Yapay Zekâ ile Hastalık Öngörüsü ve Erken Tanı: 2025-2026 Kanıt Tablosu

Yapay zekânın tıpta en iddialı vaadi, hastalığı henüz belirti vermeden ya da tedavi şansının en yüksek olduğu evrede yakalamaktır. 2025 ve 2026, bu vaadin uzun süre beklenen randomize kontrollü çalışma (RKÇ) kanıtlarının nihayet masaya geldiği yıllar oldu. Tablo, hem cesaret verici hem de ölçülü olmayı gerektiriyor: bazı sistemler sert klinik sonlanımları (ölüm, ileri evre kanser) gerçekten iyileştirdi, bazıları ise yalnızca "daha çok tanı koymanın" otomatik olarak "daha çok fayda" anlamına gelmediğini gösterdi. Bu yazı, alanı pazarlama diliyle değil, kanıt diliyle değerlendiriyor; neyin başarıldığı ile neyin hâlâ açık olduğunu yan yana koyuyor.

Çok-kanser erken tespiti: vaat büyük, kanıt karışık

Alanın en çok konuşulan teknolojisi, tek bir kan örneğinden onlarca kanseri aynı anda taramayı hedefleyen çok-kanser erken tespit (MCED) testleridir. Bunların başında, dolaşan tümör DNA'sındaki metilasyon imzalarını okuyan Galleri testi geliyor. Uzun yıllar bu alanın elinde yalnızca gözlemsel veri vardı; 2026'da bu değişti.

İngiltere'de 50-77 yaş arası 140.000'den fazla katılımcıyla yürütülen NHS-Galleri çalışması, MCED için yapılmış ilk ve tek randomize kontrollü çalışmadır. Sonuçlar dürüst bir okuma gerektiriyor: çalışma birincil sonlanımını karşılamadı — son tarama randevusundan bir yıl sonra Evre III ve IV kanserlerin birlikte azaltılmasında standart bakıma kıyasla istatistiksel olarak anlamlı bir fark bulunamadı. Buna karşılık ikincil bulgular daha umut verici: ardışık tarama turlarında Evre IV tanıları 2. turda %22, 3. turda %26 azaldı; üç turun bütününde Evre IV'te yaklaşık %14'lük (nominal anlamlı) bir düşüş görüldü. Testin özgüllüğü %99.55 (yanlış pozitif oranı yalnızca %0.45), kanser tespit oranı üç turda %0.48, genel pozitif öngörü değeri %52 idi.

Burada bir çerçeve çatışmasını gizlememek gerekir. Testi geliştiren GRAIL, basın açıklamasında "Evre IV tanılarında belirgin azalma" vurgusu yaparken; bağımsız analistler çalışmanın önceden tanımlanmış birincil sonlanımı kaçırdığının altını çiziyor. İki duruş da doğrudur ve aynı veriden çıkar — fark, hangisinin öne çıkarıldığıdır. Dürüst değerlendirme her ikisini de masada tutmayı gerektirir.

Tek kollu PATHFINDER 2 çalışması (ABD ve Kanada'da yaklaşık 35.878 kişi) ise standart taramaya Galleri eklendiğinde kanser tespitinde yedi kattan fazla artış ve %99.6 özgüllük bildirdi; yeni saptanan kanserlerin yarıdan fazlası erken evredeydi. Ancak bu çalışmada kontrol kolu yoktur, dolayısıyla aşırı tanı ya da mortalite etkisi hakkında sonuç çıkaramaz. Düzenleyici açıdan kritik bir nokta: 2026 itibarıyla hiçbir MCED testi FDA onaylı veya geri ödemeye dahil değildir; Galleri yalnızca laboratuvar geliştirilmiş test olarak erişilebilmektedir.

AI-destekli mamografi: yüksek kaliteli RKÇ kanıtı

Görüntü temelli yapay zekânın en güçlü kanıtı meme taramasından geliyor. İsveç'te 100.000'den fazla kadınla yürütülen MASAI çalışması, AI-destekli mamografinin ilk randomize, popülasyon-temelli RKÇ'sidir ve nihai sonuçları 2026'da The Lancet'te yayımlandı. AI-destekli okuma, standart çift okumaya kıyasla kanser tespit oranını %29 artırdı ve bunu yalnızca yedi ek yanlış pozitifle başardı. Daha önemlisi, taramalar arası dönemde ortaya çıkan (interval) kanserlerde %12 azalma sağlandı — bu, taramanın gerçek amacına, yani agresif kanserleri erken yakalamaya doğrudan dokunan bir sonuçtur. Duyarlılık %73.8'den %80.5'e çıkarken özgüllük değişmedi (%98.5) ve radyolog okuma iş yükü %44 azaldı. Ek saptanan tümörlerin çoğu küçük, lenf-nodu negatif invaziv kanserlerdi.

