Klinik Karar Destek Sistemleri — Modern Tasarım Prensipleri

Klinik karar destek sistemi (CDS) nedir?

Klinik karar destek sistemi (Clinical Decision Support System, CDSS), hekime hasta bakım anında yapılandırılmış öneriler sunan yazılım katmanıdır. CDSS hastanın elektronik sağlık kaydındaki (EHR/HBYS) verileri okur, klinik kılavuzlar ve kanıt bazlı kurallarla karşılaştırır ve hekime uyarı, hatırlatma, alternatif tedavi önerisi ya da risk skoru olarak geri bildirim verir.

Klasik CDSS örnekleri: ilaç-ilaç etkileşim uyarısı, böbrek yetersizliği olan hastada NSAID kullanım uyarısı, INR değerleri için warfarin doz önerisi, sepsis erken uyarı skoru (qSOFA, NEWS2). Modern CDSS'lere AI eklendi: deri lezyonu sınıflandırma, EKG analizi, radyolojik bulgu tarama.

Uyarı yorgunluğu (alert fatigue) — CDS sistemlerinin en büyük sorunu

ABD hastanelerindeki bir EHR CDS sisteminin tipik hekimi 1.500 uyarı/ay alır. Bu uyarıların **%88'i hekim tarafından override edilir** (Embi & Leonard, JAMIA 2012). Override edilen uyarıların büyük çoğunluğu klinik olarak anlamsızdır ya da hekimin zaten bildiği bir bilgiyi tekrar eder. Bu durumun adı: **uyarı yorgunluğu**.

Sonuç: kritik uyarı (örn. anaflaksi öyküsünde penisilin reçetelenmiş) da otomatik refleksle override edilir. Bu hasta güvenliğini tehlikeye atar.

Bir CDS sistemi ne kadar çok uyarı verirse, hekim o kadar az dikkat eder. İyi CDS daha çok uyarı değil, daha doğru uyarı demektir. — Yong et al., NEJM Catalyst 2023

Modern CDS tasarım kuralları:

• **Düşük FP oranı**: yanlış-pozitif oranı %20'nin altına çekin. Bunun için hasta bağlamını (alerjisi, eGFR, hamile mi vs.) entegre edin.
• **Sessiz uyarı**: bazı uyarılar pop-up değil, EHR'deki ilgili alanın yanında renk kodu olarak gösterilmeli (passive interruption).
• **Risk-aware threshold**: uyarı eşiği klinik bağlama göre değişmeli. Acil serviste sepsis erken uyarı eşiği düşük tutulur; yoğun bakımda yüksek.
• **Geri besleme döngüsü**: hekim bir uyarıyı override ettiğinde sebep sorulmalı; sebepler raporlanmalı; ay sonu uyarı kuralları rafine edilmeli.

Kanıt entegrasyonu — CDS'nin temeli

Bir CDS sisteminin önerisi nereden geliyor sorusu sorulmalı. Modern CDS sistemleri üç ana kaynak kullanır:

• Uzmanlık dernek rehberleri (ESC, ADA, NICE, GINA, AHA, ESMO)
• Klinik karar kuralları (CHA₂DS₂-VASc, Wells, MELD)
• Real-world evidence (gerçek hayat hasta verisi analizleri)

Her öneri, kaynağına link ile gösterilmeli. Hekim 'bu öneri neden var?' sorusunu bir tıkla yanıtlayabilmeli. Bu **transparent CDS** prensibidir.

DOKGPT klinik karar destek katmanında her yanıt için kaynak referansı verir; hekimin kaynağa erişip ham metni okumasına olanak sağlar.

AI tabanlı CDS — geleneksel CDS'den nasıl farklı?

Geleneksel CDS rule-based: insan uzmanlar 'eğer X ise Y öner' kurallarını manuel yazar. Yeni nesil AI tabanlı CDS ise machine learning ile pattern öğrenir: 100.000 sepsis vakası analiz edip 'şu lab+vital kombinasyonu sepsis öncesi 6 saatte ortaya çıkar' tipi öngörü çıkarır.

AI tabanlı CDS'nin avantajları: nadir paternleri yakalama, çok değişkenli ilişkileri görme, sürekli kendini iyileştirme.

AI tabanlı CDS'nin riskleri: **kara kutu problemi** — neden bir uyarı verdiğini açıklayamayabilir; **veri biası** — training datasetinde temsil edilmeyen hasta grupları (örn. yaşlı, etnik azınlık, nadir hastalık) yanlış sınıflandırılabilir; **doğrulama gereksinimi** — her klinik uygulama öncesi RCT bekler.

FDA 2024 itibariyle 1.000+ AI/ML tabanlı tıbbi cihaza onay verdi; çoğu görüntü analizi alanında. Türkiye TİTCK aynı yıl 30+ AI/ML cihazına onay verdi.

Hekim için pratik özet

CDS sistemleri klinik pratiği iyileştirir, ama yalnızca **iyi tasarlandığında**. Hekim olarak siz bir CDS sistemini değerlendirirken sorması gereken üç soru: (1) Uyarıları gerçekten anlamlı mı, (2) Kaynağını gösteriyor mu, (3) Hasta bağlamını dikkate alıyor mu.

Bir uyarı sürekli override ediliyorsa rapor edin; CDS rule-set'i güncellensin. Sessiz kalmak hasta güvenliğini riske atar.