LLM Nedir? Klinisyenler İçin Kısa Açıklama
Büyük dil modeli (Large Language Model, LLM), devasa miktarda metin verisi üzerinde eğitilmiş istatistiksel bir modeldir. ChatGPT, Claude, Gemini, bunların hepsi birer LLM. Temel çalışma prensibi şaşırtıcı derecede basit: verilen metindeki bir sonraki kelimeyi tahmin etmek.
Bu ayrımı yapmak klinik açıdan kritik. Bir LLM bir arama motoru değil, internette cevap aramıyor. Bir veritabanı değil, bilgiyi kayıtlı tutmuyor. Milyarlarca parametre içeren matematiksel bir fonksiyon. Eğitim verisindeki örüntülerden yola çıkarak, istatistiksel olarak en olası devamı üretiyor.
"Anlamıyor" ve "düşünmüyor." Bu kelimeler tırnak içinde çünkü kavramsal bir mesafe var: insanın anlaması ile bir modelin çıktı üretmesi arasındaki fark, klinik bağlamda hayati önem taşıyor. Bir LLM size DSM-5 kriterlerini kusursuz sıralayabilir. Ama bu, o kriterleri "bildiği" anlamına gelmiyor. Eğitim verisinde yeterince sık gördüğü bir kalıbı tekrarlıyor.
Klinik analoji:
Bir LLM'yi, tıp fakültesindeki tüm ders kitaplarını okumuş ama hiç hasta görmemiş bir stajyer gibi düşünün. Teorik bilgisi geniş, ama klinik yargısı yok. Çıktılarını her zaman deneyimli bir klinisyenin gözüyle değerlendirmeniz gerekir.
Klinik Pratikte Kullanım Alanları
LLM'lerin ruh sağlığı pratiğinde işe yaradığı alanlar var. Hepsinin ortak noktası şu: klinisyenin zamanını alan, ama doğrudan klinik yargı gerektirmeyen görevler. İşte somut örnekler:
SOAP Not Oluşturma
Muhtemelen en yüksek değerli klinik kullanım alanı. Klinisyen seansı kaydediyor, LLM yapılandırılmış bir SOAP notu oluşturuyor. Seans başına 15-30 dakika tasarruf. Nuveflow tam olarak bunu yapıyor: ses kaydından otomatik transkripsiyon, ardından yapılandırılmış klinik not.
Önemli: LLM çıktısını her zaman gözden geçirin. Modelin atladığı ya da yanlış yorumladığı noktalar olabilir.
Seans Transkripsiyon
Whisper ve benzeri konuşma tanıma modelleri sesi metne dönüştürüyor. Bu tek başına devrimsel bir şey değil, ama dokümantasyon zincirinin temeli. Transkripsiyon olmadan SOAP notu da olmaz, özet de, analiz de.
Türkçe transkripsiyon kalitesi son iki yılda belirgin şekilde iyileşti, ancak argo ve yerel ifadelerde hâlâ hatalar olabiliyor.
Klinik Formülasyon Desteği
Karmaşık bir vaka mı var? LLM'i bir "düşünce ortağı" olarak kullanabilirsiniz. Kişilik bozukluğu komorbiditeleri, ilaç etkileşimleri, ayırıcı tanı alternatifleri. Karar verici olarak değil, beyin fırtınası aracı olarak. Bir süpervizörün yerini almaz ama süpervizyon arasındaki boşlukta faydalı olabilir.
Hasta İletişimi
Psikoeğitim materyalleri hazırlamak, randevu hatırlatma mesajları yazmak, tedavi özetlerini anlaşılır bir dile çevirmek. Hastaya "serotonin geri alım inhibitörü" yerine ne anlama geldiğini açıklayan bir metin oluşturmak, LLM'in iyi yaptığı işlerden biri.
Araştırma ve Literatür Taraması
Yeni bir tedavi yaklaşımı hakkında hızlıca bilgi edinmek, bir ilacın yan etki profilini özetlemek, güncel çalışmaları taramak. Ama burada büyük bir uyarı var: LLM'ler referans uydurur. Verdiği her kaynağı PubMed'de doğrulamanız şart.
Riskler ve Sınırlar
Fırsatlar ortada. Şimdi dürüst olmak gerekiyor: bu teknolojinin ciddi riskleri var ve klinik bağlamda bu risklerin bedeli yüksek.
