Muayene Notunu Yapay Zekâ Yazarsa: Klinikte Neyi Hızlandırır, Neyi Hâlâ Hekim Yapmalı?

Klinikte günün en sevilmeyen işi çoğu zaman muayeneden sonra gelir. Kapı kapandığında ekranda yarım notlar bekler: kilosu girilmemiş bir kedi, planı "kontrol 1 hf" diye tek satırla geçilmiş bir köpek, hasta sahibinin uzun uzun anlattığı kusma öyküsünden geriye kalan iki kelime. Yapay zekâ şirketlerinin bugün veteriner kliniklerine sattığı şey de esasen bu yükü hafifletme vaadi.

Vaadin arkasında gerçek bir talep var. Klinik yazılımı şirketi DaySmart'ın ABD'de yüzlerce veteriner profesyoneliyle yaptığı ankette katılımcıların yüzde 58'e yakını, klinik operasyonlarında yapay zekâyı sektörün bir numaralı trendi olarak görüyor. Aynı ankete katılanların yüzde 44 civarı da tükenmişlik yaşadığını söylüyor.

Kullanım da artıyor. Instinct Science'ın 2026 başında yayımladığı genel pratik raporuna göre kliniklerin yaklaşık yarısı yapay zekâyı bir şekilde kullanıyor; bunların üçte ikiye yakını da en çok tıbbi kayıt ve muayene notu için. Veteriner hekimlerin bilgi paylaşım ağı VIN'in üye anketinde ise muayene notu yazan araçların kullanımı 2024 yazından 2025 sonbaharına kadar, 14 ayda yüzde 3,5'ten yüzde 17,5'e çıkmış.

Ama DaySmart anketinde bir rakam daha var. Yapay zekânın idari yükünü belirgin biçimde azalttığını söyleyen hekimlerin oranı yalnızca yüzde 13 civarında. Türkiye için benzer bir ölçüm yapılmış değil, dolayısıyla buradaki durumu bu rakamlardan yola çıkarak tahmin etmek zorundayız.

Bu araçlar tam olarak ne yapıyor?

Sektörde "AI scribe", Türkçede en yakın karşılığıyla yapay zekâ not tutucu denen bu araçlar muayene odasındaki konuşmayı dinler, yazıya döker ve bu metni yapılandırılmış bir muayene kaydına çevirir. Kaydın formatı çoğunlukla SOAP'tır (Subjective, Objective, Assessment, Plan); öykü, bulgular, değerlendirme ve tedavi planı sırasıyla bu dört başlığa yazılır.

İki türü var. Bir kısmı konuşmanın tamamını arka planda dinleyip notu kendisi kurar. Diğerleri hekimin muayene sonrası kısa bir sesli özet söylemesini bekler; hekim aslında dikte eder, yapay zekâ bunu düzene sokar. İlkine alışmak daha kolay; ikincisinde nota neyin gireceğine hekim karar veriyor.

Piyasa da değişiyor. Bulut tabanlı klinik yönetim yazılımı üreticisi Instinct Science, Ocak 2026'da önde gelen not tutucu girişimlerinden ScribbleVet'i satın aldı. Klinik yazılımları not tutma özelliğini kendi içine almaya başladı; bağımsız araç satan şirketler de telefon, randevu, hatırlatma gibi işlevler ekleyerek tek başına not tutucu olmaktan çıkmaya çalışıyor. Bu durumda bir kliniğin önündeki seçim de "hangi yapay zekâ" sorusundan çok "notu ayrı bir uygulamada mı, yoksa hasta kaydının durduğu sistemin içinde mi üreteceğim" sorusuna dönüşüyor.

Hata meselesi

Satış sunumlarında en az konuşulan konu doğruluk. Bu araçların doğruluğu üzerine yapılan çalışmaların çoğu beşeri hekimlikten geliyor; veteriner kliniklerinde aynı titizlikte yapılmış bağımsız bir ölçüm henüz yok. npj Digital Medicine'da 2025'te yayımlanan ve klinisyenlerin yapay zekâ ile üretilmiş notları cümle cümle işaretlediği bir çalışmada cümlelerin yaklaşık yüzde 1,5'inde uydurma bilgi, yüzde 3,5'inde atlanmış bilgi bulundu. Uydurmaların neredeyse yarısı, tanıyı ya da tedaviyi değiştirebilecek "büyük" hata sınıfındaydı. Bu çalışmanın yazarlarının bir not tutucu üreticisinin çalışanları olduğunu da eklemek lazım.

