planlamasını optimize ettiğini ortaya koymaktadır. Özellikle tıbbi görüntüleme, ilaç keşfi ve kişiselleştirilmiş tıp alanlarında YZ destekli modellerin etkinliği kanıtlanmıştır. Büyük dil modelleri (LLM'ler) gibi üretken YZ teknolojileri, klinik dokümantasyondan idari görevlere, hasta eğitiminden ruh sağlığı desteğine kadar sağlık hizmetlerinin operasyonel verimliliğini artırmada önemli bir potansiyel göstermektedir. Bununla birlikte, bu hızlı ilerleme, veri eşitliği, model şeffaflığı, hasta mahremiyeti ve YZ'nin bilimsel ve klinik uygulamalardaki sorumlu kullanımı gibi önemli etik ve metodolojik tartışmaları da beraberinde getirmektedir. Bu sentez, YZ'nin mevcut yeteneklerini, karşılaşılan zorlukları ve gelecekteki potansiyelini bütüncül bir bakış açısıyla özetlemektedir.

Ana Temalar ve Bulgular

I. Klinik Karar Desteği ve Tanısal Uygulamalar

Yapay zeka, klinisyenlere hastalıkları daha erken ve daha doğru bir şekilde teşhis etme, riskleri öngörme ve tedavi sonuçlarını iyileştirme konusunda güçlü araçlar sunmaktadır.

• Teşhis Doğruluğunun Artırılması:

• Acil Tıp: ChatGPT-4o, nedeni bilinmeyen ateş vakalarında acil tıp hekimlerinin teşhis doğruluğunu artırmada yardımcı bir araç olarak değerlendirilmektedir (1).

• Onkoloji: Derin Öğrenme modelleri, klinik görüntülerden melanom tespiti için kullanılmakta ve federasyon öğrenme (Federated Learning) tekniği sayesinde hasta verileri paylaşılmadan %89,1 doğruluk ve 0,9251 ROC AUC değeri ile merkezi modellere benzer bir performans sergilemektedir (8).

• Nöroloji: Alzheimer ve bunama gibi nörodejeneratif hastalıkların teşhisinde plazma biyobelirteçlerini (p-tau217, NfL) yorumlamak için YZ tabanlı görselleştirme araçları geliştirilmiştir. Bu araçlar, %8,9 ile %37,5 arasında değişen "gri bölge" oranlarıyla yüksek tanısal doğruluk (AUC 0,85-0,93) sağlamaktadır (16). Bir başka çalışma, YZ'nin nöropsikolojik testler ve MRG verilerini birleştirerek Alzheimer hastalarının evrelendirilmesi, tanısı ve ilerleme riskini tahmin etmede %91 doğruluk oranı elde ettiğini göstermiştir (55).

• Genetik Sendromlar: Makine öğrenmesi ve 3D yüz görüntüleme teknolojileri, deneyimli uzmanlara erişimin kısıtlı olduğu durumlarda Fetal Alkol Spektrum Bozukluklarının (FASD) değerlendirilmesini iyileştirmek için kullanılmaktadır (13).

• Diş Hekimliği: Derin evrişimli sinir ağları (DCNN'ler), panoramik radyografilerde mandibular ikinci molarlardaki C-şekilli kanalları %90,2'ye varan doğrulukla tespit ederek endodontik tedavilerin başarısına yardımcı olmaktadır (80).

• Hastalık Tahmini ve Risk Sınıflandırması:

• Üreme Tıbbı: ChatGPT, DeepSeek ve Gemini gibi genel amaçlı büyük dil modellerinin (LLM'ler), in vitro fertilizasyon (IVF) sonuçlarını tahmin etme performansı değerlendirilmiştir. Modellerin performansı değişkenlik göstermekle birlikte, klinik gebelik tahmininde Gemini 0,711 AUC değeriyle en iyi performansı sergilemiştir (6).

• Kardiyoloji: Zaman serisi yaşamsal belirti verilerini kullanan bir Derin Öğrenme modeli (TrGRU), bir sonraki saat içinde kalp durmasını %85,9 hassasiyet ve 0,957 AUROC ile tahmin edebilmektedir (54).

• Cerrahi Komplikasyonlar: Random Forest ve XGBoost gibi makine öğrenmesi modelleri, mandibular üçüncü molar cerrahisi sonrası postoperatif komplikasyonları tahmin etmede geleneksel yöntemlerden daha üstün bir performans (AUC 0,91) sergilemiştir. SHAP analizi, cerrahi süresi, gömülülük tipi ve operatör deneyiminin en önemli belirleyiciler olduğunu ortaya koymuştur (51).

