Yapay zekâ (YZ) teknolojileri patoloji laboratuvarlarında giderek yaygınlaşmaktadır. Ancak YZ'nin klinik uygulamalardaki yeri konusunda iki farklı yaklaşım bulunmaktadır:
- YZ'nin karar verici veya tanısal destek aracı olarak kullanılması
- YZ'nin denetim ve kalite güvencesi amacıyla bir yardımcı olarak kullanılması
Bu yazı, laboratuvar denetiminde YZ'nin "göz kulak olan" ve hataları uyaran bir yardımcı olarak kullanılmasına odaklanmaktadır. Yaklaşım, iki güncel yayının ilkelerine dayanmaktadır:
- Rakha ve ark. (2026) - "Guidance for laboratory implementation, governance and continuous assurance of artificial intelligence in histopathology" (Virchows Archiv)
- Jenkins ve ark. (2026) - "Ask–Audit–Apply: A Framework for Clinical Reasoning with Artificial Intelligence" (Journal of General Internal Medicine)
Temel Felsefe
Her iki yayın da ortak bir noktada buluşmaktadır: YZ, insan karar vericinin yerini almamalı, onu desteklemelidir. Laboratuvar denetimi bağlamında bu yaklaşım, YZ'nin aşağıdaki rollerle sınırlandırılmasını önermektedir:
| Yaklaşım | Tanım | Değerlendirme |
|---|---|---|
| YZ Karar Verici | YZ tanısal öneriler sunar, biyobelirteçleri skorlar; patolog yalnızca onaylar. | Otomasyon yanlılığı, beceri kaybı, yüksek hata riski |
| YZ Yardımcı / Gözlemci | YZ anormallikleri işaretler, hataları uyarır; patolog nihai değerlendirmeyi yapar. | Düşük risk, güvenli, denetim odaklı |
Bu yaklaşım, Rakha ve ark.nın önerdiği "işlev bazlı ve riske orantılı uygulama" ilkesiyle uyumludur.
Laboratuvar Denetiminde YZ Kullanım Alanları
1. Rapor Kalite Kontrolü ve Hata Tespiti
YZ'nin en pratik uygulama alanlarından biri, patoloji raporlarının CAP şeklindeki şablonlara uyumunun ve hata içeriklerinin taranmasıdır.
| Denetim Türü | YZ'nin Rolü | Beklenen Fayda |
|---|---|---|
| Yazım / Dil Bilgisi | Raporlardaki imla, gramer ve terminoloji hatalarını işaretler. | Hata oranında azalma, profesyonellik |
| Veri Eksikliği | Zorunlu alanların (tümör boyutu, derece, sınır durumu vb.) boş bırakılıp bırakılmadığını kontrol eder. | Eksik rapor oranında düşüş |
| Tutarsızlık Tespiti | Klinik bilgi ile patoloji bulgusu arasındaki çelişkileri işaretler. | Tanısal hataların önlenmesi |
| Şablon Uyumu | Raporun CAP veya yerel sinoptik şablonlara uygunluğunu kontrol eder. | Akreditasyon (CAP, ISO) uyumu |
Araştırmalar, büyük dil modellerinin patoloji raporlarındaki hataların önemli bir kısmını tespit edebildiğini ve rapor oluşturma süresinde kayda değer azalmalar sağladığını göstermektedir.
2. İş Akışı İzleme ve Erken Uyarı Sistemleri
YZ, laboratuvar iş akışındaki anormallikleri tespit ederek denetim ekiplerine erken uyarı sağlayabilir.
| İzleme Alanı | YZ'nin Rolü | Uyarı Türü |
|---|---|---|
| Biyobelirteç Dağılımları | HER2, ER, PR gibi biyobelirteçlerin pozitiflik oranlarındaki anormal sapmaları izler. | Boya, protokol veya cihaz arızası uyarısı |
| Tamamlanma Süreleri | Raporların tamamlanma sürelerindeki uzamaları tespit eder. | İş yükü dengesizliği veya sistem sorunu uyarısı |
| Uyumsuzluk Oranları | Patolog-YZ veya patolog-patolog uyumsuzluk oranlarındaki artışları izler. | Eğitim ihtiyacı veya kriter değişikliği uyarısı |
| Tarayıcı / Görüntü Kalitesi | Düşük kaliteli taramaları (odak dışı, artefakt) otomatik olarak tespit eder. | Teknik yeniden tarama uyarısı |
3. Sürekli Performans İzleme (Continuous Assurance)
Rakha ve ark.nın önerdiği gibi, YZ sistemleri laboratuvar denetiminde sürekli güvence sağlamak amacıyla kullanılabilir.
