Kanser İmmünoterapisinde Yapay Zekâ Kayıt İnceleme Süresini Yüzde 43,5 Kısalttı

Kanser immünoterapisine bağlı yan etkilerin hasta kayıtlarından belirlenmesinde yapay zekâ desteğinin kullanılması, klinik araştırma personelinin inceleme süresini önemli ölçüde kısalttı. ABD'deki araştırmacılar tarafından geliştirilen ve sonuçları 29 Ekim 2026'da Nature Cancer dergisinde yayımlanan sistem, yan etkilerin tespit edilmesi ve sınıflandırılması amacıyla üç aşamalı bir araştırmada değerlendirildi.

Jack Gallifant, Shan Chen ve çalışma arkadaşlarının yürüttüğü araştırmada, büyük dil modeli teknolojisine dayanan bir yapay zekâ sistemi kullanıldı. Sistem, elektronik hasta kayıtlarında yer alan hekim ve sağlık personeli notlarını inceleyerek bağışıklık sistemiyle ilişkili yan etkilere ilişkin bilgileri belirlemek üzere geliştirildi.

Araştırmacılar, yapay zekânın yalnızca yan etkilerin kayıtlarında bulunup bulunmadığını değil, bu etkilerin mevcut veya geçmişte yaşanmış olma durumunu, şiddetini ve hekim tarafından immünoterapiyle ilişkilendirilip ilişkilendirilmediğini de değerlendirdi.

Altı farklı yan etki araştırıldı

Kanser immünoterapisinde kullanılan bağışıklık kontrol noktası inhibitörleri, bağışıklık sisteminin tümör hücrelerine karşı daha etkili yanıt vermesini amaçlıyor. Ancak bu ilaçlar bazı hastalarda bağışıklık sisteminin sağlıklı dokulara da zarar vermesiyle ilişkili yan etkilere neden olabiliyor.

Araştırmada altı farklı komplikasyon türüne odaklanıldı:

Akciğer iltihabı (pnömonit)

Bağırsak iltihabı (kolit)

Kalp kası iltihabı (miyokardit)

Karaciğer iltihabı (hepatit)

Tiroit bezi iltihabı (tiroidit)

Deri iltihabı (dermatit)

Bu komplikasyonlar, hafif belirtilerden ciddi organ hasarına kadar değişen klinik tablolara yol açabiliyor.

Araştırmacılar, yan etkilerin önemli bir bölümünün elektronik sağlık kayıtlarındaki serbest metin alanlarında bulunmasının, bu bilgilerin düzenli biçimde toplanmasını ve karşılaştırılmasını güçleştirdiğine işaret etti.

Geliştirilen sistem, klinik notlardaki bilgileri sınıflandırarak araştırma personelinin değerlendirmesine sunacak şekilde tasarlandı.

İlk testte 0,92 F1 skoruna ulaşıldı

Araştırmanın ilk aşamasında 289 klinik nottan oluşan veri kümesi kullanıldı. Bunların 26'sı sistemin geliştirilmesi, 263'ü ise performansının değerlendirilmesi için ayrıldı.

Geriye dönük testte yapay zekâ, mevcut yan etkilerin belirlenmesinde 0,92 F1 skoruna ulaştı.

F1 skoru, bir sistemin doğru tespitlerini, yanlış işaretlediği ve gözden kaçırdığı durumlarla birlikte değerlendiren bir performans ölçütü olarak kullanılıyor. Değerin bire yaklaşması, ilgili sınıflandırma görevinde daha iyi performansa işaret ediyor.

Ancak sistemin yan etkilerin şiddetini birden fazla kategoriye ayırma başarısı daha düşük kaldı. Bu görevde F1 skoru 0,66 olarak ölçüldü.

Sonuçlar, yapay zekânın klinik kayıtlarda belirtilen yan etkilerin varlığını belirlemede, bu etkilerin ayrıntılı şiddet derecelerini sınıflandırmaya kıyasla daha başarılı olduğunu gösterdi.

Gerçek klinik kayıtlarında başarı oranı düştü

Araştırmanın ikinci aşamasında sistem, Mayıs-Temmuz 2025 döneminde üç ay boyunca gerçek klinik kayıtları üzerinde sınandı.

Bu süreçte toplam 884 klinik not analiz edildi. Yapay zekânın değerlendirmeleri klinik bakım süreçlerinden bağımsız olarak yürütüldü ve doğrudan hasta tedavisine müdahale amacıyla kullanılmadı.

Bu aşamada mevcut yan etkilere ilişkin değerlendirmelerde F1 skoru 0,72, geçmiş yan etkilere ilişkin değerlendirmelerde ise 0,79 olarak belirlendi.