• Cerrahi ve Tedavi Planlaması:

• El Cerrahisi: Karmaşık el cerrahisi senaryolarında LLM'lerin performansı karşılaştırılmıştır. Gemini 2 ve Grok 3, hem çoktan seçmeli hem de açık uçlu sorularda ChatGPT-5 ve DeepSeek R1'den önemli ölçüde daha iyi ve tutarlı performans göstermiştir, bu da onları eğitim ve karar desteği için umut verici araçlar haline getirmektedir (57).

• Onkoloji: ARPA-H tarafından başlatılan ADAPT girişimi, çok modlu verileri ve yorumlanabilir YZ'yi entegre ederek kanser tedavisini dönüştürmeyi, tümör evrimini gerçek zamanlı olarak tespit edip tedavi ayarlamalarını yönlendirmeyi amaçlamaktadır (47).

Aşağıdaki tablolar, LLM'lerin IVF sonuçları ve el cerrahisi senaryolarındaki karşılaştırmalı performansını özetlemektedir.

IVF Sonuç Tahmini (Model Performansı)	ChatGPT	DeepSeek	Gemini
Stimülasyon Protokolü Doğruluğu	-	-	%51,26
Embriyo Sayısı Doğruluğu	-	-	%68,22
Yumurta Sayısı Tahmini	-	En Düşük Hata	-
Klinik Gebelik Tahmini (AUC)	0,690	0,676	0,711

El Cerrahisi Senaryoları (Likert Skalası, 1-6)	ChatGPT-5	Gemini 2	Grok 3	DeepSeek R1
Çoktan Seçmeli Sorular (Ort. Puan)	5,7 ± 0,3	5,9 ± 0,2	5,9 ± 0,1	5,6 ± 0,4
Açık Uçlu Sorular (Doğruluk)	5,1 ± 0,5	5,6 ± 0,3	5,5 ± 0,4	4,9 ± 0,6

II. Tıbbi Görüntüleme ve Segmentasyon

YZ, tıbbi görüntülerin analizini otomatikleştirmede, nicelleştirmede ve yorumlamada devrim yaratmaktadır.

• Böbrek Biyopsileri: SegRenal adlı YZ tabanlı segmentasyon modeli, donmuş kesit böbrek biyopsilerinde glomerülleri, arterleri ve interstisyel fibrozisi %95'e varan Dice skorları ile doğru bir şekilde tanımlayarak transplantasyon uygunluğunun değerlendirmesini hızlandırmaktadır (49).

• Mandibular Kanal Tespiti: Beş farklı YZ platformu, konik ışınlı bilgisayarlı tomografi (CBCT) görüntülerinde mandibular kanal segmentasyonu için karşılaştırılmıştır. Relu Creator ve 3D Slicer, uzman düzeyine yakın performans sergileyerek cerrahi planlamada güvenliği artırma potansiyeli göstermiştir (43).

• Abdominal BT Görüntüleme: CURVAS yarışması, karın BT taramalarında organ sınırları ve tümörler gibi belirsiz yapıların segmentasyonunda kalibrasyon ve belirsizlik modellemesini iyileştirmek için üç uzman tarafından etiketlenmiş 90 BT taramasından oluşan bir veri seti sunmaktadır (10).

• Akciğer Kanseri Metastazları: Akciğer kanserinden kaynaklanan beyin metastazlarına ait MR ve histopatolojik görüntüleri, segmentasyonları ve klinik bilgileri içeren kapsamlı bir veri seti, çok modlu YZ modellerinin geliştirilmesini desteklemek için oluşturulmuştur (36).

• Kardiyak Görüntüleme: Üretken YZ, egzersiz sonrası koroner sinüs akışını ve rezervini iğnesiz olarak ölçmek için kullanılan Kardiyak Manyetik Rezonans (CMR) tekniğinin uzamsal ve zamansal çözünürlüğünü artırmaktadır (44).

III. İlaç ve Malzeme Keşfi

YZ, yeni terapötiklerin ve materyallerin keşif ve geliştirme süreçlerini önemli ölçüde hızlandırmaktadır.

• Nanofarmasötikler: YZ/Makine Öğrenmesi (ML) modelleri, Tasarımla Kalite (QbD) ilkeleriyle birleştirilerek nanofarmasötik formülasyonların tasarımını, süreç optimizasyonunu ve biyolojik performans tahminini iyileştirmektedir (3).

• Yeni Materyal Keşfi: YZ, artan veri tabanları ve hesaplama gücüyle entegre olarak yeni malzemelerin keşfi, özelliklerinin tahmini ve deneysel sentezinin yönlendirilmesinde kullanılmaktadır (31).

