Radyoloji ve Tıbbi Görüntülemede Yapay Zeka: Derin Öğrenmenin Kanıta Dayalı Bilançosu

Tıbbi görüntüleme, yapay zekânın (YZ) sağlıkta en hızlı ve en somut karşılık bulduğu alandır. Bunun nedeni basittir: radyoloji verisi sayısaldır, standartlaştırılmıştır (DICOM) ve büyük hacimlidir. Derin öğrenme modelleri tam da böyle verilerde — milyonlarca etiketli piksel üzerinde — örüntü çıkarmakta üstündür. Ancak "üstün örüntü tanıma" ile "klinik fayda" aynı şey değildir. Bu yazının amacı, ikisi arasındaki köprüyü kanıtlarla kurmaktır.

Rakamların Dili: FDA Onaylarında Radyolojinin Hâkimiyeti

ABD Gıda ve İlaç Dairesi (FDA), yapay zekâ etkin tıbbi cihazların listesini düzenli olarak yayımlar. Aralık 2025 sonu itibarıyla FDA, 1995'ten bu yana toplam 1.451 yapay zekâ etkin tıbbi cihaza pazarlama izni vermiştir; bunların 1.104'ü (%76) radyoloji cihazıdır. Radyoloji, yıllardır bu listenin başını çekmektedir; yalnızca 2025 yılında verilen yeni izinlerin yaklaşık dörtte üçü radyoloji alanındadır.

Bu yoğunlaşma tesadüf değildir. Görüntüleme; ölçülebilir bir girdiye (görüntü), tanımlı bir çıktıya (lezyon var/yok, hacim, sınıf) ve net bir referans standardına (patoloji, takip, uzman okuması) sahip olduğundan makine öğrenmesi için ideal bir çerçeve sunar. Şirket bazında bakıldığında GE HealthCare en çok radyoloji YZ iznine sahip firma (yaklaşık 120 algoritma), onu Siemens Healthineers ve diğer büyük üreticiler izlemektedir. İnme ve acil triyaj alanında öne çıkan Aidoc'un 30'u aşkın FDA izni; inme bakım koordinasyonunda Viz.ai'nin 50'yi aşan onaylı algoritması bulunmaktadır.

Mamografi: Yapay Zekânın En Güçlü Randomize Kanıtı

Meme kanseri taraması, YZ'nin görüntülemede en sağlam kanıt zincirine sahip olduğu alandır. İsveç'te yürütülen MASAI çalışması (Mammography Screening with Artificial Intelligence), bu alandaki ilk büyük randomize kontrollü çalışmadır. 40–80 yaş arası 100.000'den fazla kadın, ya standart çift radyolog okumasına ya da YZ destekli okuma koluna rastgele atanmıştır.

2023'te The Lancet Oncology'de yayımlanan ara güvenlik analizi, YZ destekli okumanın kanser yakalama oranını düşürmediğini, buna karşılık radyolog okuma yükünü %44 azalttığını gösterdi. Çalışmanın The Lancet'te yayımlanan nihai sonuçları daha da güçlüydü: YZ destekli kol, taramada saptanan kanserlerde %29 daha yüksek yakalama oranına ulaştı; duyarlılık %73,8'den %80,5'e çıktı; özgüllük benzer (yaklaşık %98,5) kaldı. Üstelik bu artış yalnızca sayısal değildi — YZ kolunda invaziv kanserler %16, büyük (ileri evre) kanserler ise belirgin oranda daha az saptandı; yani daha erken ve daha anlamlı yakalamalar söz konusuydu.

Tek tek ürünler düzeyinde de kanıt birikmektedir. Güney Kore merkezli Lunit INSIGHT MMG, 2021'de FDA 510(k) iznini almış; 240.000'den fazla mamografi olgusuyla (50.000'e yakın kanser olgusu dahil) eğitilmiştir. European Radiology'de 2023'te yayımlanan büyük, popülasyon temelli geriye dönük çalışma, sistemin doğruluğunun — kesim skoru ilk okuyucu duyarlılığına eşitlendiğinde — radyologlarla istatistiksel olarak anlamlı fark göstermediğini doğruladı. Sistemin özellikle yoğun meme dokusunda göreli üstünlük sağladığı bildirilmiştir.

MASAI çalışması, İsveç; The Lancet Oncology (2023, ara analiz) ve The Lancet (nihai sonuçlar). Değerler kaynaklardaki bildirilen sonuçlardır.