Geriye dönük testlere kıyasla daha düşük sonuçlar elde edilmesi, sistemin değişen klinik kayıtlar ve hasta özellikleri karşısında performans farklılıkları gösterebildiğini ortaya koydu.

İnceleme süresi yüzde 43,5 azaldı

Araştırmanın üçüncü aşamasında yapay zekâ desteğinin klinik araştırma personelinin çalışma süresine etkisi değerlendirildi.

Randomize çapraz geçişli çalışmaya 17 klinik araştırma görevlisi katıldı. Katılımcılar, hasta kayıtlarını hem geleneksel yöntemle hem de yapay zekâ desteğiyle inceledi.

Yirmi farklı klinik not üzerinden gerçekleştirilen çalışmanın süre analizinde toplam 316 kayıt inceleme gözlemi değerlendirildi.

Geleneksel yöntemle bir kaydın incelenmesi için gereken ortanca süre 428 saniye, yani 7 dakika 8 saniye olarak ölçüldü.

Yapay zekâ desteği kullanıldığında ise bu süre 242 saniyeye, yani 4 dakika 2 saniyeye geriledi.

İki grubun ortanca süreleri karşılaştırıldığında yüzde 43,5 azalma görüldü. Katılımcılar arasındaki farklılıkları hesaba katan istatistiksel analizde, yapay zekâ desteğiyle kayıt başına ortalama 2,71 dakika zaman kazanıldığı tahmin edildi. Süre farkı istatistiksel olarak anlamlı bulundu.

Değerlendirmelerdeki tutarlılık da arttı

Araştırmada yapay zekâ desteğinin yalnızca çalışma süresine değil, kayıtların değerlendirilme doğruluğuna ve personel arasındaki uyuma etkisi de incelendi.

Altı yan etki kategorisinin tamamında uzmanlar tarafından belirlenen sonuçlarla eksiksiz eşleşme oranı, geleneksel incelemede yüzde 19,4 olurken yapay zekâ destekli incelemede yüzde 25,9'a yükseldi.

İstatistiksel analizde eksiksiz eşleşme olasılığındaki artış da anlamlı bulundu. Ancak kullanılan katı ölçütün gerektirdiği tam uyum oranlarının her iki yöntemde de düşük kaldığı görüldü.

Ayrıca farklı değerlendiricilerin aynı klinik kayıtlar için benzer sonuçlara ulaşma düzeyinde belirgin iyileşme saptandı.

Bu bulgular, insan denetimiyle birlikte kullanılan yapay zekânın klinik araştırmalarda yan etki verilerinin daha tutarlı biçimde kaydedilmesine yardımcı olabileceğini gösterdi.

Hastalardaki komplikasyonları azalttığı henüz kanıtlanmadı

Araştırmanın sonuçları, yapay zekânın immünoterapi yan etkilerine ilişkin kayıtların incelenmesinde zaman kazandırabileceğini gösterse de doğrudan hasta sağlığı üzerindeki etkileri hakkında kesin bir sonuca ulaşılmasını sağlamıyor.

Çalışmada sistemin yalnızca altı yan etki türü üzerinde kapsamlı biçimde değerlendirilmiş olması önemli sınırlılıklar arasında yer aldı.

Ayrıca sistemin ileriye dönük klinik kayıtlarında geriye dönük testlere göre daha düşük performans göstermesi, farklı hastanelerde ve hasta gruplarında ek doğrulama ihtiyacına işaret etti.

Araştırmada yapay zekâ desteğinin yan etkilerin klinik tanısını ne kadar erkene çektiği, tedaviye başlama süresini kısaltıp kısaltmadığı, hastaneye yatışları veya ölümleri azaltıp azaltmadığı değerlendirilmedi.

Bu nedenle geliştirilen teknolojinin mevcut aşamadaki başarısı, klinik belgelerin incelenmesi ve yan etki bilgilerinin sınıflandırılmasıyla sınırlı bulunuyor.

Araştırma, insan denetimiyle birlikte kullanılan yapay zekâ sistemlerinin kanser tedavisine ilişkin güvenlilik verilerinin toplanmasını kolaylaştırabileceğini gösteriyor. Bunun doğrudan hasta bakımına ne ölçüde katkı sağlayabileceğinin belirlenmesi için daha geniş ve farklı klinik ortamlarda yürütülecek araştırmalara ihtiyaç duyuluyor.

KAYNAKLAR

Nature Cancer – An agentic AI system enhances clinical detection of immune-related adverse events in a multi-phase validation study – 29 Ekim 2026.

Jack Gallifant, Shan Chen, Kee-Young Shin ve çalışma arkadaşları – Kanser immünoterapisine bağlı yan etkilerin yapay zekâ ile değerlendirilmesine ilişkin çok aşamalı doğrulama araştırması.