Radyolog Yetiştirmeyi Bırakın Denmişti – Yapay Zekâ Neden Hekimin Yerini Almadı?
2016 yılında, derin öğrenmenin öncülerinden ve sonradan Nobel ödülü kazanacak bir bilim insanı bir konferansta şunu söyledi: "İnsanlar radyolog yetiştirmeyi şimdi bırakmalı." Beş yıl içinde — en fazla on — yapay zekânın görüntüleri insanlardan daha iyi okuyacağı "tamamen açık"tı. Radyologları, uçurumun kenarını çoktan geçmiş ama henüz aşağı bakmamış bir çizgi film karakterine benzetti.
Aradan on yıl geçti. Yapay zekâ görüntülemeye gerçekten girdi — hem de derinlemesine. Peki radyolog sayısı ne oldu? Azalmadı. Arttı. Hem de belirgin biçimde, ve bugün dünyada bir radyolog kıtlığı konuşuluyor. Bu yazıda, bu tahminin neden tuttuğunu değil neden tutmadığını inceliyoruz — çünkü cevabı, yapay zekânın tıpta gerçekte ne yapıp ne yapamayacağı hakkında, herhangi bir performans testinden daha fazla şey söylüyor.
- Uzmanlık eğitimi kontenjanları rekor kırdı: 2025'te radyoloji dallarında 1.200'ün üzerinde kadro açıldı — bir önceki yıla göre artış.
- Boş kadro oranları tarihsel olarak en yüksek düzeyde. Görüntüleme bazı merkezlerde aylarca sıraya giriyor.
- İstatistik kurumu projeksiyonu: radyoloji istihdamı 2024–2034 arasında %5 büyüyecek — tüm mesleklerin %3'lük ortalamasının üzerinde.
- Ücretler yükseldi ve yıllık bazda artış gösterdi. Küresel bir radyolog kıtlığından söz ediliyor.
- Öncü bir merkez, 250'den fazla yapay zekâ modelini çalıştırıyor ve bunun için 40 kişilik bir bilim insanı ve mühendis ekibi istihdam ediyor. Yani yapay zekâ yeni işler de yarattı.
- Tahmini yapan bilim insanı sonradan yanıldığını kabul etti: fazla genel konuştuğunu, zamanlamada yanıldığını ve aslında yalnızca görüntü analizinden söz ettiğini belirtti. Yeni öngörüsünü 10–15 yıl sonrasına taşıdı.
Tahmindeki temel hata, teknolojiyi küçümsemek değildi. İşi küçümsemekti. Bir teknoloji yöneticisinin son dönemde ifade ettiği gibi: felaket senaryosu kuranlar, "görüntüyü okuma görevini" ile "radyoloğun işini" birbirine karıştırıyor.
Bir işi oluşturan şey, tek bir görev değil görevler demetidir — ve bu demet, genellikle bir darboğazın etrafında kurulur. Bir görevi otomatikleştirdiğinizde darboğaz ortadan kalkmaz; yer değiştirir. Sıradaki engel görünür hale gelir. Ve sıradaki engel, çoğu zaman teknik değil örgütseldir.
Bu argümanın gücü, yalnızca radyolojide değil birbirinden çok farklı üç alanda aynı biçimde işlemesinden geliyor. Her üçünde de yapay zekâ, uzmanın zamanının çoğunu yiyen "işçilik" kısmını devraldı — ve geriye kalan, daha önce fark edilmeyen adım yeni engel hâline geldi.
| Alan | Eski darboğaz (yapay zekânın devraldığı) | Yeni darboğaz (ortaya çıkan) |
|---|---|---|
| Radyoloji | Görüntüyü tek tek inceleyip lezyonları işaretlemek — tekrarlayan, ölçülebilir, net | Belirsiz bulgu ne anlama geliyor? Hastaya nasıl anlatılacak? Raporun sorumluluğu kimde? → yorum, iletişim ve sorumluluk |
| Yazılım geliştirme | Hazır ihtiyaç listesini alıp satır satır kod yazmak | Kod ne yapacak? Gereksinimleri belirlemek, paydaşlardan onay toplamak, kurumsal izinleri almak → müzakere ve örgütsel gezinme |
| Tahmincilik | Net bir soruya olasılık atamak | Doğru soruyu kim soracak? Yöneticinin soyut endişesini ölçülebilir ve karar verilebilir bir soruya çevirmek → problem tanımlama |
Üç sütunun sağ tarafına bakın: hepsi teknik değil, insani ve örgütsel becerilerdir. Yorum yapmak, belirsizliği anlatmak, onay toplamak, doğru soruyu kurmak, sorumluluk üstlenmek.
