Birinci basamaktan uzmana bakım geçişlerini kolaylaştıran bir LLM sohbet botu: randomize kontrollü bir çalışma

Bekleme odasında dijital bir yardımcının önemi

Uzun süre bekleyip yoğun bir hastane uzmanıyla görüşmeyi beklemiş olan herkes, son konuşmanın ne kadar aceleye getirildiğini bilir. Bu çalışma, büyük sonuçları olabilecek basit bir soruyu gündeme getiriyor: yapay zekâ sohbet botu hastayla görüşme öncesinde konuşup onların öyküsünü toplayıp uzmana net bir özet sunarak zamanı kurtarırken bakımın insan tarafını gerçekten iyileştirebilir mi? Çin’in iki büyük hastanesinde araştırmacılar, PreA adındaki hasta odaklı büyük dil modelini test ederek böyle bir dijital yardımcının kalabalık polikliniklerin daha düzenli çalışmasını ve özellikle sınırlı kaynaklı ortamlarda daha kişisel hissettirmesini sağlayıp sağlayamayacağını inceledi.

Kalabalık polikliniklerin sorunu

Dünya genelindeki sağlık sistemleri; yaşlanan nüfus, aynı anda birden çok kronik hastalıkla yaşayan kişiler ve birinci basamağa dengesiz erişim gibi zorluklarla karşı karşıya. Çin’de birçok hasta yerel klinikleri atlayıp doğrudan büyük hastanelere gidiyor ve uzman polikliniklerini ilk kez başvuran hastalarla dolduruyor. Uzmanlar çoğu zaman önceden sevk notu olmayan hastalarla karşılaşıyor, tüm tıbbi öyküyü anında yeniden kurmak zorunda kalıyor ve bunu yapmak için sadece birkaç dakikaları oluyor. Sonuç uzun bekleme sıraları, kısa yüz yüze görüşmeler ve hem doktorlar hem de hastalar için yüksek stres. Hemşire liderliğindeki triyaj gibi basit önlemler yardımcı olsa da, hemşirelerin her vakaya ilişkin ayrıntılı öykü toplamak için genellikle zamanı veya eğitimi olmuyor.

Sohbet botunun toplulukla birlikte nasıl geliştirildiği

Araştırma ekibi PreA’yı, hastanın hastaneye varmasından uzmanla oturmasına kadar geçen boşluk için özel olarak tasarlanmış bir konuşma asistanı olarak geliştirdi. Sistemi ağırlıklı olarak dağınık yerel transkriptler üzerinde eğitmek—ki bunlar aceleci alışkanlıkları ve önyargıyı kodlayabilir—yerine, araştırmacılar ortak tasarım süreci kullandı. Hastalar, bakıcılar, toplum sağlığı çalışanları, hemşireler, birinci basamak hekimleri, uzmanlar ve hastane yöneticileri, sohbet botunun hangi soruları sorması gerektiğini, hangi bilgileri toplaması gerektiğini ve özetlerinin nasıl görünmesi gerektiğini birlikte şekillendirmede katkıda bulundu. Sohbet botu mobil telefonda çalışıyor, metin veya ses desteği sunuyor, sağlık okuryazarlığı sınırlı olan kişiler için basit dil kullanıyor ve yaşlı veya daha hasta aile üyelerine yardımcı olan akrabalarla erişimi paylaşıyor.

Dijital asistanın teste sokulması

PreA’nın gerçek dünyada işe yarayıp yaramadığını görmek için ekip, Çin’in batısındaki iki büyük hastanede 24 uzmanlık alanında randomize kontrollü bir çalışma yürüttü. Uzman bakımı arayan 2.000’den fazla yetişkin üç gruptan birine atanmıştı: görüşme öncesi kendi başına PreA kullananlar; personele yardım ile PreA kullananlar; ya da sohbet botu olmadan olağan bakım alanlar. PreA gruplarında hastalar sistemle yaklaşık üç buçuk dakika sohbet etti; sistem daha sonra ana şikâyetleri, tıbbi öyküyü, muhtemel tanıları ve önerilen testleri içeren yapılandırılmış bir sevk raporu üretti. Uzmanlar bu raporu hızlıca gözden geçirip hastayla olağan şekilde görüştü. Sadece PreA kullanan gruptaki danışmalar, olağan bakım grubuna göre %28,7 daha kısa sürdü; buna rağmen doktorlar bekleme sürelerini artırmadan vardiya başına daha fazla hasta gördü. Dikkat çekici şekilde, hastalar personel desteği olmadan sohbet botunu kullandığında da sonuçlar aynı derecede güçlüydü; bu da yoğun polikliniklerde ölçeklenebilirliğe işaret ediyor.

