AMIE ve MIRA doktorları geçti mi? Tıbbi yapay zekâ iddialarına gerçeklik kontrolü

Yeni çalışma, sistemi tek bir muayene görüşmesinin dışına taşıdı. AMIE, Google’ın Gemini modellerinin uzun bağlam işleme kapasitesinden yararlanarak kronik hastalıkları birden fazla sanal ziyaret boyunca yönetmeye çalıştı. Mimari iki bileşenden oluşuyordu: Hastayla gerçek zamanlı ve empatik iletişim kuran bir diyalog ajanı ile yüzlerce sayfalık klinik kılavuzu karşılaştırarak inceleme ve tedavi planı oluşturan bir akıl yürütme ajanı .

Kardiyoloji, göğüs hastalıkları, nöroloji, kadın-doğum/üroloji ve gastroenteroloji alanlarını kapsayan 100 adet üç görüşmeli senaryoda AMIE’nin önerileri uzman değerlendiriciler tarafından incelendi. Senaryolar NICE ve BMJ Best Practice kılavuzlarına dayandırıldı. İkinci görüşmede inceleme önerileriyle tam eşleşme oranı AMIE’de yüzde 99, hekimlerde yüzde 84; üçüncü görüşmede ise sırasıyla yüzde 100 ve yüzde 88 oldu. Sistem ayrıca dayandığı kılavuzları açıkça belirtti .

Bu sonuçlar, AMIE’nin “doktor gibi çalıştığını” kanıtlamıyor. Daha dar bir iddiayı destekliyor: Sistem, kontrollü ve sanal çok görüşmeli senaryolarda klinik kılavuzlara dayalı planlar üretme konusunda güçlü bir performans sergiledi.

MIRA: Elektronik sağlık kaydı içinde çalışan ajan

MIRA’nın yaklaşımı konuşma yürütmekten çok, elektronik sağlık kayıtlarıyla doğrudan çalışmaya odaklanıyor. Kaynaklardaki raporlara göre sistem; tıbbi bilgileri değerlendirmek, test istemek ve tanı ile tedavi kararlarını hazırlamak üzere simüle edilmiş bir hastane bilgi sistemi içinde test edildi . MIRA’nın 85 binden fazla olası klinik eyleme erişebildiği ve gerçek hasta vakalarından yararlanan geriye dönük simülasyonlarda değerlendirildiği bildirildi .

Bildirilen genel tanı doğruluğu MIRA için yüzde 87,8, kurul onaylı hekimler için yüzde 78,1 olarak verildi. Bazı tanılarda fark daha belirgindi: Pankreatit için oranlar yüzde 95,2’ye karşı yüzde 78,6; apandisit için yüzde 100’e karşı yüzde 88 oldu .

MIRA hekimlere kıyasla daha fazla kan testi istedi: oranlar yüzde 51’e karşı yüzde 28’di. Buna karşılık, önemli ölçüde daha az görüntüleme taraması talep etti . Sistem ayrıca yapay zekâyı yanıltmak üzere tasarlanmış 880 karşıt istemle sınandı; bildirilen değerlendirmede veri sızıntısı görülen vaka olmadı .

Burada önemli bir kaynak notu var: MIRA’ya ilişkin bazı ayrıntılar, doğrudan çalışma metninden ziyade araştırma merkezi paylaşımı ve ikincil haber/yorum kaynaklarında aktarılıyor . Bu nedenle sonuçlar, gerçek klinik kullanımda doğrulanmış performans olarak değil, kontrollü ve geriye dönük bir değerlendirme olarak okunmalı.

En büyük sorun: Simülasyon ile gerçek hayat arasındaki fark

Her iki sistem için de en kritik sınırlama aynı: Gerçek hastalarla, gerçek klinik iş akışı içinde rutin biçimde test edilmiş değiller. Sağlık alanındaki yapay zekâ ajanlarına ilişkin kapsamlı bir derleme, en büyük sorunun “gerçek dünya ortamlarında güçlü klinik doğrulamanın eksikliği” olduğunu vurguluyor .

Çalışmaların önemli bölümü idealize edilmiş veya sentetik veri kümelerine dayanıyor. Oysa gerçek elektronik sağlık kayıtlarında eksik bilgiler, hatalı girişler, dengesiz veri dağılımları, farklı kurum protokolleri ve birbiriyle çelişen notlar bulunabiliyor. Bu nedenle kontrollü testlerde yüksek skor almak, gerçek hastalarda aynı güvenilirliğin gösterileceği anlamına gelmiyor .