Ve kritik nokta şudur: bunlar yeni ortaya çıkan işler değildir. Zaten hep vardılar — ama işçilik kısmının içinde kaybolmuşlardı. Otomasyon onları yaratmadı; görünür kıldı. Bu yüzden "yapay zekâ işi ortadan kaldırdı" demek genellikle yanlış, "işin ağırlık merkezini kaydırdı" demek genellikle doğrudur.
Yeni darboğazlar eskilerinden daha kolay değil, daha zordur. Bir görüntüyü okumayı öğretmek, bir hekime belirsizliği hastaya nasıl anlatacağını öğretmekten daha kolaydır. Bu, iki sonucu birden doğurur: (1) Bu becerilere sahip kişiler daha değerli hâle gelir. (2) Bu becerilere sahip olmayanlar için iş daha zor hâle gelir — çünkü artık gününü dolduran "kolay" kısım azalmıştır. Otomasyonun yükü herkese eşit dağılmaz.
Bu argümanın en ilginç kısmı burada başlıyor — ve tıbbın dışındaki bir gözlemden geliyor.
Çoğu kurum, dışarıdan bakıldığında düzenli bir makine gibi görünür: süreçler, formlar, portallar, prosedürler. Ancak gerçekte işleyen şey çoğu zaman yazılı süreç değildir. Kritik bilgi, kurumun belgelerinde değil insanların kafasında durur.
Bir hastane için düşünelim: Hangi patoloji laboratuvarının ek boyama için ne kadar süre istediğini kim bilir? O radyoloji cihazının randevusunu gerçekte kim açar? Konseye hangi hastanın acilen alınması gerektiğine kim karar verir? Hangi sekreterin hangi hekime ne zaman ulaşabildiğini kim bilir?
Bu bilgiler hiçbir sistemde yazılı değildir. Resmî süreç bir şey söyler; gerçek süreç odalar arasında yürüyen insanlardır. Bir yapay zekânın bir rolü tümüyle devralması için bu bilgiye erişmesi gerekir — ama bu bilgi hiçbir yere kaydedilmemiştir.
Bu ayrımın en iyi anlatımı, tıp dışından basit bir örnektir. Bir kurumda bir sözleşmeye ulaşmanız gerekiyor:
- Resmî süreç: "Talebinizi kurumsal portal üzerinden iletin."
- Gerçek süreç: "O sözleşmeyi geçen yıl Ayşe Hanım yürüttü. Müşteri tarafında değişikliği kimin onaylayacağını o bilir. Portalı kimse kontrol etmiyor. E-posta da atma, çok e-posta alıyor — yanına yürü, sana her şeyi anlatır."
Portal resmî süreçtir; Ayşe Hanım gerçek süreçtir. Bir yapay zekâ portalı tarayabilir, veri tabanını sorgulayabilir, tüm belgeleri okuyabilir — ama koridorda yürürken fısıldanan o bilgiye asla ulaşamaz. Çünkü o bilgi hiçbir yerde veri hâlinde değildir.
"Bu tetkiki cuma günü isteme, sonuç pazartesiye kalır." · "O bölümün sekreterine sabah 9'dan önce ulaşabilirsin." · "Bu hasta için konseye ek boyama isteneceğini şimdiden söyle, yoksa hafta kayar." · "Şu hoca telefonla aranmayı sevmez, mesaj bırak." · "Bu ailenin abisiyle konuşman gerekir, kararı o veriyor." Bir hastanenin gerçekte nasıl çalıştığını anlatan bu bilgilerin hiçbiri hasta dosyasında, protokolde veya bilgi sisteminde yer almaz — ama işin yürümesini sağlayan büyük ölçüde bunlardır.