| Performans Göstergesi | YZ'nin Rolü | Değerlendirme Sıklığı |
|---|---|---|
| Patolog-YZ Uyumu | Patolog ile YZ bulguları arasındaki tutarlılığı otomatik olarak hesaplar. | Haftalık / Aylık |
| Yanlış Pozitif / Negatif Oranları | YZ'nin işaretlediği bulguların doğruluk oranlarını izler. | Aylık |
| Yazılım Versiyon Takibi | Tüm YZ modüllerinin güncel ve doğrulanmış versiyonlarını izler. | Günlük |
| Olay / Hata Raporları | YZ ile ilgili tüm insidansları otomatik olarak toplar ve sınıflandırır. | Gerçek Zamanlı |
Ask–Audit–Apply (AAA) Çerçevesinin Denetimde Uygulanması
Jenkins ve ark.nın önerdiği AAA çerçevesi, laboratuvar denetiminde YZ kullanımına doğrudan uyarlanabilir. Denetim bağlamında bu çerçeve aşağıdaki gibi uygulanır:
Ask (Soru)
Denetim ekibi, YZ'den beklediği çıktıları net olarak tanımlamalıdır:
- Bu rapor setinde hangi hata türleri aranacaktır?
- Hangi CAP alanları zorunludur ve eksik kontrol edilmelidir?
- Hangi biyobelirteç dağılımları anormal olarak değerlendirilecektir?
Audit (Denetle)
YZ'nin ürettiği tüm uyarılar mutlaka insan denetiminden geçmelidir:
- YZ'nin işaretlediği tutarsızlık gerçek bir hata mıdır, yoksa klinik bir varyant mıdır?
- YZ'nin önerdiği biyobelirteç anormalliği, laboratuvarın referans aralıkları ile uyumlu mudur?
- YZ uyarısının dayandığı kanıt temeli nedir?
Apply (Uygula)
Nihai denetim kararı ve raporu insan tarafından verilir:
- Bu uyarı dikkate alınarak rapor düzeltilecek midir?
- Bu anormallik için düzeltici ve önleyici faaliyet (CAPA) başlatılacak mıdır?
- Karar ve gerekçesi denetim kayıtlarında belgelenecek midir?
Pratik Uygulama Adımları
Laboratuvar denetiminde YZ'nin yardımcı olarak kullanılmasına yönelik önerilen adımlar aşağıda sunulmuştur.
Adım 1: YZ Aracının İşlevini Tanımlayın
| Rol | Tanım |
|---|---|
| Hata Dedektörü | Raporlardaki yazım, eksik alan, tutarsızlık uyarıları |
| Anormallik Dedektörü | Biyobelirteç dağılımları, tamamlanma süreleri uyarıları |
| Uyum Dedektörü | CAP, ISO, yerel şablon uyumu kontrolü |
Adım 2: Yerel Doğrulama (Local Verification) Yapın
- YZ aracını laboratuvara ait 50-100 rapor ile test edin.
- YZ'nin işaretlediği hataları deneyimli patologların değerlendirmeleriyle karşılaştırın.
- Kabul kriterlerini belirleyin (örneğin, %95 doğruluk, %90 duyarlılık).
Adım 3: İş Akışına Entegre Edin
- YZ uyarıları doğrudan denetim panosuna (dashboard) gelsin.
- Uyarılar denetim ekibi tarafından önceliklendirilsin (kritik, orta, düşük).
- Her uyarı için insan onayı zorunlu olsun.
Adım 4: Sürekli İzleme ve Raporlama
| İzleme Metriği | Hedef |
|---|---|
| YZ Uyarı Doğruluğu | %90 üzeri |
| YZ-İnsan Uyumu | %95 üzeri |
| Hata Yakalama Oranı | %100 (kritik hatalar) |
| İş Akışı Etkisi | Tamamlanma süresinde değişiklik olmaması |
Adım 5: Eğitim ve Yetkinlik
- Tüm denetim personeline YZ aracının kullanımı, sınırlamaları ve hata türleri hakkında eğitim verin.
