Hasta Kaynaklı Mobil Sağlık Verisi Klinik Kararı Nasıl Güçlendirir?

Kronik hastalık yönetiminde asıl “kayıp parça” çoğu zaman tedavi değil, zamanın geri kalanı. Poliklinikte 10-15 dakikada alınan bir “anlık fotoğraf”, hastanın evde yaşadığı dalgalanmaları, tetikleyicileri, uyku düzenini, ilaç uyumunu ve bazen de söylemeye çekindiği şikâyetleri tam yakalayamıyor. Oysa 19.12.2025’te yayımlanan kapsamlı bir anlatı tarama derlemesi, mobil sağlık (mHealth) teknolojileriyle üretilen hasta kaynaklı sağlık verilerinin (PGHD) klinik kararları ve hasta-hekim etkileşimini somut biçimde şekillendirdiğini gösteriyor.

Benim gördüğüm asıl kritik nokta şu: PGHD tek başına “daha çok veri” değil; doğru tasarlanırsa klinisyenin işini kolaylaştıran, yanlış tasarlanırsa tükenmişliği artıran bir iş akışı meselesi. Üstelik 2025’in sonunda, yapay zekâ destekli karar sistemleri sağlıkta daha fazla konuşulurken, PGHD bu sistemlerin “ham maddesi” haline geliyor. Bu yazı, PGHD’nin klinik karar vermeyi nasıl güçlendirdiğini, nerelerde tökezlediğini ve Türkiye’de dijital sağlık projeleri için ne anlama geldiğini pratik bir dille ele alıyor.

PGHD’nin klinik karar verme üzerindeki gerçek etkisi

PGHD’nin en net katkısı, klinik kararın dayandığı bilgi setini genişletmesi. Derlemede 2014-2025 arası literatür taranıyor ve kriterleri karşılayan 16 çalışma inceleniyor. Çalışmaların ağırlığı yüksek gelirli ülkelerde; özellikle romatoid artrit ve diyabet gibi uzun süreli hastalıklarda yoğunlaşıyor. Bu, Türkiye’deki paydaşlar için iki mesaj veriyor: (1) kronik hastalık izleminde PGHD için güçlü bir kanıt birikimi var, (2) farklı sağlık sistemlerinde ölçekleme kısmı hâlâ “yapılacaklar” listesinde.

Derlemenin bulguları PGHD’nin klinikte üç role büründüğünü düşündürüyor:

• Bilgilendirici rol: Semptom trendleri, yaşam kalitesi, yan etki profili, tetikleyiciler gibi “muayenede kaçan” noktaları görünür kılar.
• Operasyonel rol: Triyaj, randevu planlama, erken müdahale, uzaktan izlem gibi süreçleri değiştirir.
• İlişkisel rol: Görüşmenin tonunu, ortak karar alma düzeyini ve güç dengesini etkiler.

Bu üç rolün ortak şartı ise basit: Veri klinisyenin karar diline çevrilmelidir. Ham veri yığını değil, anlamlı özet.

“Anlık fotoğraf” tuzağını kırmak

Kronik hastalıklar dalgalıdır. Astımda atak, romatizmal hastalıkta alevlenme, diyabette gün içi glisemik oynaklık… Poliklinikte ölçülen değerler kimi zaman “normal” görünür; ancak hasta haftalardır kötü gidiyordur. PGHD, bu dalgalanmayı yakalayıp klinisyene “büyük resmi” verir.

Derlemede bazı çalışmalar, klinisyenlerin randevu öncesi PGHD’yi görmesinin görüşmeyi daha verimli hale getirdiğini; hastaların da “ne söyleyeceğim” kaygısının azaldığını raporluyor. Bu, özellikle çoklu hastalığı olan yaşlı popülasyonda (multimorbidite) değerli.

Tedavi ayarı, erken uyarı ve daha akıllı takip

PGHD’nin klinik karara etkisi sadece sohbeti zenginleştirmek değil; ilaç titrasyonu, takip sıklığı ve müdahale zamanlaması gibi somut kararlara uzanıyor. Derlemede bazı örneklerde uyarı panelleri ve uzaktan veri akışı sayesinde:

• Klinik ekip, hastayla daha erken temasa geçebiliyor,
• Gerekirse erken yatış ya da tam tersi gereksiz ziyaretin ertelenmesi mümkün oluyor,
• Tedavi değişiklikleri daha sık ve daha gerekçeli yapılabiliyor.