• İlaç Tasarımı: MutiDTAGen gibi YZ çerçeveleri, yeni ilaç moleküllerinin üretimi ve ilaç-hedef afinite tahmini gibi çoklu görevleri birleştirerek ilaç keşfini kolaylaştırmaktadır (28).

• Doğal Bileşiklerin Tespiti: Derin öğrenme modelleri (DeepSeek) ile birleştirilen LC-MS (Sıvı Kromatografisi-Kütle Spektrometresi) analizi, Cayratia japonica bitkisinden elde edilen eksozom benzeri nanoveziküllerde yara iyileştirici özelliklere sahip biyoaktif bileşikleri sistematik olarak taramak için kullanılmıştır (85).

• Antiparaziter İlaç Keşfi: Bilgisayarlı görme ve ince ayarlanmış modelleri kullanan otomatik bir platform, şistozomların canlılığını videolardan yüksek doğrulukla değerlendirerek anti-şistozomal ilaç keşfini hızlandırmaktadır (65).

IV. Temel Bilimler ve Biyoteknolojideki Atılımlar

YZ, temel biyolojik mekanizmaları anlamak ve biyoteknolojik süreçleri otomatikleştirmek için yenilikçi yaklaşımlar sunmaktadır.

• Otoimmün Hastalıklar: Romatoid artrit (RA) patogenezinde otofajinin karmaşık rolünü anlamak için yüksek verimli "omik" teknolojileri ile YZ'nin entegrasyonu, kişiselleştirilmiş tanı ve tedavi stratejileri için yeni fırsatlar sunmaktadır (2).

• Viroloji: SIMPLICITY adlı çok ölçekli matematiksel model, konak içi ve konaklar arası evrimsel dinamikleri birleştirerek SARS-CoV-2'nin popülasyon düzeyindeki evrimini incelemek için geliştirilmiştir (5).

• Biyofabrikasyon ve Doku Mühendisliği:

• Kendi Kendini Yöneten Biyobaskı Laboratuvarları: YZ, robotik ve biyosensörlerin entegrasyonu, insan müdahalesi olmadan canlı doku yapılarını tasarlayabilen, üretebilen ve değerlendirebilen tam otonom "kendi kendini yöneten" biyobaskı laboratuvarlarının gelişimini sağlamaktadır (52).

• Çip Üzerinde Tümör Organoidleri: Üretken YZ'nin hasta türevli tümör organoidleri ve çip üzerinde tümör modelleri ile birleştirilmesi, tahminsel onkoloji ve kişiselleştirilmiş kanser tedavisinde devrim yaratmaktadır (53).

• Depresyon Tespiti: Gaborformer adlı yeni bir çerçeve, konuşmadaki akustik özellikleri analiz ederek depresyonu yüksek doğrulukla tespit etmek için Gabor filtreleri ve bir Conformer modelini entegre etmektedir (41).

V. Sağlık Hizmetleri Yönetimi ve Eğitimi

YZ, idari yükleri azaltarak, eğitimi geliştirerek ve klinik iş akışlarını optimize ederek sağlık sistemlerini daha verimli hale getirme potansiyeline sahiptir.

• İdari Verimlilik ve Dokümantasyon:

• Klinik İdari Görevler: ABD'deki birinci basamak hekimlerinin YZ'nin idari görevlerde kullanımına yönelik tutumları incelenmiş; daha az deneyime sahip ve YZ'ye daha önce maruz kalmış hekimlerin daha olumlu baktığı görülmüştür (17).

• Klinik Dokümantasyon: LLM'ler, klinik dokümantasyonun verimliliğini, standardizasyonunu ve netliğini artırma potansiyeli taşımakla birlikte, doğruluk, mahremiyet ve algoritmik önyargı gibi etik zorluklar devam etmektedir (21).

• Ortam YZ Asistanları (Ambient AI Scribes): YZ destekli ortam asistanlarının kullanımı, hekimlerin finansal verimliliği, faturalandırma uygulamaları ve klinik iş akışları üzerindeki etkileri açısından incelenmektedir (74, 76, 77).

• Klinik Deneme ve İş Gücü Yönetimi:

• Hasta Eşleştirme: Kanser klinik araştırmaları için geliştirilen yarı otomatik bir hasta-deneme eşleştirme aracı (CTPM), manuel tarama iş yükünü 10 kat azaltmış ve tarama süresini %41 kısaltarak hasta alımını önemli ölçüde iyileştirmiştir (58).

• İş Gücü Sürdürülebilirliği: Avustralya'daki radyografi alanındaki iş gücü eksikliklerini gidermek için YZ ve teletıp gibi teknolojilerden yararlanılması önerilmektedir (24).