- Otomasyon yanlılığı ve onay yanlılığı konularında farkındalık oluşturun.
- Yetkinlik değerlendirmesi yapın (YZ uyarılarını doğru yorumlama ve gerektiğinde geçersiz kılma).
Denetimde YZ Kullanımı Kontrol Listesi
Rakha ve ark.nın önerdiği kontrol listesinden uyarlanan aşağıdaki maddeler, laboratuvar denetiminde YZ kullanımına hazırlık için kullanılabilir.
| No | Kontrol Alanı | Durum |
|---|---|---|
| 1 | YZ aracının kullanım amacı (denetim / uyarı) net olarak tanımlanmıştır | ☐ |
| 2 | Yerel doğrulama tamamlanmış ve kabul kriterleri karşılanmıştır | ☐ |
| 3 | İş akışı entegrasyonu (LIS, raporlama, pano) tamamlanmıştır | ☐ |
| 4 | İnsan denetimi / onay süreci tanımlanmıştır | ☐ |
| 5 | Sürekli performans izleme metrikleri belirlenmiştir | ☐ |
| 6 | Olay / insidans yönetim süreci tanımlanmıştır | ☐ |
| 7 | Personel eğitimi ve yetkinlik değerlendirmesi yapılmıştır | ☐ |
| 8 | Yazılım versiyon takibi ve güncelleme prosedürü oluşturulmuştur | ☐ |
| 9 | Değişiklik yönetimi (change control) prosedürü tanımlanmıştır | ☐ |
| 10 | Denetim kayıtları ve dokümantasyon sistemi kurulmuştur | ☐ |
Dikkat Edilmesi Gereken Noktalar
-
Otomasyon Yanlılığı (Automation Bias): YZ uyarılarına doğrudan güvenilmemeli; her uyarı eleştirel bir gözle değerlendirilmelidir.
-
Halüsinasyon Riski: YZ, gerçekte var olmayan hataları veya anormallikleri işaretleyebilir. Bu nedenle insan denetimi şarttır.
-
Veri Gizliliği: YZ'ye gönderilen verilerin GDPR, KVKK vb. düzenlemelere uygun olarak anonimleştirildiğinden emin olunmalıdır.
-
Beceri Kaybı (De-skilling): YZ'ye aşırı güvenmek, denetim personelinin kendi muhakeme becerilerini köreltmesine neden olabilir. AAA çerçevesi bu riski azaltmaya yardımcıdır.
-
Güncellemeler ve Değişiklikler: YZ yazılımı, tarayıcı veya boya protokolü değiştiğinde mutlaka yeniden doğrulama (re-verification) yapılmalıdır.
Sonuç
YZ'nin laboratuvar denetiminde yardımcı bir araç olarak kullanılması, hem hasta güvenliğini artırabilir hem de denetim ekiplerinin iş verimliliğini destekleyebilir. Rapor hataları, biyobelirteç anormallikleri ve iş akışı aksaklıkları otomatik olarak tespit edilebilir; bu sayede denetim ekibine zamanında ve yerinde uyarılar sunulabilir.
Ancak aşağıdaki ilke göz ardı edilmemelidir:
YZ bir yardımcıdır, karar verici değildir. Nihai denetim kararı ve sorumluluğu her zaman insana aittir.
Kaynaklar
-
Rakha, E.A., Wesseling, J., Kovács, A. et al. (2026). Guidance for laboratory implementation, governance and continuous assurance of artificial intelligence in histopathology. Virchows Archiv.
-
Jenkins, A., Eisenberg, K., Ziegelstein, R.C. (2026). Ask–Audit–Apply: A Framework for Clinical Reasoning with Artificial Intelligence. Journal of General Internal Medicine.
Bu yazı, yukarıda belirtilen akademik yayınlardan uyarlanmıştır. Laboratuvar uygulamalarında yerel düzenlemeler ve akreditasyon gereklilikleri dikkate alınmalıdır.