DİJİTAL SAĞLIK (Öğrenme Platformu)
Dijital çağ, verilerden üretilen kararlarla yönetiliyor. Önemli olan verilerden; insan, toplum, çevre ve dünya için doğru ve yararlı bilgi üretmek. Bunun için veriden bilgi üretme aşamalarının iyi bilinmesi önemli.
Verilerden yarar sağlayacak kararlara kadar uzanan yol aşamalı bir süreç. Ardışık üç farklı çıktı var: Bilgi, anlamlandırılmış bilgi ve bilgelik bilgisi. Bu etkileşim, Veri → Bilgi (Enformasyon) → Anlamlandırılmış Bilgi → Bilgelik (Data – Information – Knowledge – Wisdom) değer zinciri olarak adlandırılıyor.
Bu (karar) değer zincirini, yapay zeka (YZ) bağlamında inceleyelim. Nasıl insanın bilgelik aşamasına gelebilmesi için öğrenmesi ve eğitilmesi gerekiyorsa yapay zekâ da öğrenme ile üretiliyor. Bu da makine öğrenmesi (MÖ) olarak adlandırılıyor. Makine, verilerle eğitiliyor. YZ’nin doğru kararı, doğru zamanda verebilmesi veri kalitesine ve verinin işlenmesine (MÖ yöntemine) bağlı.
Veri- Bilgi dönüşümü olmazsa: “Çöp veri, çöp sonuç olur”. Yapay zekâ ham veriyi doğru işlemiyorsa gürültülü, eksik veya hatalı veriler aynen modele girer. Model yanlış ilişkiler öğrenir. Yanlış öngörüler / hatalı sınıflamalara göre karar alır (Çöp girerse, çöp çıkar durumu). Sağlıkta örnek: Eksik veya yanlış laboratuvar verileriyle çalışan model, yanlış risk skoru üretir.
Bilgi- Anlamlandırma olmazsa: “Bağlam kaybı olur” Yapay zekâ sadece veri ilişkilerini öğrenir ancak klinik bağlamı, hasta hikâyesini, zaman ilişkisini anlamaz. Korelasyonları neden-sonuç gibi yorumlayabilir. Yanıltıcı çıkarımlarla yanlış kararlar üretir. Örnek: HbA1c yüksek sonucu için “her zaman kötü kontrol” diyebilir. Ama akut durumları, tedavi değişimini, hasta özel durumunu dikkate almaz.
Anlam- Bilgelik bilgisine dönüşmezse: “Karar desteği yerine karar hatası olur”. En kritik kırılma noktası burasıdır. Yapay zekâ, analiz yapar ama kaliteli karara dönüşemez. Önceliklendirme, risk değerlendirme, etik boyut eksik kalır. Yanlış klinik öneriler, aşırı uyarı, kritik durumların atlanması gibi kararlar alır.
Bilgelik yoksa: “Sorumluluk ve güven problemi vardır”. Bilgelik aşaması aslında şunları içerir: risk farkındalığı, klinik öncelik, etik değerlendirme, sonuçların etkisini öngörme. Bunlar yoksa yapay zekâ “karar veriyor gibi” görünür ancak hesap verebilir değildir. Bu da klinik güven kaybı, sistemlerin kullanılmaması ve düzenleme sorunları doğurur.
Bu zincir bozulursa yapay zekâ karar destek sistemi olmaktan çıkar, riskli kararlar üreten sisteme dönüşür.
Sonuç olarak; veri başlangıçtır, enformasyon/bilgi düzen sağlar, anlamlandırılmış bilgi derinlik kazandırır, bilgelik ise doğru eylemi mümkün kılar. Dijital sağlıkta fark yaratan da tam olarak bu son adımdır. Ancak iki anahtar sözcük var: kaliteli veri ve doğru işleme (uygun MÖ yöntemi)
“Kaliteli veri doğru işlendiğinde hayat kurtarır.” Bu yüzden dijital sağlıkta asıl hedef, veriyi toplamak değil; kaliteli veri üretmek ve onu bilgelik düzeyinde karara dönüştürebilen bir değer zinciri kurmaktır. Yapay zekâ ise ancak bu zincirin üzerine inşa edildiğinde değer üretir; aksi halde hatayı hızlandıran bir araca dönüşür.
---------------
Prof. Dr. Diler Aslan, Tıbbi Biyokimya, laboratuvar ve laboratuvar verileri yönetimi alanında uzun yıllar akademik ve uygulamalı çalışmalar yürütmüştür. Dijital sağlık, veri yönetimi ve kalite sistemleri konularında danışmanlık ve eğitim faaliyetlerine devam etmektedir. Sağlıkta veri kalitesi ve verilerin doğru kullanımı üzerine çalışmalarını sürdürmektedir.