Ağustos 2026'da ön baskı olarak yayımlanan ve üç ticari ürünü aynı 142 muayene üzerinde karşılaştıran bir denetim daha karamsar bir tablo çizdi. Notların kabaca dörtte birinde, bazı ölçütlere göre üçte birinde doğrulanmış hata vardı. Araştırmacıların öne çıkardığı hatalardan biri veteriner hekimlere tanıdık gelecektir. Hekimin muayene sırasında önerip sonra vazgeçtiği bir tedavi, notta uygulanmış gibi yazılmıştı. "Önce antibiyotik düşündüm, sonra kültür sonucunu bekleyelim dedim" cümlesini düşünün. Konuşmada ikisi de geçiyor, notta ise antibiyotik başlanmış görünüyor.

Benzer bir vaka İngiltere'den aktarılıyor. Bir MR sonucunda "null demyelination", yani demiyelinizasyon bulgusu yok yazıyordu; not tutucu olumsuzluk bildiren kelimeyi düşürdü ve negatif sonuç bir tanıya dönüştü. Hatayı sonucunu soran hasta yakaladı. Metin akıcı okunduğu için kimse durup bakmamıştı.

Aynı literatür, insanların yazdığı notların da kusursuz olmadığını söylüyor: CREOLA çalışmasının aktardığı tahminlere göre hekimin kendi yazdığı bir notta ortalama en az bir hata ve dört atlama bulunuyor. Günün sonunda, hafızadan, on beşinci hastanın notunu yazan hekimin ne kadar eksiksiz yazdığını hepimiz tahmin edebiliriz. "Yapay zekâ hata yapıyor, o halde kullanmayalım" demek de kolaycı olur. Hangi hatanın fark edilmesinin daha kolay olduğuna da bakmak lazım. İnsanın unuttuğu şey genellikle boş bir alan olarak kalır. Yapay zekâ ise eksik bilgiyi de akıcı bir cümleyle doldurabiliyor ve o cümleyi gerçekten okumadan hatayı görmek zor.

Notu yapay zekâ hazırlayabilir, ama kaydı onaylayan hekimdir ve içeriğini kontrol etmek de onun sorumluluğunda kalır. Bir disiplin sürecinde ya da hasta sahibinin şikâyetinde "o kısmı yazılım yazdı" demenin hekimi bu sorumluluktan kurtarmasını beklemek gerçekçi görünmüyor. 6343 sayılı Kanun'daki son değişikliklerin kayıt düzenine verdiği önem düşünüldüğünde (bu konuyu daha önce ayrıca ele almıştık), imzanın ağırlığı da artıyor. Bu yaklaşım bazı yazılım şirketlerinin hoşuna gitmeyebilir, çünkü "notunuz hazır, onaylayın yeter" kolay satılan bir cümle.

Türkçe tarafı

Bu araçların neredeyse tamamı İngilizce konuşan pazarlar için geliştirildi. Türkçe ise konuşma tanıma açısından zor bir dil.

"Kısırlaştırılamayacaklarından" tek kelime; İngilizcede aynı şeyi söylemek için bir cümle kurmanız gerekir. Kelime listesine dayanan eski konuşma tanıma sistemleri, eklerle sürekli yeni kelime üreten bu yapı karşısında çaresiz kalıyordu. 2009'da İstanbul Kültür Üniversitesi'nde yapılan bir yüksek lisans çalışmasında, konuşmacıdan bağımsız testlerde kelime doğruluğu yüzde 59-63 aralığında kalmıştı. Fince ve Macarca da aynı dertten muzdariptir; bu dillerde konuşma tanıma uygulamalarının İngilizcenin gerisinde kalması uzun süre akademik bir başlık oldu. Bugünkü büyük modeller kelime yerine kelime parçalarıyla çalıştığı için bu sorunun büyük kısmını aştı.

