Doğal dil işleme literatürünün büyük bölümü İngilizce üzerine kuruludur ve bu durum, alandaki birçok "çözülmüş" problemin aslında yalnızca İngilizce için çözülmüş olduğu gerçeğini gizler. Türkçe söz konusu olduğunda işler değişir; konu tıbbi metinlere geldiğinde ise zorluk katlanır. Bir muayene notunu, epikrizi veya hasta şikâyetini makineye doğru anlatabilmek, Türkçenin yapısal özellikleriyle klinik dilin kendine has alışkanlıklarının kesiştiği noktada çalışmayı gerektirir.
Morfoloji: tek kelimede saklı cümleler
Türkçe eklemeli bir dildir ve bu, doğal dil işleme için hem zenginlik hem de baş ağrısıdır. "Hastaneye yatırılmasına gerek görülmemiştir" cümlesindeki yüklem, içinde ettirgenlik, edilgenlik, olumsuzluk ve zaman bilgisini aynı anda taşır. Kelime tabanlı yaklaşımlar burada hızla tıkanır: aynı kökün yüzlerce çekimli biçimi, veri içinde her biri bir kez görülen "nadir kelimeler" yığını oluşturur. Üstelik klinik açıdan en kritik bilgi çoğu zaman eklerde gizlidir. Olumsuzluk eki bunun en çarpıcı örneğidir: "ödem saptandı" ile "ödem saptanmadı" arasında, yazı karakteri olarak iki harflik, klinik anlam olarak ise dünyalar kadar fark vardır. Olumsuzluğu kaçıran bir model, bulguyu tam tersine çevirmiş olur.
Klinik dilin kendine has dünyası
Türkçe tıbbi metinler, ders kitabı Türkçesinden çok uzaktır. Hekim notlarında üç katman iç içe geçer:
- Latince ve İngilizce terimler: Tanılar ve anatomik ifadeler sıklıkla Latince yazılır; araya İngilizce kısaltmalar karışır. Aynı cümlede üç dilin izini görmek sıradandır.
- Kısaltma enflasyonu: Her uzmanlık alanının, hatta her kurumun kendi kısaltma alışkanlığı vardır. Aynı kısaltmanın bağlama göre farklı açılımlara sahip olması, çözümlemeyi zorlaştırır.
- Telegrafik üslup: Muayene notları çoğunlukla yüklemsiz, yarım cümlelerle yazılır. Günlük dilden öğrenilmiş cümle yapısı beklentileri burada işe yaramaz.
Bu katmanların üstüne yazım varyasyonları eklenir: aynı ilacın farklı yazılışları, Türkçe karakterlerin bazen kullanılıp bazen kullanılmaması, hızlı yazımdan doğan tutarsızlıklar.
Veri kıtlığı ve mahremiyet dengesi
Belki de en yapısal zorluk veridir. Türkçe tıbbi metin derlemi, İngilizce muadilleriyle kıyaslanamayacak kadar sınırlıdır ve klinik verinin doğası gereği mahremiyet koruması en üst düzeyde olmak zorundadır. Kimliksizleştirme, Türkçede kendine özgü zorluklar taşır; isimlerin çekim eki almış halleri bile başlı başına bir problemdir. Bu nedenle Türkçe tıbbi doğal dil işleme, yalnızca model mimarisi değil, veri işleme hattının tamamı üzerine düşünmeyi gerektirir.
Bu zorluklar nasıl aşılır?
Tablo zorlu ama umutsuz değil; her zorluğun karşısında olgunlaşan yöntemler var. Morfoloji sorununa karşı en etkili yaklaşım, kelimeleri bütün olarak değil, anlamlı alt parçalar hâlinde ele alan ayrıştırma yöntemleridir; ek zincirini doğru bölen bir ön işleme katmanı, nadir kelime sorununu kökten hafifletir. Klinik dilin kendine has sözlüğü içinse alan uyarlaması gerekir: genel Türkçe üzerine eğitilmiş bir modelin tıbbi metinlerle ek eğitimden geçirilmesi, kısaltmalara ve terminolojiye aşinalık kazandırır. Kısaltma belirsizliği gibi bağlama bağlı problemlerde ise bağlamı bütün hâlinde değerlendiren modern mimariler, kelime temelli eski yaklaşımlardan belirgin biçimde üstündür.
Veri kıtlığına karşı da tek bir sihirli çözüm yerine birbirini tamamlayan adımlar işe yarar: uzman eliyle etiketlenmiş küçük ama kaliteli derlemler oluşturmak, mahremiyeti koruyarak kimliksizleştirilmiş veri hatları kurmak ve gerektiğinde sentetik örneklerle eğitim kümesini zenginleştirmek. Bu adımların hiçbiri tek başına yeterli değil; ancak birlikte, Türkçe tıbbi doğal dil işlemeyi "imkânsız" kategorisinden "zor ama yapılabilir" kategorisine taşıyorlar. Nitekim alandaki ilerleme de tam bu kararlılıkla çalışan ekiplerden geliyor.
Şunu da eklemek gerekir: bu yöntemlerin hiçbiri tek seferlik bir çaba değildir. Klinik dil yaşayan bir dildir; yeni ilaçlar, yeni kısaltmalar ve değişen yazım alışkanlıkları modeli zamanla eskitir. Kalıcı başarı, bir kez eğitilmiş bir modelden değil, sahadan beslenen ve düzenli güncellenen bir geliştirme döngüsünden gelir.
Afinitem olarak bu zorlukların her birini yakından tanıyoruz, çünkü Reasoning LLM projemizde tam da bu alanda çalışıyoruz: Türkçe doğal dil işleme ve tıbbi muhakeme odaklı büyük dil modelimiz üzerinde semptom analizi, akıl yürütme ve tanı önerisi yetenekleri için geliştirme çalışmalarımız sürüyor. Türkçenin tıbbi yapay zekâdaki yolculuğunu konuşmak isterseniz bize ulaşın; bu alanda düşünen herkesle fikir alışverişine açığız.