Microsoft'un Yapay Zekası Zor Vakalarda Doktorları Geride Bıraktı

Düşünün: Anadolu'nun küçük bir ilçesinde, elinde sadece bir ders kitabı ve yıllarca biriktirdiği tecrübeyle çalışan bir aile hekimi. Önüne gelen hasta, nadir görülen bir sendromun belirtilerini taşıyor ama semptomlar o kadar dağınık ki hiçbir ders kitabı tam oturmuyor. İşte Microsoft'un yeni çalışması tam da bu anı, bu çaresizlik hissini hedef alıyor.

Perşembe günü Science dergisinde yayımlanan araştırmaya göre Microsoft'un geliştirdiği MAI-DxO adlı sistem, New England Journal of Medicine'den alınan karmaşık vakalarda yüzde 83 isabet oranıyla doğru teşhis koydu. Aynı vakalarda, elinde referans materyalleri olan aile hekimleri ve genel dahiliye uzmanları ise yalnızca yüzde 36 oranında doğru teşhise ulaşabildi. Microsoft AI'nin CEO'su Mustafa Süleyman, bunu "tıbbi süper zeka"ya giden yolda önemli bir adım olarak nitelendiriyor.

Ama bu rakamların arkasındaki hikaye, ilk bakıldığında göründüğünden biraz daha katmanlı.

Nasıl Çalışıyor, Kim Karşılaştırıldı?

MAI-DxO, birden fazla yapay zeka ajanının bir araya gelip sanki bir doktor konseyi gibi çalıştığı bir sistem. Hastaya sorular soruyor, test istiyor, aralarında tartışıp bir teşhise varıyorlar. Burada dikkat edilmesi gereken önemli bir detay var: Bu kadar karmaşık vakalar normalde uzman hekimler veya ekipler tarafından değerlendirilir; karşılaştırmaya dahil edilen doktorlar ise tek başına çalışan birinci basamak hekimleriydi. Yani ortada biraz da "elma ile armut" kıyaslaması olduğunu kabul etmek gerekiyor.

Microsoft AI'de Sağlık Bölümü Başkan Yardımcısı Dominic King, TechCrunch'a yaptığı açıklamada şunu vurguluyor: "Sağlık hizmetlerinde şu anki en büyük sorun, tıbbi uzmanlık talebi ile arzı arasındaki giderek büyüyen uçurum." Bu cümle, aslında meselenin özünü anlatıyor: Her yerde, her an bir uzmana ulaşmak mümkün değil. Türkiye'de de şehir hastanelerinin kapısında saatlerce bekleyen, randevu bulamayan milyonlarca insan var.

Çalışmanın verileri ilginç bir gerçeği de ortaya koyuyor: İyileşmenin büyük kısmı, Microsoft'un kurduğu orkestrasyon sisteminden değil, altında çalışan yapay zeka modellerinin kendi gücünden geliyor. Sistem OpenAI, Google, Anthropic, Meta ve DeepSeek modelleriyle test edilmiş; en iyi sonuçlar OpenAI'nin GPT-5 ve GPT-5.5 modelleriyle alınmış. GPT-5.5 ile DxO, karmaşık vakalarda isabet oranını yüzde 72'den neredeyse yüzde 87'ye çıkarmış. Ama acil servis vakalarında aradaki fark neredeyse kayboluyor; DxO'lu ve DxO'suz sonuçlar birbirine çok yakın, yaklaşık yüzde 85 civarında kalıyor.

Maliyet tarafında da benzer bir tablo var. GPT-5 tek başına, vaka başına yaklaşık 8.400 dolara yüzde 78,9 isabet sağlarken, DxO maliyeti yaklaşık 3.000 dolar düşürüyor ama isabeti sadece dört puan artırıyor. Zayıf modellerde fark daha belirgin: Google'ın Gemini 2.5 Flash modeli tek başına yüzde 46,4 isabet gösterirken, DxO desteğiyle bu oran yüzde 69'a çıkıyor.

Bu Ne Anlama Geliyor?

Buradaki gerçek, pazarlama cümlelerinin ima ettiğinden biraz farklı. Microsoft'un sistemi kendi başına bir mucize yaratmıyor; asıl mucize, altındaki büyük dil modellerinin son bir yılda kat ettiği mesafede saklı. DxO'nun asıl katkısı, zayıf modelleri güçlendirmek ve maliyet-doğruluk dengesini optimize etmek. Yani şirket, kendi orkestrasyon katmanını bir "çarpan" olarak konumlandırıyor; temel zekayı o sağlamıyor.

Yine de bunun önemsiz olduğunu söylemek haksızlık olur. Süleyman'ın Mayo Clinic ile birlikte sağlık için özel bir temel model eğittiğini, önümüzdeki yıl piyasaya süreceğini açıklaması, Microsoft'un bu alanda sadece bir demo değil, uzun vadeli bir altyapı kurduğunu gösteriyor. Boston'daki Beth Israel Deaconess Tıp Merkezi ile başlatılan ortaklıkta, gerçek hastalar rıza göstererek hem standart tedaviyi hem de DxO'nun önerilerini paralel şekilde deneyimleyecek. Bu, laboratuvar koşullarından gerçek acil servise, gerçek Cuma akşamına taşınan bir test. Benzer bir çalışmayı Google da geçtiğimiz ay Lancet'te, kendi AMIE sistemiyle aynı hastanede yayımlamıştı; yani rekabet artık sadece benchmark tablolarında değil, gerçek hastane koridorlarında yaşanıyor.

Süleyman'ın iddiası daha da büyük: 2027'ye kadar tıbbi kayıtlar için "kodlama tarzı bir çığır" bekliyor, yani bir hastanın tıbbi geçmişinin nasıl ilerleyeceğini önceden tahmin edebilen modeller. Bir klinisyen için bu tür bir öngörü, gerçekten de -kendi deyimiyle- "altın tozu" değerinde olabilir. Ama unutmayalım, bu tür iddialar her büyük teknoloji dalgasında dile getiriliyor; önceki örneklerde olduğu gibi Claude'un akrep zehirine karşı protein tasarladığı haberinde gördüğümüz gibi, yapay zekanın biyoloji ve tıp alanındaki vaatleri çoğu zaman laboratuvardan klinik pratiğe geçerken yavaşlıyor.

Türkiye'ye Etkisi

Türkiye'de sağlık sisteminin en büyük sıkıntılarından biri, uzman hekime erişimdeki eşitsizlik. Büyük şehirlerde bir üniversite hastanesine ulaşmak mümkünken, taşrada aynı imkân her zaman yok. Eğer bu tür sistemler bir gün gerçekten klinik karar desteği olarak güvenilir şekilde kullanılabilir hale gelirse, kırsaldaki bir aile hekiminin elindeki ikinci bir göz, ikinci bir fikir kaynağı olabilir. Ama bunun koşulu, verinin güvenliği, sorumluluğun netliği ve -en önemlisi- bu araçların bir doktoru değil, doktoru destekleyen bir yardımcıyı temsil etmesi. Suleyman'ın kendisi bile bunun hâlâ erken bir aşamada olduğunu kabul ediyor; o yüzden heyecanlanırken ayaklarımızı yerden kesmemekte fayda var.