Bir rolü gerçekten devralmak için bir sistemin dört şeye birden sahip olması gerekir: doğru bağlam, doğru kişilere erişim, ödünleşim yapma izni ve harekete geçme yetkisi.
Ve beşinci bir koşul daha var — genellikle atlanan: Sistem bir şey istediğinde, karşı taraftaki insanların ona yanıt vermesi gerekir. Yapay zekâ "bu hastanın biyopsisi tekrarlanmalı" dediğinde, patolog bunu bir meslektaşının talebi gibi ele alacak mıdır? Bir cerrah, bir algoritmanın "bu ameliyat ertelenmeli" uyarısına ne yapacaktır? Kurumlar insan hesap verebilirliği üzerine kuruludur ve bu yetkileri devretmekte — haklı olarak — yavaştır.
Kuram kulağa soyut gelebilir; ama gerçek dünyada tam olarak öngördüğü gibi işliyor. Bugün hekim okuması olmadan tek başına çalışmasına izin verilen nadir yapay zekâ sistemlerinden biri, diyabete bağlı göz hastalığını tarayan bir cihazdır. Peki bunu mümkün kılan şey teknik üstünlük mü? Hayır — hukuki düzenleme. Üretici firma, cihazın etiketine tam uygun kullanıldığı durumlarda algoritmanın hatasından doğacak zararları karşılayacağını taahhüt eden bir sorumluluk ve tazminat güvencesi sunuyor.
Bir yapay zekânın hekim yerine geçebilmesi için doğru olması yetmiyor; yanıldığında birinin sorumluluğu üstlenmesi gerekiyor. Tıpta bu, teknik bir sorun değil kurumsal, hukuki ve etik bir sorundur. Ve bu tür sorunlar, algoritmaların doğruluk oranından çok daha yavaş çözülür.
Argümanın en az beklenen ve en düşündürücü kısmı bu: Bir kurumdaki "yavaşlatıcı" insanlar, her zaman verimsizlik değildir. Bazen kurumu kendi kötü kararlarından koruyan bir refleksdirler.
Bir şirketin yönetimi, en büyük müşterisine zam yapmaya karar verir. Sözleşme on yıldır otomatik yenileniyordur — çünkü müşteri tarafında kimsenin bunu düşünmesi gerekmemiştir. Ancak bir çalışan şunu bilir: fiyat değişikliği müşteri tarafında bir gözden geçirme başlatır ve o gözden geçirmede müşteri, rakiplerin daha iyi olduğunu fark edebilir.
Bu çalışan, zammı bilerek yavaşlatır — süreç uzar, yönetim başka bir konuya geçer ve şirket en büyük müşterisini kaybetmemiş olur. Bir süreç haritasında bu kişi bir engel gibi görünür. Gerçekte kurumun bağışıklık sistemidir.
Sağlıkta bu refleks, çok daha görünür ve çok daha kritiktir. Örnekler tanıdıktır:
• Hemşire alışılmadık bir istemi uygulamadan önce teyit ister. • Eczacı bir etkileşim için hekimi arar. • Asistan "bir dakika, hastayı bir daha muayene edelim" der. • Patolog "bu preparatı ikinci bir göz görsün" diye ısrar eder. • Anestezi ekibi ameliyat öncesi kontrol listesini kısaltmayı reddeder. • Konsey, evrelemede bir tutarsızlık görünce kararı erteleyip yeni bir tetkik ister.
Bunların hepsi süreci yavaşlatır. Bir verimlilik analizinde hepsi "gereksiz adım" olarak görünebilir. Oysa modern hasta güvenliği, büyük ölçüde bu kasıtlı sürtünmenin üzerine kuruludur. Bir kararı sorgulayabilen insanların varlığı, sistemin en güçlü koruma katmanıdır.
- Ne zaman itiraz edileceğini bilmek, bağlam gerektirir. "Bu istem alışılmadık" demek için, o kurumda neyin alışıldık olduğunu bilmek gerekir — bu bilgi hiçbir kılavuzda yazmaz.