Aynı çizgide, MIT/Harvard kaynaklı Sybil modeli tek bir düşük doz akciğer tomografisinden gelecekteki akciğer kanseri riskini öngörüyor; bir yıllık AUC değerleri NLST kohortunda 0.92, dış kohortlarda 0.86-0.94 aralığında doğrulandı ve 2025'te Doğu Asyalı ile ağırlıklı Siyah popülasyonlarda dış validasyonu güçlendirildi. Yine de Sybil için prospektif klinik denemeler henüz planlama aşamasındadır.

Risk öngörüsünün düzenleyici eşiği aşması

2025, risk öngörü araçlarının ilk kez resmî düzenleyici onaya kavuştuğu yıl oldu. Clairity Breast, yalnızca standart mamografiden beş yıllık meme kanseri riskini öngören ilk araç olarak FDA'dan De Novo yetkilendirmesi aldı; AUC değeri 0.72, iyi kalibre, 1.7 milyondan fazla mamografide geliştirildi ve NCCN kılavuzuna eklendi. Benzer şekilde ArteraAI Prostate, dijital patoloji ile klinik veriyi birleştirerek on yıllık metastaz ve kansere özgü mortaliteyi öngören ilk AI tabanlı prostat prognostik aracı olarak De Novo onayı aldı; uzak metastaz için tehlike oranı (HR) 1.54 (%95 GA 1.36-1.74) ile standart modelleri geçti.

EHR ve EKG temelli öngörü: sert sonlanıma ulaşan ilk kanıtlar

En etkileyici kanıt, yapay zekânın yalnızca tanı koymakla kalmayıp ölümü azalttığını gösteren çalışmalardan geliyor. Tayvan'da 15.965 hastayı kapsayan, çok merkezli pragmatik bir RKÇ, EKG'den yüksek ölüm riskini saptayan bir yapay zekâ uyarısının 90 günlük tüm-neden mortaliteyi %4.3'ten %3.6'ya düşürdüğünü (HR 0.83; %95 GA 0.70-0.99) gösterdi — birincil sonlanım karşılandı. Yüksek-riskli EKG alt grubunda etki daha belirgindi (HR 0.69). Bu, sağlıkta yapay zekânın sert bir sonlanımı randomize bir çalışmayla iyileştirdiğine dair en güçlü kanıtlardan biridir.

Aynı ekibin atriyal fibrilasyon (AF) üzerine yürüttüğü ikinci çalışma ise tam tersi bir ders veriyor. AI-EKG'nin gizli AF uyarısı, kardiyolog olmayan hekimlerde antikoagülan reçetelemesini %12'den %23.3'e çıkardı (HR 1.85) ve yeni AF tanısını artırdı; ancak inme, kardiyovasküler ölüm ve tüm-neden ölümde hiçbir fark yaratmadı. Süreç çıktısı (reçete, tanı) iyileşti, sert klinik sonlanım değişmedi. Bu, "öngörüyü artırmanın" tek başına yeterli olmadığının en net örneğidir.

Sepsis için yapay zekâ erken uyarı sistemlerinin meta-analizleri ortalama yaklaşık %30'luk bir mortalite azalması bildirse de, bu çalışmalar küçük, heterojen ve yayın yanlılığına açıktır. Nitekim yaygın kullanılan Epic Sepsis Model'in dış validasyonu zayıf çıktı: bir çalışmada pozitif öngörü değeri yalnızca %7.6, duyarlılık %14.7 idi; bir kohortta sepsisli hastaların üçte ikisi kaçırılırken yatan hastaların %18'ine alarm üretildi — klasik bir alarm yorgunluğu tablosu.