Bu noktada yapay zekâ devreye giriyor: PGHD, risk skorlaması, alevlenme tahmini ve kişiselleştirilmiş eşik değerler için ideal bir kaynak. Ancak “AI ekledik” demek yetmez; verinin standart, güvenilir ve iş akışına gömülü olması gerekir.

Hasta-merkezli bakım mı, veriyle güçlenen paternalizm mi?

PGHD’nin “hasta güçlenmesi” ile otomatik eşitlenmesi çoğu zaman hatalı. Derleme, PGHD’nin bazı durumlarda hasta-merkezli bakımı güçlendirdiğini, bazı durumlarda ise tıbbi ajandayı pekiştirdiğini açıkça gösteriyor.

Güçlendiren senaryo: Ortak hedef ve ortak dil

İyi tasarlanmış bir PGHD akışı şunları sağlar:

• Hasta kendi durumunu daha iyi fark eder (öz-yansıtma).
• Görüşmeye hazırlıklı gelir; öncelikleri netleşir.
• Klinik ekip semptomun bağlamını (uyku, stres, aktivite, beslenme) konuşur.
• Kararlar “ben dedim oldu” yerine ortak karar haline gelir.

Bu, dijital sağlıkta çoğu kurumun hedeflediği resim. Ve bence doğru olan da bu.

Zayıflatan senaryo: Veri, hastayı “uyumsuz” ilan etmek için kullanılır

Derlemede bazı örnekler PGHD’nin, hastanın anlattığını doğrulamak için değil, çelişki yakalayıp hastayı ikna etmeye zorlama aracı olarak da kullanılabildiğini anlatıyor. Bir başka risk: klinisyen “objektif” dediği veriyi kendi tezini desteklediğinde öne çıkarıp, hasta perspektifini “öznel” diye geri plana itebilir.

Bu gerilim, Türkiye’de de çok tanıdık: Teknoloji geldiğinde güç dengesi otomatik düzelmiyor. Dijital etik, iletişim eğitimi ve veriyle konuşma kültürü olmazsa, PGHD “katılımcılık” değil “kontrol” üretir.

PGHD’nin değeri, verinin kendisinde değil; verinin görüşmede nasıl konuşulduğundadır.

En büyük sorun: Entegrasyon ve standartlaşma (yani işin mutfağı)

PGHD projelerinin çoğu parlak bir pilotla başlıyor, sonra duvara tosluyor. Derlemenin bulguları, duvarın adını net koyuyor: entegrasyon zorluğu, profesyonel şüphecilik, veri doğruluğu kaygısı ve standart eksikliği.

E-Nabız/HBYS gibi sistemlere gömülmeyen PGHD “ek ekran”dır

Klinisyenin zaten yoğun bir poliklinikte bir de ayrı bir uygulamaya girip grafik araması gerçekçi değil. İş akışı şunu kaldırır:

• Tek ekran / tek oturum
• Randevu öncesi otomatik özet
• Anlamlı alarmlar (fazla değil, doğru)

Yoksa PGHD, klinisyenin gözünde “ek yük” olur.

Veri hacmi, tükenmişlik riskine dönüşebilir

PGHD’nin paradoksu: Veri arttıkça karar kolaylaşmıyor, bazen zorlaşıyor. Binlerce ölçüm, onlarca semptom, günlük notlar… Eğer sistem:

• Özetlemiyorsa,
• Önceliklendirmiyorsa,
• Anomaliyi ayıklamıyorsa,

klinisyen için bu veri bir “sinyal” değil, “gürültü” olur. Yapay zekânın en pratik katkısı burada: özetleme, trend analizi, anomali yakalama.

Veri doğruluğu ve güven: “Bu ölçüm ne kadar doğru?”

Klinisyenlerin PGHD’ye temkinli yaklaşması anlaşılır. Ticari giyilebilir cihazlar, farklı ölçüm standartları, kullanıcı hatası… Güven için üç şeye ihtiyaç var:

1. Cihaz ve ölçüm protokolü standardı (hangi koşulda ölçüm?)
2. Veri kalitesi kontrolleri (uç değer, tutarsızlık, eksik veri)
3. Klinik eşikler (hangi durumda kim aksiyon alacak?)

Bu üçlü yoksa, PGHD “bakıp geçilen” bir grafik olarak kalır.