- İtiraz etmek, hiyerarşi içinde risk almaktır. Bir insan, bir üstünü sorgularken mesleki ve kişisel bir bedel göze alır. Bir algoritmanın uyarısı ise bu ağırlığı taşımaz — kolayca kapatılır.
- Ve tam olarak bu yüzden görmezden gelinir. Sağlık bilişiminde iyi bilinen bir olgu vardır: sistemler çok fazla uyarı ürettiğinde, kullanıcılar hepsini refleks olarak geçmeye başlar — doğru olanlar dahil. İnsan itirazının gücü, seyrek ve bağlamlı olmasından gelir.
Burada dürüst olmak gerekiyor, çünkü bu argüman kolayca her türlü hantallığı meşrulaştıran bir bahaneye dönüşebilir. Tıpta sürtünme hastaya zarar da verir — hem de çok:
• Sevk zincirinde kaybolan haftalar • Sonucu kimsenin görmediği tetkikler • "Bizim bölüm bakmıyor" diye dolaştırılan hastalar • Randevu sistemleri yüzünden gecikmiş tanılar • Bürokrasi nedeniyle başlanamayan tedaviler
Sürtünmenin koruyucu mu yoksa zararlı mı olduğunu ayırt etmek, kolay bir iş değildir — ve süreç haritasına bakarak yapılamaz. Bu ayrım, ancak işin gerçekte nasıl yürüdüğünü bilen insanlar tarafından yapılabilir. Ki bu da bizi başa döndürür: asıl kıt kaynak, hesaplama gücü değil bağlam bilgisidir.
Bu yazının argümanı ikna edici olabilir — ama "şimdiye kadar olmadı", "olmayacak" demek değildir. Karşı tarafın en güçlü itirazlarını da olduğu gibi aktaralım.
On yıllık gerçek veri bu yönde: radyolog sayısı arttı, kıtlık var, ücretler yükseldi, kontenjanlar rekor düzeyde. Yapay zekâ yeni işler de yarattı (model geliştirme, doğrulama, entegrasyon ekipleri). Ekonomide bunun bir adı var: bir işlem ucuzladığında talebin artması ve toplam iş yükünün büyümesi. Görüntüleme ucuzlayıp hızlandıkça daha çok tetkik isteniyor — ve her tetkik hâlâ bir insanın sorumluluğunu gerektiriyor.
Benimseme hâlâ çok erken aşamada. Bir değerlendirmeye göre radyologların yalnızca yarısı yapay zekâyı herhangi bir biçimde kullanıyor; birkaç yıl öncesine kadar araçların neredeyse tamamı insan denetimi gerektiriyordu. Yani "iş kaybı yok" tespiti, "teknoloji henüz gerçekten yayılmadı" anlamına da gelebilir. Araçlar pahalı, sistemlere entegrasyonu zor ve güven sorunu sürüyor — bunlar çözülebilir engellerdir. Tahmini yapan bilim insanı da yönde değil zamanlamada yanıldığını söylüyor.
Bir yorum yazısının öne sürdüğü rahatsız edici olasılık şudur: Yapay zekânın sağladığı verimlilik artışından doğan kazancı kimin elde edeceği ayrı bir sorudur. Kazanç; işverenlere, yatırımcılara ve yazılım sağlayıcılarına gidebilir — çalışan hekime değil. Bu senaryoda kişi başına düşen iş yükü artar, istihdam sayısı korunur ama işin niteliği ve çalışma koşulları bozulur. Yani "işler kaybolmadı" tespiti, "her şey yolunda" anlamına gelmez. İstihdam istatistikleri bu ayrımı göstermez.
Onkoloji, bu argümanın belki de en güçlü olduğu alan — çünkü onkolojik karar, tanımı gereği tek bir veriye dayanmaz.
- Görüntüleme, patoloji ve moleküler testin birlikte yorumlanması — ve bunların çeliştiği durumlarda hangisine ağırlık verileceğine karar verilmesi.
- Hastanın genel durumu, eşlik eden hastalıkları ve tedaviyi kaldırıp kaldıramayacağı. Bu, dosyada yazan bir sayı değil, muayenede görülen bir şeydir.