İnme ve Pulmoner Emboli: Zamanın Kritik Olduğu Yerde Triyaj

Akut inmede "zaman beyindir." Büyük damar tıkanıklığının (LVO) BT anjiyografide hızlı tanınması, tromboektomiye uygun hastaların kapı-iğne süresini doğrudan etkiler. Viz.ai platformu, LVO saptamada FDA iznini bildirilen yüksek performansla (yaklaşık %96 duyarlılık, %94 özgüllük) almıştır. Sistem, şüpheli bulguyu saptadığında inme ekibini saniyeler içinde mobil bildirimle uyararak görüntüleme ile tedavi arasındaki gecikmeyi kısaltmayı hedefler. Aynı platform; pulmoner emboli, aort hastalığı ve intrakraniyal kanama gibi diğer zaman-duyarlı durumlar için de onaylı modüllere sahiptir.

Aidoc ise BT'de intrakraniyal kanama, pulmoner emboli, pnömotoraks ve servikal omurga kırığı gibi acil bulguları "iş listesi önceliklendirme" mantığıyla işaretler: kritik bulgu içeren tetkikleri radyoloğun kuyruğunda öne çeker. Buradaki klinik değer "tanı koymak" değil, doğru hastayı doğru zamanda öne almaktır — yani bir güvenlik ağı ve triyaj katmanıdır.

Akciğer Grafisi ve Küresel Sağlık: Tüberküloz Taraması

Yapay zekânın kaynak-kısıtlı ortamlarda en somut halk sağlığı katkısı, akciğer grafisiyle tüberküloz (TB) taramasıdır. Dünya Sağlık Örgütü (WHO), 2021 TB tarama kılavuzunda bilgisayar destekli saptama (CAD) yazılımlarını — radyolog erişiminin sınırlı olduğu ortamlarda — insan okuyucuya alternatif olarak önermiştir. WHO kılavuz sürecindeki kanıt değerlendirmesinde qXR, Lunit ve CAD4TB gibi araçların tarama kullanımında eğri altı alan (AUC) değerleri yaklaşık 0,76–0,83 aralığında bildirilmiştir.

Qure.ai'nin qXR çözümü, milyondan fazla akciğer grafisiyle eğitilmiş olup 60'ı aşkın ülkede binlerce sahada konuşlandırılmıştır; düzenleyici onay alan ilk YZ destekli akciğer grafisi araçlarından biri olarak öne çıkmaktadır. Lunit INSIGHT CXR ise nodül, pnömotoraks, konsolidasyon ve plevral efüzyon dahil 10 büyük göğüs anormalliğini saptayacak şekilde tasarlanmıştır. Bu sistemlerin değeri, gezici grafi cihazlarıyla birleştiğinde uzman radyologa erişimin olmadığı bölgelerde tarama kapasitesini ölçeklendirebilmesidir.

Sınırlar, Riskler ve Doğru Beklenti

Tablonun diğer yüzü dürüstçe konulmalıdır. Birincisi, dağılım kayması (distribution shift): bir modelin eğitildiği hastane popülasyonu, cihaz markası veya protokol, kullanıldığı yerden farklıysa performans düşebilir. Bu nedenle dış (bağımsız) doğrulama vazgeçilmezdir. İkincisi, otomasyon yanlılığı: hekimin YZ'nin işaretine fazla güvenip kendi muhakemesini geri plana atması gerçek bir hasta güvenliği riskidir. Üçüncüsü, FDA onaylı sistemlerin büyük çoğunluğunun radyolog yerine geçmek için değil, radyoloğu desteklemek (eşzamanlı/ikinci okuyucu, triyaj) için onaylı olmasıdır; tam otonom okuma için kanıt çıtası çok daha yüksektir ve henüz nadirdir.

Ayrıca, FDA listesindeki onayların radyolojide ezici çoğunlukta olmasına karşın bu sistemlerin geri ödeme (reimbursement) altyapısı çoğu sağlık sisteminde hâlâ geride kalmaktadır — yani teknolojik olgunluk ile finansal/operasyonel benimsenme arasında bir gecikme vardır.

Sonuç

Radyolojide yapay zekâ artık "gelecek vaadi" değil, belirli ve sınırlı görevlerde kanıtlanmış bir araçtır: mamografi taramasında iş yükünü azaltıp yakalamayı koruyan/artıran randomize kanıt, inme ve pulmoner embolide zaman kazandıran triyaj, kaynak-kısıtlı ortamlarda TB taramasını ölçekleyen CAD yazılımları. Doğru çerçeve, YZ'yi radyoloğun yerine koyan değil, dikkatini en kritik bulguya yönlendiren, yorulmayan bir "ikinci göz" olarak konumlandıran çerçevedir — her algoritmanın kendi dış doğrulaması, kendi popülasyonu ve kendi sınırları olduğunu unutmadan.