Düzenleyici manzara ve yönetişim

FDA, 2025 itibarıyla 1.000'in üzerinde yapay zekâ/makine öğrenmesi tabanlı tıbbi cihaza yetkilendirme verdi; npj Digital Medicine'da yayımlanan 1.016 yetkilendirmelik bir taksonomi, bunların %76'sının radyoloji alanında olduğunu gösteriyor. Cihazların büyük çoğunluğu 510(k) yolundan geçiyor; De Novo yalnızca yaklaşık %2-3, PMA ise %0.4 düzeyinde. FDA'nın Ocak 2025 taslak kılavuzu, yapay zekâ etkin cihazlar için ürün yaşam döngüsü boyunca yönetim, dağıtım-sonrası performans izleme ve önceden belirlenmiş değişiklik kontrol planları gibi kavramları getiriyor. Dünya Sağlık Örgütü ise 2024 başında büyük çok-modlu modeller için 40'tan fazla öneri içeren bir kılavuz yayımlayarak önyargı, yanlış bilgi üretimi, yüksek-gelir ülke yanlılığı ve bağımsız denetim gereğine dikkat çekti.

Dürüst sınırlar: ne kanıtlandı, ne kanıtlanmadı

Kanıtlananlar nettir: AI-destekli mamografi tarama doğruluğunu artırıp iş yükünü azaltabilir ve interval kanserleri gerçekten azaltabilir; AI-EKG uyarısı seçili bir popülasyonda 90 günlük mortaliteyi düşürebilir; MCED testleri tarama programı olmayan kanserleri yakalayıp evre kayması sağlayabilir. Buna karşılık birkaç temel soru hâlâ açıktır.

Birincisi ve en önemlisi, MCED'in kanser mortalitesini azalttığı kanıtlanmamıştır. NHS-Galleri evre-kayması birincil sonlanımını kaçırdı ve mortalite verisi mevcut değil. Aşırı tanının ölçülmesi yöntemsel olarak doğası gereği güçtür; bağımsız derlemeler yanlış pozitif kaynaklı duygusal ve işlemsel zararı, indolent kanser saptamayı, yanlış güvence duygusunu ve sağlık sistemi yükünü "kayda değer zarar" olarak listeler. Hasta ve klinisyen odak grupları, rutin kullanımdan önce mortalite ve zarar verisi sunan daha güçlü kanıt talep etmektedir.

İkincisi, modeller dağıtıldıktan sonra "yaşlanır". Klinik yapay zekâ modelleri, hasta demografisi, laboratuvar yöntemleri ve hastane tipindeki kaymalar nedeniyle zamanla performans kaybeder; bazı kıyaslamalar yaklaşık %20'lik bir düşüş bildirir. Yedi hastaneli geniş bir çalışma, anlamlı veri kayması (dataset shift) saptamıştır. Bu, dağıtım-sonrası sürekli izlemeyi zorunlu kılar.

Üçüncüsü, anlatının kendisi yanlıdır. Bu testlerin sosyal medyada tanıtımını inceleyen bir kesitsel çalışma, 982 gönderinin %87.1'inin yalnızca faydadan, yalnızca %14.7'sinin zarardan ve %6.1'inin aşırı tanıdan bahsettiğini; gönderilerin %68'inin finansal çıkar içerdiğini buldu. "Erken tanı her zaman iyidir" anlatısı, ticari ve sosyal teşviklerle sistematik olarak şişirilmektedir. Son olarak, en güçlü mortalite kanıtları tek ülke (Tayvan) kaynaklıdır; genellenebilirlik henüz açık değildir.

Sonuç

Yapay zekâ ile erken tanı ve hastalık öngörüsü, 2025-2026'da spekülasyondan kanıt aşamasına geçti — ama tek bir yöne değil, iki yöne birden. Bir yanda MASAI'nin interval kanser azalması ve Tayvan AI-EKG çalışmasının mortalite düşüşü gibi sert sonlanımlı, gerçek kazanımlar var. Öbür yanda NHS-Galleri'nin kaçırdığı birincil sonlanım ve AI-EKG/AF çalışmasının "reçete arttı ama ölüm değişmedi" dersi, sahanın olgunlaştığını ama henüz tamamlanmadığını gösteriyor. Doğru tutum, ne körü körüne coşku ne de toptan reddir: her aracı kendi kanıtıyla, sert klinik sonlanım terazisinde tartmak, çelişen verileri yan yana okumak ve "daha çok tanı"yı "daha çok fayda" sanmamaktır. Hekim için pratik sonuç açıktır — bir yapay zekâ aracını benimsemeden önce sorulacak soru "ne kadar doğru tahmin ediyor?" değil, "hangi randomize kanıtla hasta için daha iyi bir sonuç üretiyor?" olmalıdır.