- Hastanın kendi tercihi. Kimi hasta ek birkaç ay için ağır bir tedaviyi göze alır, kimi almaz. Bu bilgi hiçbir veri tabanında yoktur — ancak konuşarak öğrenilir.
- Erişilebilirlik: ilaç ülkede var mı, geri ödemesi nasıl, hasta merkeze ulaşabiliyor mu? Bu sitede sürekli yazdığımız gibi, onay ile erişim aynı şey değildir.
- Konsey kararı — yani birden fazla uzmanın, birbirini duyarak ve tartışarak vardığı ortak sonuç.
- Ve belirsizliği taşımak: Kanıtın yetersiz olduğu durumlarda bir karar verilmesi ve bu kararın sonucuna sahip çıkılması.
Yapay zekâ onkolojide şimdiden gerçek işler yapıyor: görüntülerde ölçüm ve değişiklik takibi, gözden kaçabilecek bulguların işaretlenmesi, dijital patolojide lam okuma desteği, kolonoskopide lezyon saptama, tarama programlarında risk sıralaması. Bunlar önemsiz katkılar değil — yanlış negatifleri azaltmak ve acil vakaları öne almak doğrudan hasta yararıdır. Argüman "yapay zekâ işe yaramıyor" değil; "yaptığı iş, hekimin işinin tamamı değil" argümanıdır.
Abartı 1: "Yapay zekâ doktorları işsiz bırakacak, tıp fakültesine girmeyin!"
Abartı 2: "Yapay zekâ hiçbir zaman hekimin yerini alamaz, merak etmeyin."
Yapay zekâ görüntülemeye gerçekten girdi ve etkileyici işler yapıyor. Buna rağmen on yılda radyolog sayısı arttı. Çünkü darboğaz görüntüyü okumak değildi. Ama benimseme hâlâ erken aşamada — "henüz olmadı", "olmayacak" demek değil. En savunulabilir tahmin şudur: işler dönüşecek, çoğu kaybolmayacak — ve dönüşüm hızını belirleyen şey teknoloji kadar kurumsal ve hukuki yapılar olacak.
- Bu bir tartışma yazısıdır, klinik kanıt sunmaz. Aktarılan argüman bir öngörü çerçevesidir, deneysel bir sonuç değil.
- Geçmiş verilerin geleceği öngörme gücü sınırlıdır. On yıldır olmaması, olmayacağının kanıtı değildir.
- Aktarılan işgücü verileri ağırlıklı olarak ABD kaynaklıdır; Türkiye'de radyoloji ve onkoloji işgücü dinamikleri farklıdır.
- Yapay zekânın klinik performansı ile istihdam etkisi ayrı sorulardır ve bu yazı ikincisiyle ilgilidir.
- "İstihdam korunuyor" demek "çalışma koşulları iyi" demek değildir.
- Bu yazı kariyer tavsiyesi değildir ve hiçbir mesleğin geleceği hakkında güvence vermez.
Çünkü doğrudan sizin bakımınızla ilgili. Bugün tetkiklerinizin bir bölümü büyük olasılıkla yapay zekâ desteğinden geçiyor — ve bu, çoğunlukla iyi bir şeydir: gözden kaçabilecek bulgular işaretlenebilir, acil durumlar sıranın önüne alınabilir, ölçümler daha tutarlı yapılabilir.
Ama şunu bilin: Raporunuzu bir hekim onaylar ve sorumluluğu üstlenir. Yapay zekâ bugün tıpta neredeyse her yerde ikinci bir göz olarak çalışır, son söz olarak değil. Bu bir eksiklik değil, bilinçli bir güvenlik tasarımıdır.
Sorabileceğiniz makul bir soru: "Bu değerlendirmede yapay zekâ desteği kullanıldı mı, sonucu bir hekim gözden geçirdi mi?" Bunu sormak yerinde ve saygılı bir sorudur.
Ve dikkat edilmesi gereken: Yapay zekânın hasta tarafındaki en yaygın kullanımı görüntü okuma değil, sohbet robotlarına soru sormaktır. Bu araçlar genel bilgi için yararlı olabilir; ancak sizin dosyanızı, evrenizi, patolojinizi ve genel durumunuzu bilmezler. İnternette veya bir sohbet robotunda okuduğunuz hiçbir şey, sizi tanıyan hekimin değerlendirmesinin yerine geçmez — ve tedavinizi bu bilgilere dayanarak değiştirmeyin.