Başlıca sınırlamalar şöyle:

• Fizik muayene yok. Metin ve yapılandırılmış veriyle çalışan bu tür sistemler karın muayenesi yapamıyor, kalp seslerini dinleyemiyor veya hastanın yürüyüşünü gözlemleyemiyor. Oysa fizik muayene, pek çok tanı için hâlâ temel bir araç.
• Gerçek hasta yerine simülasyon kullanıldı. AMIE’nin çok görüşmeli çalışmasında profesyonel hasta oyuncuları yer aldı. MIRA değerlendirmesinde ise yapay zekâ ajanları hasta davranışını simüle etti; sistem gerçek hastalarla doğrudan etkileşime girmedi .
• Sürekli öğrenme gösterilmedi. 2026 AI Index değerlendirmesine göre hiçbir sistem, farklı hasta karşılaşmaları arasında sürekli öğrenme veya uzun vadeli hafıza sergilemedi .
• Güvenlik riskleri sürüyor. Halüsinasyonlar, kararların nasıl alındığının belirsiz olması, birden fazla ajan arasındaki koordinasyon hataları ve elektronik sağlık kayıtlarının ihlal edilmesi önemli açık sorular olarak duruyor .
• AMIE açık kaynak değil. AMIE, Google’ın araştırma sistemi olarak geliştiriliyor; sistemin tüm model, eğitim verisi ve işletim ayrıntıları kamuya açık bir açık kaynak projesi şeklinde sunulmuyor. Bu durum bağımsız yeniden üretim ve dış denetim açısından önem taşıyor.

Uzmanlar neden temkinli konuşuyor?

İki çalışma üzerine görüş bildiren bilim insanları, sonuçları önceki tıbbi yapay zekâ çalışmalarına kıyasla “niteliksel bir sıçrama” olarak değerlendirdi. Ancak aynı değerlendirmelerde, bulguların kontrollü ortamlardan geldiği ve klinik kullanıma geçiş için daha fazla kanıt gerektiği vurgulandı .

Uzmanların dikkat çektiği sorunlar yalnızca doğruluk oranıyla sınırlı değil.

Açıklanabilirlik ve güven

Bir yapay zekâ ajanı tanı veya tedavi önerdiğinde, klinisyenin bu sonuca hangi adımlarla ulaşıldığını izlemesi her zaman kolay olmayabilir. Karar süreci yeterince şeffaf değilse hekimlerin öneriyi doğrulaması ve hastaya açıklaması zorlaşır; bu da güveni ve benimsenmeyi sınırlar .

Hata durumunda sorumluluk

Yanlış bir öneri hastaya zarar verirse hukuki ve etik sorumluluk kime ait olacak? Modeli geliştiren şirkete mi, sistemi kullanan hastaneye mi, yoksa son kararı veren hekime mi? Mevcut düzenleyici çerçeveler, özellikle sürekli eylem üreten otonom tıbbi ajanların kendine özgü yönetişim ihtiyaçlarını henüz tam olarak karşılamıyor .

Farklı sağlık sistemlerine uyum

Tek bir hastanenin verileriyle veya MIMIC gibi belirli veri kümeleriyle eğitilen sistemler; farklı demografik gruplarda, idari prosedürlerde ve sağlık sistemlerinde aynı performansı göstermeyebilir . Bu nedenle bir ülkedeki veya kurumdaki başarı, başka bir yerde otomatik olarak tekrarlanamaz.

Aşırı güvenme riski

Google araştırmacılarının geliştirdiği korumalı g-AMIE sürümü, öykü alabiliyor, vakayı özetleyebiliyor ve hekim tarafından incelenmek üzere olası tanı ve yönetim planları önerebiliyor; ancak kişiye özel tıbbi tavsiye vermekten kaçınacak şekilde tasarlandı . Bu tercih, sınırsız otonom kullanımın hâlâ erken ve potansiyel olarak tehlikeli görüldüğünü açıkça ortaya koyuyor.