Yine de tıbbi terim ayrı bir sınav. Türkçe klinik dikte için ince ayar yapılmış açık kaynaklı bir araştırma modelinin geliştiricileri, zor tıbbi terimlerde genel amaçlı modellere göre belirgin bir iyileşme bildiriyor. Ama aynı geliştiriciler bu sonucun sentetik verilerle elde edilmiş bir üst sınır olduğunu, aksan, arka plan gürültüsü ve üst üste binen konuşmanın başarıyı düşüreceğini ve modelin klinik karar için kullanılmaması gerektiğini açıkça yazıyor. Veteriner muayene odası da tam bu koşulları barındırıyor: havlayan bir köpek, aynı anda konuşan iki hasta sahibi, Latince ilaç adlarıyla karışık Türkçe. Arayüzü Türkçeye çevrilmiş bir ürün, alttaki konuşma tanıma modelinin Türkçeyi iyi anladığı anlamına da gelmiyor. Bir aracı denerken tanıtım videosundaki temiz kayda değil, kendi kliniğinizdeki gürültülü bir salı öğleden sonrasına bakmak gerekiyor.

KVKK ve sunucunun nerede olduğu

Hayvanın muayene bulguları tek başına kişisel veri gibi görünmeyebilir, ama muayene odasındaki konuşma yalnızca hayvanla ilgili değildir. Hasta sahibinin adı, sesi, telefonu, adresi, bazen ödeme güçlüğü ya da aile içi bir durum da o kayda girer. Bu da kliniğe, kişisel veri işlediğini hasta sahibine bildirme yükümlülüğü getiriyor.

İkinci ve çoğu zaman gözden kaçan konu, kaydın nereye gittiği. Not tutucuların büyük kısmı yurt dışındaki sunucularda çalışıyor. 2024'te KVKK'nın 9. maddesinde yapılan değişiklikle yurt dışına aktarım üç basamaklı bir sisteme bağlandı ve 1 Eylül 2024'ten sonra açık rıza, yalnızca arızi, yani tekil ve süreklilik taşımayan aktarımlar için geçerli bir dayanak olarak kaldı. Her muayeneyi yurt dışına gönderen bir uygulama tanım gereği arızi değildir. Bu durumda uygun güvence olarak çoğunlukla standart sözleşme gerekiyor ve sözleşmenin imzadan sonraki beş iş günü içinde Kurum'a bildirilmesi şart.

Bir aracı kullanmaya başlamadan önce sağlayıcıya verinin nerede işlendiğini, kayıtların ne kadar süre saklandığını ve modeli eğitmek için kullanılıp kullanılmadığını sorun. Cevabı yazılı alın; yurt dışına aktarım varsa standart sözleşmenin imzalanıp imzalanmadığını da sorun. Muayene notlarını ücretsiz bir sohbet botuna kopyalayıp düzelttiren klinikler için bu soruların cevabı genellikle hiç sorulmamış olur. Durumunuzu bir hukukçuyla değerlendirmeniz en sağlıklısı.

Hasta sahibi kaydı bilince

Kayıt yapıldığını bilen insan farklı konuşur. Bu araçların savunucuları en çok, hekimin ekrandan başını kaldırıp karşısındakine bakabilmesinin altını çiziyor. Ama bir veteriner kliniğinde masadaki kişi hasta değil, hastanın sahibi. Önerilen tetkiki parası yetmediği için geri çeviren ya da ötanazi seçeneğini ilk kez duyan biri.

Bu kişiye kayıt yapıldığını söylemek gerekiyor; söylemek de konuşmanın tonunu değiştiriyor. Hangisinin daha ağır bastığını, hasta sahibinin açıklığını mı yoksa hekimin hastaya dönen dikkatini mi, şu an kimse bilmiyor. Veteriner hekimlikte bunu ölçen bir çalışmaya ben rastlamadım.

Nereden başlamalı?

İşin doğrusu, bu araçlara en az riskli yerden başlamak mantıklı. Rutin aşı ve kontrol muayeneleriyle başlarsanız, karmaşık dahiliye vakalarına geçmeden önce aracın sizin konuşma biçiminizi nasıl yakaladığını görürsünüz.

Notu okurken her satıra eşit dikkat ayırmak gerçekçi değil, o yüzden riskin toplandığı yerlere bakın. Plan bölümü, ilaç adları ve dozlar, alerjiler ve olumsuzluk bildiren her ifade ("yok", "saptanmadı", "vazgeçildi") ilk okunacak satırlar olmalı. Yukarıdaki iki vakanın ikisi de tam bu noktalarda yaşandı.

İlk ay boyunca her notta ne kadar düzeltme yaptığınızı da kabaca not edin. Satıcının verdiği doğruluk oranı sizin kliniğinizin oranı değil. Kendi düzeltme oranınız düşüyorsa ya aracın çıktıları iş akışınıza daha iyi oturmaya başlamıştır ya da siz aracı nasıl kullanacağınızı öğrenmişsinizdir; düşmüyorsa kazandığınızı sandığınız zamanın önemli kısmı düzeltmeye gidiyor demektir.