Daha hızlı görüşmeler yine de insancıl hissettirdi mi?

Daha kısa görüşmeler genellikle daha soğuk, mekanik bir bakım endişesi doğurur. Burada tam tersi oldu. PreA kullanan hastalar ve bakıcılar, doktorlarıyla konuşmaların daha kolay olduğunu, hekimlerin daha ilgili ve saygılı göründüğünü, görüşmeden daha memnun kaldıklarını ve bu tür araçları tekrar kullanmaya daha istekli olduklarını bildirdi. Uzmanlar, sohbet botunun sevk raporlarını genellikle aldıkları minimal notlardan çok daha faydalı olarak değerlendirdi. Bağımsız uzmanlar, PreA’nın özetlerini, rutin dokümantasyonun sıkça boşluklar bıraktığı zorlayıcı klinik ortamların aksine, birçok hekim notundan daha eksiksiz ve klinik olarak daha ilgili buldu. Buna karşın doktorların kendi notlarının analizi, yapay zekânın önerilerinin yalnızca kopyalanıp körü körüne izlendiğine dair bir işaret göstermedi; bu da otomasyon yanlılığı endişelerini yatıştırıyor.

Yapay zekânın nasıl eğitildiği neden önemli

Araştırmacılar ayrıca daha derin bir meseleyi irdeledi: tıbbi yapay zekâ yerel uygulamayı olduğu gibi mi yansıtmalı, yoksa onu iyileştirmeye mi yardımcı olmalı? Ortak tasarımlı PreA’yı aynı bölgelerden yüzlerce gerçek dünya birinci basamak görüşmesiyle daha fazla ince ayar yapılmış bir sürümle karşılaştırdılar. Veriyle ayarlanmış bu sürüm daha kötü performans gösterdi. Yerel kestirmeleri tekrar ediyor, önemli soruları atlıyor, gereken testleri kaçırıyor ve bazen dostça olmayan bir üslup benimsiyordu—temelde mevcut zaafları ölçeklendiriyordu. Buna karşılık, en iyi uygulama kılavuzları ve toplum öncelikleri etrafında şekillendirilen ortak tasarımlı model, simülasyon vakalarında daha yüksek kalitede öyküler, tanılar ve test önerileri üretti. Bu karşıtlık, model davranışını yönlendirmede yerel paydaşları dahil etmenin; algoritmaya ham yerel diyalog vermekten daha güvenli ve daha adil olabileceğini düşündürüyor.

Bu hastalar ve sağlık sistemleri için ne anlama geliyor

Hastalar açısından sonuç şu: bir doktorla görüşmeden önce yapay zekâ asistanıyla yapılan kısa bir konuşma, gerçek görüşmeyi onlar için daha net, daha sakin ve en çok önem taşıyan konulara daha odaklı hissettirebilir. Aşırı yüklü sağlık sistemleri içinse PreA, insan bağlantısından ödün vermeden kıt uzman zamanını geri kazanmanın bir yolunu işaret ediyor. Klinikleri değiştirmek yerine sohbet botu bilgi toplama ve dokümantasyonun rutin işini üstlenerek doktorların dinlemeye, açıklamaya ve nüanslı kararlar almaya odaklanmasını sağlıyor. Daha büyük ve daha çeşitli çalışmalara hâlâ ihtiyaç olsa da, bu çalışma özenle ortak tasarlanmış sohbet botlarının hastaların karmaşık hastanelerde gezinmesine rehberlik eden ve klinisyenlerin her dakikanın önemli olduğu koşullarda daha hasta-merkezli bakım sunmasına yardımcı olan ön kapı rehberleri olarak hizmet edebileceği bir geleceğe işaret ediyor.

Atıf: Tao, X., Zhou, S., Ding, K. et al. An LLM chatbot to facilitate primary-to-specialist care transitions: a randomized controlled trial. Nat Med 32, 934–942 (2026). https://doi.org/10.1038/s41591-025-04176-7

Anahtar kelimeler: Sağlık hizmetlerinde Yapay Zeka, hasta sohbet botları, hastane iş akışı, birinci basamak sevkleri, tıbbi ortak tasarım