Yapay zekânın hekimlerin yerini alıp almayacağı, hem meslek seçimi yapan gençleri hem de sağlık sistemlerinin planlamasını doğrudan ilgilendiriyor. Radyoloji, bu sorunun en iyi sınandığı doğal deneydir: dijital girdi, örüntü tanıma ağırlıklı görevler ve net ölçütler nedeniyle "insan yerine geçmeye en uygun" alan olarak görülüyordu. On yıllık sonuç, teknolojinin başarısı ile işin dönüşümü arasındaki farkı göstermesi açısından öğreticidir.
2016'daki iddialı tahmine rağmen radyolog sayısı azalmadı, arttı; öncü bir merkezde artış %55 düzeyinde, meslek örgütü projeksiyonu 2055'e kadar yaklaşık %26–40 artış öngörüyor. Uzmanlık kontenjanları ve açık kadrolar rekor düzeyde, ücretler yükseliyor, küresel bir kıtlıktan söz ediliyor. Aynı dönemde yapay zekâ görüntülemeye gerçekten girdi: onaylı yapay zekâ destekli tıbbi cihazların yaklaşık dörtte üçü radyoloji alanında. Tahmini yapan bilim insanı, zamanlamada ve kapsamda yanıldığını kabul etti.
Bu bir tartışma yazısıdır; nedensellik kurmaz. Radyolog sayısındaki artışın nedeni yalnızca yapay zekânın sınırları olmayabilir — nüfusun yaşlanması, görüntüleme talebindeki genel artış ve eğitim boru hattının yavaşlığı da rol oynar. Benimseme hâlâ erken aşamadadır: radyologların yalnızca yaklaşık yarısının yapay zekâyı herhangi bir biçimde kullandığı bildirilmiştir; dolayısıyla "iş kaybı yok" tespiti "teknoloji henüz tam yayılmadı" ile karışabilir. Veriler ağırlıklı olarak ABD kaynaklıdır. Ve istihdamın korunması, iş yükünün ve çalışma koşullarının iyi olduğu anlamına gelmez.
Klinik pratikte yapay zekâ bugün ikinci göz konumundadır ve raporun sorumluluğu hekimdedir. Kurumlar için asıl soru "yapay zekâ hekimin yerini alır mı" değil, "hangi darboğazı çözüyor" olmalıdır — çünkü yanlış darboğaza yapılan yatırım verimlilik üretmez. Otomasyon darboğazı ortadan kaldırmaz, yerini değiştirir: görüntü okuma hızlanınca yorum, iletişim ve sorumluluk öne çıkar — ve bu beceriler öğretilmesi daha zor olanlardır. Onkolojide karar; görüntüleme, patoloji, moleküler profil, genel durum, hasta tercihi ve erişilebilirliğin birlikte tartıldığı konsey temelli bir süreçtir; bu yapı otomatikleştirmeye en dirençli halkadır. Ayrıca hasta güvenliği büyük ölçüde kasıtlı sürtünme üzerine kuruludur (teyit isteyen hemşire, arayan eczacı, erteleyen konsey); verimlilik adına bu katmanların kaldırılması risk üretir. Meslek seçimi açısından: görüntü okuma becerisi tek başına giderek daha az ayırt edicidir; belirsizliği yönetme, iletişim ve sorumluluk üstlenme daha belirleyici hale gelmektedir.
Benimseme yaygınlaştığında tablo değişecek mi? Sorumluluk sorunu nasıl çözülecek — üretici güvencesi modeli yaygınlaşır mı? Verimlilik kazancı kime gidecek: sağlık sistemine, hastaya, hekime, yoksa yazılım sağlayıcısına mı? Koruyucu sürtünme ile zararlı hantallık nasıl ayırt edilecek — ve bu ayrımı kim yapacak? Uyarı yorgunluğu, karar destek sistemlerinin faydasını ne ölçüde eritiyor? Türkiye'de hekim işgücü bu dinamiklerden nasıl etkilenecek? Tıp eğitimi, "yapay zekâ ile çalışmayı" müfredata nasıl yerleştirecek? Ve en zoru: bir yapay zekâ yanıldığında sorumluluğun kimde olduğu, hukuken nasıl tanımlanacak?