• Eğitim ve Süpervizyon:

• Psikoterapi Eğitimi: YZ, kanıta dayalı psikoterapilerde (örn. Bilişsel Davranışçı Terapi) eğitim ve süpervizyonun verimliliğini, tutarlılığını ve erişilebilirliğini artırarak ruh sağlığı hizmetlerini küresel olarak dönüştürebilir (25).

• Hemşirelik Eğitimi: ChatGPT-4'ün, tersine mühendislik teknikleri kullanılarak hemşirelik eğitimi için yüksek kalitede çoktan seçmeli sorular üretebildiği gösterilmiştir (94).

• Hasta Eğitimi: Yapay zeka, sanal gerçeklik ve kişiselleştirilmiş öğrenme sistemleri gibi dijital teknolojiler, kalp yetmezliği (KY) olan hastaların ve klinisyenlerin eğitimini optimize etme potansiyeli taşımaktadır (83).

VI. Yapay Zeka Etiği, Algısı ve Sorumlu Kullanımı

YZ'nin yaygınlaşması, toplumsal algı, etik standartlar ve sorumlu uygulama çerçevelerine olan ihtiyacı artırmaktadır.

• Toplumsal Algı: ABD'de yapılan bir çalışma, insanların YZ'yi giderek daha "sıcak" ve "insan benzeri" olarak algıladığını ve bu algının YZ teknolojilerine olan güveni ve benimseme isteğini güçlü bir şekilde etkilediğini ortaya koymuştur (29).

• Bilimsel Pratiğin Dönüşümü: YZ'nin bilimsel bilgi üretimi ve doğrulanması süreçlerine entegrasyonu, "endüstrileşmeden" "kobotlaşmaya" bir geçiş olarak kavramsallaştırılmakta ve bu durumun, bilimsel metnin sosyal anlamını ve yorumsal deneyimi nasıl etkilediği tartışılmaktadır (38).

• Veri Eşitliği: Halk sağlığında veri biliminin sorumlu bir şekilde uygulanabilmesi için veri eşitliğinin temel bir gereklilik olduğu vurgulanmakta ve önyargıları azaltmak, genellenebilirliği sağlamak için 10 temel ilke önerilmektedir (75).

• Sorumlu Kullanım ve Şeffaflık:

• Bilimsel makalelerin hazırlanmasında LLM'lerin sorumlu bir şekilde nasıl kullanılacağına dair pratik öneriler sunulmakta, yazarlık, şeffaflık ve akademik dürüstlük ilkeleri vurgulanmaktadır (86).

• Klinik hemşirelik ortamlarında, alıntı artırılmış üretim (RAG) sistemleri gibi YZ teknolojilerinin uygulanması için doğruluk, adalet, şeffaflık ve insan gözetimini sağlayan etik kurallar önerilmektedir (60).

• Bazı yayınlar, makale hazırlama sürecinde ChatGPT gibi üretken YZ araçlarının dilbilgisi kontrolü veya cümlelerin yeniden ifade edilmesi gibi amaçlarla kullanıldığını açıkça beyan etmektedir (27, 30, 46).

VII. Tıp Dışındaki Uygulamalar

Yapay zeka, tıp ve sağlık hizmetleri dışında da çevre bilimleri, spor, lojistik ve mühendislik gibi çok çeşitli alanlarda yenilikçi çözümler sunmaktadır.

• Spor Bilimi: Çin'deki genç basketbolcular için çok boyutlu verileri (fiziksel, teknik, psikolojik) entegre eden YZ ve büyük veri odaklı kişiselleştirilmiş bir antrenman sistemi tasarlanmıştır (7).

• Çevre Yönetimi: Derin denizlerdeki enkaz yönetimi sorununu ele almak için uzay enkazı yönetiminden dersler çıkaran ve YZ ile robotik gibi teknolojik yenilikleri entegre eden dinamik bir teorik model geliştirilmiştir (20).

• İklim ve Enerji: Türkiye'nin Zonguldak ilindeki sıcaklık eğilimlerini tahmin etmek (32) ve lojistik sektöründe çevresel ve operasyonel kısıtlamaları dikkate alarak enerji tüketimini öngörmek (33) için açıklanabilir YZ ve makine öğrenmesi modelleri kullanılmaktadır.

• Malzeme Bilimi: Nano filtrelerin filtrasyon verimliliğini tahmin etmek için Sembolik Regresyon gibi gelişmiş YZ teknikleri kullanılarak yüksek doğrulukta (R² > 0.998) denklemler türetilmiştir (9).