Büyük dil modelleri son birkaç yılda şaşırtıcı bir hızla gelişti; İngilizce tıbbi metinlerde özetleme, soru yanıtlama ve bilgi çıkarımı gibi görevlerde kayda değer sonuçlar görüyoruz. Peki aynı modeller bir aile hekiminin Türkçe muayene notunu, bir epikrizi ya da hastanın kendi cümleleriyle anlattığı şikâyeti ne kadar iyi anlıyor? Deneyimler net bir tablo çiziyor: genel amaçlı modeller Türkçe tıbbi metinlerde ciddi biçimde zorlanıyor. Bu yazıda nedenlerini ve özel model ihtiyacının gerekçelerini ele alıyoruz.
Genel modeller nerede tökezliyor?
İlk sorun dilin kendisi. Türkçe eklemeli bir dildir; tek bir kelime, İngilizcede bir cümleyle anlatılan anlamı taşıyabilir. "Ağrısızlaştırılamamış" gibi bir ifadeyi doğru çözümlemek, kelimeyi hiç görmemiş bir modelin ek zincirini doğru ayrıştırmasını gerektirir. İkinci sorun eğitim verisindeki temsil: büyük modellerin eğitim kümelerinde Türkçe içerik sınırlıdır, Türkçe tıbbi içerik ise çok daha azdır. Üçüncüsü, klinik dilin kendine has doğası: hekim notları kısaltmalarla, yarım cümlelerle, Latince terimlerle ve kuruma özgü yazım alışkanlıklarıyla doludur. Genel model bu metni gördüğünde, günlük Türkçeden öğrendiği kalıplar çoğu zaman işe yaramaz.
Tıbbi alan neden ekstra hassasiyet ister?
Bir sohbet botunun tarihî bir olayı yanlış anlatması rahatsız edicidir; bir modelin tıbbi metindeki olumsuzluk ekini kaçırması ise bambaşka bir şeydir. "Göğüs ağrısı yok" ile "göğüs ağrısı var" arasındaki fark, Türkçede çoğu zaman tek bir ekte gizlidir. Benzer şekilde ilaç adlarının, dozların ve tanı ifadelerinin doğru çıkarılması, hata payına tahammülü olmayan görevlerdir. Bu yüzden tıbbi dil modellerinde yalnızca akıcılık değil, muhakeme doğruluğu ve belirsizlikte temkinli davranma yeteneği öne çıkar. Alan bilgisiyle beslenmemiş bir modelin kendinden emin ama yanlış çıktılar üretmesi, klinik bağlamda kabul edilebilir bir risk değildir.
Özel modelin vadettiği şey
Türkçeye ve tıbbi alana odaklanmış bir model, üç katmanda fark yaratma potansiyeli taşır:
- Dil katmanı: Türkçe morfolojiyi ve klinik yazım alışkanlıklarını tanıyan bir model, metni daha ilk adımda doğru çözümler.
- Bilgi katmanı: Tıbbi terminolojiye ve semptom-bulgu ilişkilerine aşinalık, çıkarımların isabetini artırır.
- Muhakeme katmanı: Semptomlardan olası nedenlere giden akıl yürütme zincirinin izlenebilir olması, hekimin modele körü körüne güvenmek yerine onu denetleyebilmesini sağlar.
Afinitem olarak bu üç katmanı hedefleyen bir Ar-Ge projesi yürütüyoruz: Reasoning LLM, Türkçe doğal dil işleme ve tıbbi muhakeme odaklı bir büyük dil modeli projesi. Semptom analizi, akıl yürütme ve tanı önerisi üzerine geliştirme çalışmalarımız sürüyor; henüz yayında bir ürün değil, ancak vardığımız her aşamayı gerçek klinik metinlerin zorluklarıyla sınayarak ilerliyoruz.
Başarıyı nasıl ölçmeli?
Özel model ihtiyacını kabul etmek yolculuğun başıdır; asıl zor soru, geliştirilen modelin gerçekten işe yarayıp yaramadığını nasıl bileceğimizdir. Genel amaçlı karşılaştırma testleri burada yanıltıcı olabilir: bir modelin günlük Türkçede akıcı yanıtlar üretmesi, muayene notundaki olumsuzluk ekini doğru çözümlediği anlamına gelmez. Değerlendirmenin alanın kendi malzemesiyle yapılması gerekir: gerçek klinik metin örnekleri, tipik kısaltmalar, sahada karşılaşılan yazım varyasyonları. Semptom çıkarımı, terim eşleme ve olumsuzluk tespiti gibi görevlerin her biri için ayrı ölçüm yapmak, modelin güçlü ve zayıf yönlerini somut biçimde ortaya koyar.
Sayısal ölçümler kadar önemli bir boyut daha var: hekim değerlendirmesi. Bir çıktının teknik olarak "doğru" sayılması, klinik olarak faydalı olduğu anlamına gelmez. Önerilen olasılıkların sıralamasının mantıklılığı, gerekçenin ikna ediciliği ve belirsizlik karşısında takınılan temkinli ton, ancak alan uzmanlarının gözüyle değerlendirilebilir. Bu yüzden geliştirme döngüsüne hekimlerin erken aşamada dahil edilmesi, modeli yalnızca daha doğru değil, daha kullanışlı da yapar. Sahada karşılık bulmayan bir doğruluk puanının, ne hekime ne hastaya faydası vardır.
Türkçe tıbbi yapay zekâ, hazır modellerin üzerine bir arayüz koymakla çözülecek bir problem değil; dilin ve alanın derinliğine inen sabırlı bir mühendislik işi. Bu yolculuğu yakından takip etmek veya görüş alışverişinde bulunmak isterseniz bize ulaşabilirsiniz.