Halüsinasyon
LLM'ler uydurur. Buna teknik jargonda "halüsinasyon" deniyor ama terim yanıltıcı, model bir şeyleri "görmüyor", istatistiksel olarak makul görünen ama gerçekte var olmayan içerik üretiyor. Somut örnek: bir LLM'den klinik raporunuz için kaynak istediğinizde, gerçekçi görünen ama hiç yayınlanmamış bir makale referansı verebilir. Yazarlar gerçek, dergi gerçek, başlık makul, ama makale yok.
Klinik bir raporda uydurma referans kabul edilemez. İlaç etkileşimi bilgisinde hata ölümcül olabilir. Her LLM çıktısını bağımsız kaynaklardan doğrulayın.
Gizlilik ve Veri Güvenliği
Bu konuda tolerans sıfır olmalı. Seans notlarınızı, hasta bilgilerinizi, klinik gözlemlerinizi ChatGPT'ye yapıştırdığınızda ne olur? O veri, modelin sunucularına gider. Kim erişir, nerede saklanır, eğitim verisine katılır mı, bunları kontrol edemezsiniz.
Türkiye'de KVKK, AB'de GDPR, ABD'de HIPAA, hepsi açık: kişisel sağlık verileri yalnızca yetkili ve güvenli sistemlerde işlenebilir. Genel amaçlı bir chatbot yetkili ve güvenli bir sistem değildir. Yapay zeka kullanacaksanız, Nuveflow gibi HIPAA/KVKK uyumlu entegre platformları kullanın. Asla kopyala-yapıştır yapmayın.
Yanlılık
LLM'ler eğitim verisindeki önyargıları yansıtır. İngilizce ve Batı kültürüne ait veriler ağırlıktadır. Bu ne demek? Türk kültürel bağlamında somatik semptom sunumları, aile dinamikleri, utanç ve damgalama kalıpları, bunlar modelin zayıf kaldığı alanlar.
Bir Türk hastanın "sırtım ağrıyor, başım zonkluyor" demesinin depresyon belirtisi olabileceğini deneyimli bir klinisyen bilir. Bir LLM bunu ortopedik yakınma olarak sınıflandırabilir. Kültürel bağlam, algoritmaya kolayca kodlanamaz.
Aşırı Güven
"Yapay zeka böyle dedi" cümlesi klinik yargı yerine geçmez. Hiçbir zaman geçmeyecek. Bir LLM'in çıktısı ikinci bir görüş değildir, çünkü arkasında klinik deneyim, etik sorumluluk ve hasta ilişkisi yoktur. Klinisyen olarak nihai sorumluluk her zaman sizdedir. LLM bir araçtır; stajyeriniz bile değildir çünkü stajyerin bile mesleki sorumluluğu vardır.
Düzenleyici Boşluk
Türkiye'de LLM kullanımına dair klinik pratik kılavuzları henüz yok. TTB, TPD veya TDB'den resmi bir yönlendirme gelmedi. AB'nin AI Act'i 2025'te yürürlüğe girdi ama sağlık alanındaki uygulama detayları hâlâ netleşiyor. Klinisyenler şu an gri bir alanda çalışıyor. Bu, dikkatli olmanız gerektiği anlamına geliyor, yasaklanmış olmaması, güvenli olduğu anlamına gelmez.
Pratik Kurallar
Teoriden pratiğe geçmenin zamanı. İşte klinisyenler için somut yapılacaklar ve yapılmayacaklar listesi:
Yapın
- •Dokümantasyon için kullanın, SOAP notları, seans özetleri, tedavi planları. Entegre platformlar (Nuveflow gibi) üzerinden, asla kopyala-yapıştır ile değil.
- •Öğrenme aracı olarak kullanın, literatür taraması, kavram açıklamaları, tedavi yöntemleri hakkında genel bilgi edinme. Ama her bilgiyi doğrulayın.
- •Her LLM çıktısını doğrulayın, referansları PubMed'de kontrol edin, ilaç bilgilerini resmi kaynaklardan teyit edin, klinik iddiaları kanıt temeliyle karşılaştırın.