Veterian'da sesle muayene notu özelliğini kurarken ilaç adlarını ve dozları modelin hafızasına bırakmayıp doğrulanmış bir ilaç veritabanından eşleştirmeyi tam da bu hatalar yüzünden seçtik, ama notun son okuru yine hekim.

Bu yazı genel bilgilendirme amaçlıdır; hukuki, mali veya yatırım danışmanlığı niteliği taşımaz. KVKK uygulamaları için kendi durumunuzu bir hukukçuyla değerlendirin.

Kaynaklar

Yapay zekânın bir numaralı trend olarak görülmesi (%57,7), tükenmişlik (%43,8), idari yükte belirgin azalma (%13,3): DaySmart, 2026 Veterinary Industry Trends Report https://www.daysmart.com/vet/2026-industry-survey-results/

Genel pratiklerin ~%48'inin yapay zekâ kullanması, ağırlıkla kayıt ve idari işler için: Today's Veterinary Business, Instinct Science 2026 anketleri haberi (Mart 2026) https://todaysveterinarybusiness.com/?p=79151

Yapay zekâ kullanan kliniklerin %63'ünün tıbbi kayıt ve SOAP notu için kullanması; Instinct Science'ın Ocak 2026'da ScribbleVet'i satın alması: Rework, Best AI Tools for Veterinary Clinics in 2026 (Temmuz 2026 güncellemesi) https://resources.rework.com/tools/ai-tools/best-ai-tools-for-veterinary-clinics-2026

VIN üyeleri arasında not tutucu kullanımının %3,5'ten %17,5'e çıkması (Temmuz 2024 – Eylül 2025): ClinicShift bülteni https://clinicshift.beehiiv.com/p/48-of-vet-practices-are-now-using-ai-here-s-what-they-re-actually-doing-with-it

Cümle bazında %1,47 uydurma, %3,45 atlama, uydurmaların %44'ünün büyük hata olması; insan notlarında ortalama en az 1 hata ve 4 atlama tahmini: Asgari ve ark., CREOLA çerçevesi, npj Digital Medicine (2025) https://event.x-on.co.uk/hubfs/AVT/A%20framework%20to%20assess%20clinical%20safty%20and%20hallucination%20rates%20of%20LLMs%20for%20medical%20text%20summarisation_digital.pdf

Üç ticari not tutucunun 142 muayenede denetimi, geri alınan tedavinin uygulanmış gibi kaydedilmesi: One note in three, arXiv 2608.31017 (31 Ağustos 2026, ön baskı) https://huggingface.co/papers/2608.31017

"null demyelination" vakası ve olumsuzluk ifadesinin düşmesi: BERI, NHS AI scribes negation drop https://www.beri.net/article/nhs-ai-scribes-negation-drop-clinician-review-field-reconciliation

Türkçe sürekli konuşma tanımada konuşmacıdan bağımsız %59-63 kelime doğruluğu: Patlar, F., Üçlü ses modelli Türkçe sürekli konuşma tanıma sistemi, İstanbul Kültür Üniversitesi yüksek lisans tezi (2009) https://openaccess.iku.edu.tr/entities/publication/deca447f-bb89-443a-a1b7-855ec5db1d1a

Türkçe medikal konuşma tanıma araştırma modeli ve sınırlılıkları: turkmedstt/whisper-large-v3-turkish-medical model kartı https://friendli.ai/models/turkmedstt/whisper-large-v3-turkish-medical

KVKK m.9 değişikliği, 1 Eylül 2024 sonrası açık rızanın arızi aktarımla sınırlanması: EY Türkiye https://www.ey.com/tr_tr/insights/law/kvkk-degisikliginin-yurt-disi-veri-aktarimina-etkisi

Standart sözleşmenin beş iş günü içinde Kuruma bildirimi ve bildirim modülü (Kurul kararı 17.10.2024, 2024/1793): Alomaliye, KVKK duyurusu https://www.alomaliye.com/2024/10/30/kvkk-standart-sozlesme-bildirim-modulu/

6343 sayılı Kanun'un 41 ve 55. madde değişikliği: Veterian Blog https://veterian.com/tr/kaynaklar/blog/6343-sayili-kanun-da-41-ve-55-madde-degisikligi-veteriner-klinikleri-icin-ne-anlama-geliyor