- Mann J. AI still isn't coming for your job — yet: the technology may be ready, but organizations are not. Abstraction, 24 Temmuz 2026. (Bu yazıdaki örgütsel darboğaz argümanının kaynağı; bir görüş yazısıdır.)
- American College of Radiology işgücü çalışması, Şubat 2025. (2014–2023 kamu sigortası verilerine dayalı radyolog sayısı ve 2055 projeksiyonu.)
- U.S. Bureau of Labor Statistics, meslek istihdam projeksiyonları, 2024–2034.
- Mousa D. AI isn't replacing radiologists. Understanding AI, 2025. (Düzenleyici onaylı cihaz sayıları, benimseme oranları ve sorumluluk/tazminat modeli.)
- AI won't replace radiologists, but will dramatically change their jobs. Knowable Magazine, 2026.
- Agten C, Ruthven H. Perspective: AI productivity will not benefit employed radiologists. European Journal of Radiology Artificial Intelligence, 2025. (Verimlilik kazancının paylaşımına ilişkin eleştirel görüş.)
- İlgili okumalar (drozdogan.com): Radyologlar mı yapay zekâ mı? · 10 yıl sonra yapay zekâ mı, doktorlar mı? · Onkolojide yapay zekâ: şu an neler yapılıyor? · Kanser tanı ve tedavisinde yapay zekâ ile gelinen nokta · Yapay zekâ gözden kaçan akciğer tümörlerini yakalayabilir · Akciğer kanseri erken tanısında derin öğrenme · Yapay zekâ destekli tiroid ultrason yazılımına FDA izni.
Editör notu: Bu içerik yalnızca genel bilgilendirme ve tartışma amaçlıdır; tıbbi tavsiye, tanı, tedavi önerisi veya kariyer danışmanlığı değildir. Bu yazı bir klinik çalışma haberi değil, bir tartışma yazısıdır; temel aldığı örgütsel argüman hakemli bir araştırma değil, bir görüş yazısıdır ve kanıt niteliği taşımaz. Aktarılan işgücü verileri kamuya açık meslek örgütü raporları, istatistik kurumu projeksiyonları ve düzenleyici kurum cihaz kayıtlarından derlenmiş olup ağırlıklı olarak ABD kaynaklıdır; Türkiye'deki işgücü, mevzuat ve geri ödeme dinamikleri farklıdır ve bu veriler ülkemize doğrudan aktarılamaz. Geçmiş eğilimler geleceğin güvencesi değildir: yapay zekânın bugüne kadar geniş çaplı iş kaybına yol açmamış olması, ileride yol açmayacağı anlamına gelmez. Nitekim benimseme oranlarının hâlâ sınırlı olduğu bildirilmektedir; bu nedenle mevcut tablo, teknolojinin sınırlarından çok yayılma hızının erken evresini yansıtıyor olabilir. Radyolog sayısındaki artışın tek nedeni yapay zekânın sınırları değildir; nüfusun yaşlanması, görüntüleme talebindeki genel artış ve eğitim süreçlerinin yavaşlığı da katkıda bulunmaktadır — bu yazı nedensellik kurmamaktadır. Ayrıca istihdam sayısının korunması, iş yükünün, gelirin veya çalışma koşullarının iyi olduğu anlamına gelmez; bu konuda karşıt görüşler mevcuttur ve yazıda ayrıca belirtilmiştir. Klinik uygulamada yapay zekâ araçları bugün ağırlıklı olarak karar destek amaçlıdır ve raporun sorumluluğu hekime aittir. Yapay zekâ tabanlı sohbet robotları hastanın dosyasını, evresini, patolojisini ve genel durumunu bilmez; bu araçlardan edinilen bilgiler hekim değerlendirmesinin yerine geçmez ve hiçbir tedavi bu bilgilere dayanarak değiştirilmemelidir. Sağlığınızla ilgili her karar için sizi tanıyan hekime danışınız.