- •Hasta iletişim materyalleri hazırlayın, psikoeğitim broşürleri, tedavi özetleri, anlaşılır dilde açıklamalar.
Yapmayın
- •Hasta verisini genel amaçlı yapay zeka araçlarına yapıştırmayın, ChatGPT, Gemini, Perplexity dahil. KVKK/HIPAA ihlalidir. Mahkemede "herkes yapıyor" savunması geçmez.
- •Yapay zeka çıktısını klinik yargı olarak kullanmayın, LLM önerisi, klinik karar değildir. Tanı, tedavi ve risk değerlendirmesi klinisyenin sorumluluğundadır.
- •Hastanıza "yapay zeka sizde X olduğunu söylüyor" demeyin, bu hem etik hem de klinik açıdan sorunlu. Tanı, klinisyen ile hasta arasındaki ilişkide, kapsamlı değerlendirme sonrası konur.
- •Doğrulanmamış LLM referanslarını raporlara eklemeyin, modelin uydurduğu bir kaynak, profesyonel itibarınıza zarar verir ve hukuki sorumluluk doğurur.
2026'da Durum
Son altı ay çok hızlı geçti. Ocak 2026'da OpenAI, ChatGPT Health'i duyurdu, sağlık profesyonellerine özel, HIPAA uyumlu bir sürüm. Mart 2026'da Perplexity, Perplexity Health ile sağlık araması pazarına girdi. Google, Med-Gemini serisini klinik deneylere soktu.
Peki sahada ne oluyor?
Hastalar yapay zeka ile öz-tanı koyuyor
Bu istensin ya da istenmesin oluyor. Hastaların önemli bir kısmı sağlık semptomları için yapay zeka sohbet araçlarına danıştığını bildiriyor; ruh sağlığında bu eğilimin damgalanma kaygısı nedeniyle daha belirgin olabileceği değerlendirilmektedir.
Kanıt temeli büyüyor
LLM'lerin klinik görevlerdeki doğruluğunu inceleyen çalışma sayısı 2024'ten bu yana üçe katlandı. Sonuçlar karışık: bazı görevlerde (tıbbi soru-cevap, dokümantasyon) başarılı, bazılarında (karmaşık klinik muhakeme, nadir durumlar) yetersiz.
Türkçe performans iyileşiyor ama yetersiz
Büyük modellerin Türkçe yetenekleri 2024'e göre belirgin şekilde gelişti. Yine de İngilizce ile arasında fark var, özellikle klinik terminoloji, yerel ilaç isimleri ve kültürel bağlam gerektiren alanlarda.
Klinik not oluşturma standartlaşıyor
Yapay zeka destekli dokümantasyon araçları (ambient scribe gibi) ABD pazarında hızla yaygınlaşıyor. Türkiye'de benimsenme oranı şu aşamada çok daha düşük olmakla birlikte hız kazanmaya başladığı söylenebilir.
"Bir LLM, DSM-5 kriterlerini ezberleyebilir. Ama karşısındaki insanın gözlerindeki umutsuzluğu göremez."
Sıkça Sorulan Sorular
LLM'ler klinisyenlerin yerini alacak mı?+
Hasta verilerimi yapay zeka ile işlemek için onam almam gerekir mi?+
Kaynaklar
- Thirunavukarasu AJ, Ting DSJ, Elangovan K, et al. Large Language Models in Medicine. Nature Medicine. 2023;29(8):1930-1940.
- Yang X, Chen A, Peng A, et al. A Large Language Model for Electronic Health Records. npj Digital Medicine. 2024;7(1):1-11.
- De Angelis L, Baglivo F, Arzilli G, et al. ChatGPT and the Rise of Large Language Models: The New AI-Driven Infodemic Threat in Public Health. Frontiers in Public Health. 2023;11:1166120.
- Singhal K, Azizi S, Tu T, et al. Large Language Models Encode Clinical Knowledge. Nature. 2023;620(7972):172-180.
- Nori H, King N, McKinney SM, Carignan D, Horvitz E. Capabilities of GPT-4 on Medical Challenge Problems. arXiv preprint. 2023;arXiv:2303.13375.
- Pew Research Center. Americans' Use of AI Tools for Health Information. 2025.
- American Medical Association. Physician Sentiment Survey: AI in Clinical Practice. 2025.