Yapay zekâ + PGHD: Klinik karar destek için gerçekçi bir yol haritası

PGHD’yi AI ile birleştirmenin hedefi, klinisyenin yerine karar vermek değil; kararı daha hızlı, daha güvenli ve daha kişisel hale getirmek. Sahada işe yarayan yaklaşım, aşamalı ilerlemektir.

1) Önce özet: “Tek sayfa klinik görünüm”

AI kullanmadan bile yapılabilecek en büyük iyileştirme: Her hastaya randevu öncesi 1 sayfalık özet.

• Son 14/30 günde semptom trendi
• Kritik eşik aşımı sayısı
• İlaç uyum göstergesi (varsa)
• Hastanın kendi hedefi / notu

Bu, PGHD’yi “konuşulabilir” yapar.

2) Sonra tahmin: Alevlenme ve risk sinyalleri

Yeterli veri birikince, AI şu soruları yanıtlayabilir:

• “Bu hastada gelecek 7 günde alevlenme riski artıyor mu?”
• “Bu hasta randevuya gelmeden önce aranmalı mı?”
• “Hangi yaşam tarzı tetikleyicileri daha baskın?”

Burada kritik şart, modelin açıklanabilir olması. Klinik ekip “neden”i göremiyorsa güven de oluşmaz.

3) En son otomasyon: Triyaj ve kaynak yönetimi

Poliklinik yükünün arttığı bir dönemde (Türkiye’de kış aylarında solunum yolu hastalıkları ve kronik hastalık alevlenmeleri üst üste biner), PGHD tabanlı triyaj şu faydaları sağlar:

• Acil olmayan kontrol ziyaretlerini azaltma
• Hemşire/diyetisyen/eğitmen gibi ekip üyelerine doğru yönlendirme
• Hastaya “şimdi ne yapmalıyım?” yanıtını geciktirmeme

Ama otomasyonun sınırı net olmalı: Sorumluluk paylaşımı ve hukuki çerçeve belirlenmeden “otomatik karar” tasarlamak riskli.

Kurumlar için uygulanabilir kontrol listesi (başlamadan önce)

PGHD projesi başlatacak hastane, klinik, dijital sağlık girişimi veya sigorta kurumu için kısa ama sert bir liste bırakayım. Bu sorulara net yanıt yoksa proje büyüdükçe zorlaşır:

1. Hangi klinik kararı iyileştireceğiz? (Örn. romatolojide alevlenme yakalama, diyabette hipoglisemi önleme)
2. Kimin işini kolaylaştırıyoruz? (Hekim mi, hemşire mi, hasta mı?)
3. Veri randevu öncesi mi, görüşme sırasında mı kullanılacak?
4. Eşik ve aksiyon matrisimiz nedir? (Alarm geldi → kim bakar → kaç saat içinde?)
5. Veri sunumu nasıl olacak? (Grafik mi, skor mu, kısa özet mi?)
6. HBYS/EHR entegrasyonu var mı? Yoksa ne zaman olacak?
7. Hasta onamı ve veri yönetişimi nasıl yönetilecek?
8. Ekip eğitimi planı var mı? (Sadece “uygulama eğitimi” değil, veriyle görüşme eğitimi)

Bu liste, “AI ekleyelim” heyecanını gerçek hayata bağlar.

Dijital sağlık serisinde bu konu neden kilit?

“Sağlık Sektöründe Yapay Zekâ ve Dijital Sağlık” serisinin birçok başlığı (uzaktan hasta takibi, klinik karar destek, hastane yönetimi, erken teşhis) aynı yere çıkıyor: doğru veri akışı. PGHD, bu akışın hastanın evinden başlayan kısmı. Ve bence 2026’ya giderken, sağlık kurumlarının rekabet avantajı “kaç model eğittik” değil, veriyi kliniğe zahmetsiz sokabilme becerisi olacak.

PGHD’nin vaadi net: daha kişisel bakım, daha proaktif takip, daha iyi kaynak kullanımı. Engelleri de net: entegrasyon, standart, güven ve kültür. Bu dört başlık çözülmeden, en iyi mobil uygulama bile poliklinikte “ikincil ekran” olarak kalır.

Buradan sonrası için düşünmeye değer soru şu: Kurumunuz PGHD’yi hastayı güçlendiren bir ortak karar aracına mı dönüştürecek, yoksa ölçüp yargılayan bir kontrol mekanizmasına mı? Tasarım tercihleriniz, sonucu belirleyecek.