DİJİTAL DÖNÜŞÜM (Öğrenme Platformu)
Dijital dönüşüm, veri yönetişimi ve yapay zekâ projelerinde sıkça kullanılan iki kavram var: referans veri ve meta veri. Bu kavramlar bazen aynı anlamda kullanılsa da aslında birbirinden oldukça farklı. Kurumlar, veriyi doğru yönetebilmek için bu farkı iyi anlamalı.
Bir sağlık kuruluşunu düşünelim. Hastalara ait laboratuvar sonuçları, tanılar, ilaçlar ve randevular sistemlerde kayıt altındadır. Ancak bu verilerin anlamlı ve tutarlı biçimde kullanılabilmesi için bazı ortak kurallar gerekir. Bu noktada referans veri ve meta veri devreye girer.
Meta veri, en basit tanımıyla “veri hakkında veridir.” Bir veri elemanının ne anlama geldiğini, hangi sistemden geldiğini, kim tarafından yönetildiğini, hangi standartlara göre tanımlandığını ve hangi kurallara uyduğunu açıklar.
Laboratuvar tıbbındaki “HbA1c” veri alanını değerlendirelim. Bu alanın açıklaması, ölçü birimi, veri tipi, uluslararası kodu, veri sahibi, kalite kuralları ve erişim yetkileri meta verinin kapsamına girer.
Başka bir ifadeyle meta veri, verinin kimliğini oluşturan bilgiler bütünüdür.
Referans veri ise farklı bir amaca hizmet eder. Referans veri, sistemlerde ortak olarak kullanılan ve değişme sıklığı düşük olan standart değer kümeleridir. Amaç, herkesin aynı dili konuşmasını sağlamaktır.
Ülkelerin isimleri, şehir kodları, para birimleri, laboratuvar test kodları, tanı kodları veya cinsiyet tanımları referans veri örnekleridir.
Bir hastane bilgi sisteminde “Kadın” için bir yerde “K”, başka bir yerde “Kadın”, başka bir yerde ise “Female” kullanılması ciddi veri kalitesi sorunlarına yol açabilir. Referans veri yönetimi sayesinde tüm sistemlerde aynı kod ve tanımlar kullanılır.
Bu nedenle referans veri, kurumların ortak dilini oluşturur.
İki kavram arasındaki farkı bir adres örneğiyle açıklayabiliriz. Bir formdaki “İl” alanının ne anlama geldiği, veri tipi, uzunluğu ve sahibi meta veridir. Ancak o alanda kullanılacak “İzmir”, “Ankara”, “İstanbul” gibi standart il listesi referans veridir.
Başka bir örnek verelim. Bir laboratuvar sisteminde “Test Kodu” alanının tanımı meta veridir. Ancak kullanılacak test kodlarının listesi referans veridir. Benzer şekilde “Tanı Kodu” alanının özellikleri meta veri, ICD-10 kodlarının kendisi ise referans veridir.
Kısacası meta veri bize verinin ne olduğunu anlatırken, referans veri hangi standart değerlerin kullanılacağını belirler.
Yapay zekâ projeleri ve veri analitiği uygulamaları yaygınlaştıkça bu ayrım daha önemli hale gelmektedir. Çünkü yapay zekâ algoritmaları ancak tutarlı ve standartlaştırılmış veriler üzerinde doğru sonuçlar üretebilir. Farklı sistemlerde aynı kavram farklı şekillerde tanımlanıyorsa veri entegrasyonu zorlaşır, analiz sonuçları güvenilirliğini kaybeder.
Sağlık sektöründe birlikte işlerlik çalışmalarının temelinde de referans veri ve meta veri yönetimi bulunmaktadır. HL7 FHIR, LOINC, SNOMED CT ve ICD-10 gibi standartların yaygınlaşmasının nedeni budur. Bu standartlar yalnız veri paylaşımını değil, aynı zamanda verinin ortak anlamda yorumlanmasını da sağlar.
Sonuç olarak meta veri ve referans veri birbirini tamamlayan ancak farklı amaçlara hizmet eden iki önemli kavram. Meta veri veriyi tanımlar, referans veri ise verinin kullanacağı ortak değerleri belirler. Birisi verinin kimliğini oluştururken, diğeri kurumun ortak dilini oluşturur.
Dijital çağda veriden değer üretmek isteyen kuruluşlar her ikisini de etkin biçimde yönetmelidir.
---------------
Prof. Dr. Diler Aslan, Tıbbi Biyokimya, laboratuvar ve laboratuvar verileri yönetimi alanında uzun yıllar araştırmalar, uygulamalı akademik çalışmalar ve kurumsal boyutta çeşitli yöneticilikler yürütmüştür. “ANKUZEM E-eğitimci 2013”, “ADLM Tıbbi Laboratuvarlarda Veri Bilimi Eğitimi 2026”, “UKAS ISO 42001 AI Management Systems Farkındalık Eğitimi 2025” sertifikalarına hak kazanmıştır. Dijital sağlık, veri yönetimi ve kalite sistemleri konularında danışmanlık ve eğitim faaliyetlerine devam etmektedir. Sağlıkta veri kalitesi ve verilerin doğru kullanımı üzerine çalışmalarını sürdürmektedir.