AMIE’nin gerçek dünyadaki ilk adımları

AMIE için tamamen sanal değerlendirmelerin ötesine geçen erken çalışmalar da var. Beth Israel Deaconess Medical Center iş birliğiyle yürütülen ileriye dönük, tek kollu bir uygulanabilirlik çalışması; sistemin ayaktan birinci basamak randevuları öncesinde hasta bilgilerinin toplanmasına nasıl yardımcı olabileceğini inceledi .

Acil bakım ortamında 100 hastayla yapılan ayrı bir uygulanabilirlik çalışmasında AMIE’nin ayırıcı tanısı, vakaların yüzde 90’ında son tanıyı içerdi; ilk üç olası tanı içindeki doğruluk oranı yüzde 75 oldu. Bununla birlikte birinci basamak hekimleri, tedavi planlarının uygulanabilirliği ve maliyet etkinliği değerlendirmelerinde AMIE’den daha iyi sonuç verdi .

Bunlar önemli erken sinyaller, ancak sonuçları iyileştirdiğini kanıtlayan geniş ölçekli randomize kontrollü çalışmalar değiller. Uygulanabilirlik çalışması, bir sistemin klinikte nasıl kullanılabileceğini gösterir; hastalara uzun vadede daha iyi ve daha güvenli sonuç sağlayıp sağlamadığını tek başına kanıtlamaz.

Kliniklere giden yolun önündeki engeller

AMIE ve MIRA’nın rutin klinik uygulamaya girebilmesi için en az şu başlıkların açıklığa kavuşması gerekiyor:

• Düzenleyici onay: Tanı veya tedavi kararlarını etkileyen sistemler için güvenlik ve etkililik kanıtı gerekiyor. Sürekli öğrenen ve bağımsız eylem üreten ajanlar içinse net düzenleyici yollar henüz oluşmuş değil.
• Elektronik sağlık kayıtlarıyla entegrasyon: Yapay zekâ tarafından üretilen içerikle hekimin yazdığı içeriğin kayıtlarda birbirine karışması, sorumluluğun ve karar geçmişinin izlenmesini zorlaştırabilir .
• İnsan denetimi: Özellikle reçete, tetkik veya hastaneye yatış gibi sonuçları olan eylemlerde hekimin onayı, sınırlar ve geri alma mekanizmaları gerekli.
• Fizik muayene açığı: Hiçbir metin tabanlı ajan, klinik muayenenin tüm boyutlarını tek başına karşılayamıyor.
• Eşitlik ve genellenebilirlik: Sistemlerin farklı yaş, cinsiyet, etnik köken, sosyoekonomik grup ve sağlık sistemi koşullarında yeterince sınanması gerekiyor.
• Hasta sonuçları: Başarı yalnızca bir sınavdaki tanı doğruluğuyla değil; yanlış alarm, gereksiz test, maliyet, bekleme süresi, güvenlik ve hastaların gerçek sağlık sonuçlarıyla ölçülmeli.

Sonuç: Doktorların yerine değil, önce denetimli yardımcı olarak

Haziran 2026 çalışmaları gerçek bir ilerlemeye işaret ediyor. AMIE, tek görüşmeli tanı diyaloğundan çoklu ziyaretlerde kronik hastalık yönetimine doğru genişledi. MIRA ise elektronik sağlık kayıtlarıyla etkileşen ve kontrollü geriye dönük simülasyonlarda yüksek tanı doğruluğu bildiren daha eylem odaklı bir ajan yaklaşımını temsil ediyor .

Ancak simülasyon başarısı ile gerçek tıp pratiği arasında hâlâ geniş bir mesafe var. Hastaneler eksik ve çelişkili verilerle, yoğun iş akışlarıyla, farklı hasta profilleriyle ve hataların gerçek insanlara dokunduğu bir sorumluluk zinciriyle çalışıyor. Mevcut çalışmalar bu zorlukların tamamını sınamıyor .

Bu nedenle AMIE ve MIRA’yı bugün için doktorların yerine geçecek sistemler olarak görmek doğru değil. Daha gerçekçi beklenti, bu teknolojilerin önce hekim denetiminde öykü alma, kayıt özetleme, kılavuz tarama ve karar desteği gibi sınırlı görevlerde kullanılması. Bağımsız klinik kullanım içinse gerçek hastalarla ileriye dönük çalışmalar, farklı nüfuslarda güvenlik kanıtı, açık sorumluluk kuralları ve hastaların sağlık sonuçlarını iyileştirdiğini gösteren sağlam veriler gerekiyor.