Yapay Zekâ Doktoru Aşmadı, Bize Hiç Olmadığı Kadar Çok Doktor ve Hemşire Lazım
2032 yılına kadar ABD’de yaklaşık 122 bin hekim açığı oluşacağı öngörülüyor. Bu sorun radyolojide şimdiden görünür hale gelmiş durumda: 2025 başında ABD’de 4 binden fazla radyoloji pozisyonu boştu.
Yapay zekâ ve tıp denince akla gelen ilk ve en meşhur kehanet, yapay zekânın "vaftiz babası" sayılan ve Nobel ödüllü Geoffrey Hinton'a aittir. 2016'da Hinton, son derece kesin bir dille, makinelerin 5-10 yıl içinde radyologları geçeceğini söyledi; hatta meslek için "uçurumdan çoktan düşmüş ama henüz aşağı bakmadığı için bunu fark etmemiş çakal" benzetmesini yaptı ve "radyolog yetiştirmeyi hemen bırakmalıyız" dedi.
Aradan on yıl geçti. Sonuç, kehanetin neredeyse tam tersi oldu.
2026'DA RADYOLOJİNİN GERÇEĞİ
- Tarihteki en büyük radyolog açığı: ABD'de bazı merkezlerde görüntülemeler aylarca birikmiş durumda; 2025 başı itibarıyla 4.000'den fazla açık radyolog kadrosu var ve pozisyonlar aylarca dolmuyor.
- Maaşlar rekor seviyede: Ortalama yıllık radyolog maaşı ABD'de yaklaşık 571.000 dolara çıktı — "değersizleşen" değil, talebi patlayan bir meslek tablosu.
- Açık büyüyor: İngiltere 2028'e dek %40'lık bir konsültan radyolog açığı bekliyor; ABD'de tüm hekimlerde 2032'ye dek 122.000'lik bir açık öngörülüyor.
- Hinton geri adım attı: 2025'te Hinton, "fazla geniş konuştuğunu" ve aslında yalnız görüntü analizinden bahsettiğini söyledi; artık yapay zekânın radyologları "daha verimli ve doğru" yapacağını savunuyor.
Yapay zekâ radyologların yerini almayacak; ama yapay zekâyı kullanan radyologlar, kullanmayanların yerini alacak.
Jevons paradoksu — sağlıkta belki de en saf haliyle işliyor. Hatırlayalım: 19. yüzyılda iktisatçı William Stanley Jevons, buhar makineleri kömürü daha verimli kullanır hale geldikçe kömür tüketiminin azalmadığını, tersine arttığını gösterdi. Verimlilik maliyeti düşürür, düşen maliyet yeni kullanım alanları açar, toplam talep büyür.
SAĞLIKTA JEVONS: "BİTMEYEN İŞ" TUZAĞI
2025-2026'da giderek büyüyen bir literatür (The American Journal of Medicine, Lancet Digital Health), aynı paradoksun sağlık yapay zekâsında işlediğini gösteriyor. Mekanizma şöyle:
Bir klinik görevin maliyetini düşürmek, o görevi isteme/bekleme eşiğini de düşürür. Bir tetkiki yorumlamak, bir notu yazmak, bir görüntüyü okumak ucuzladığında — daha fazla tetkik istenir, daha fazla görüntü çekilir, daha fazlası beklenir. Ve yapay zekânın "kazandırdığı" kapasite, sistem tarafından yeni taleplerle geri yutulur.
Buna literatürde "Jevons tuzağı" deniyor: yapay zekâ sağlıkta sonsuz iş yaratabilir. Çünkü tıpta talep neredeyse hiçbir zaman doymaz — her zaman taranabilecek daha çok hasta, izlenebilecek daha çok bulgu, kişiselleştirilebilecek daha çok tedavi vardır.
Dürüst bir parantez: Jevons her zaman, her yerde geçerli değil
Bazı uzmanlar, radyolojideki açığın aslında "Jevons" değil, basitçe yıllardır süren organik bir arz kıtlığı (yaşlanan nüfus + sınırlı eğitim kontenjanı + emeklilikler) olduğunu savunuyor; çünkü görüntü yorumlama verimliliği henüz pek artmadı, hatta bekleme süreleri uzadı. Bu eleştiri haklı bir uyarı taşır: Jevons paradoksu güçlü bir çerçeve ama sihirli bir açıklama değil. Yine de her iki yorum da aynı sonuca çıkıyor — yapay zekâ, öngörülebilir gelecekte radyolog/patolog/onkolog açığını kapatmıyor, hatta talebi artırabiliyor. Tartışma "AI insan ihtiyacını azaltıyor mu?" değil; "ne kadar artırıyor?" üzerine.
Bu tablo onkolojide belki daha da keskindir — ve doğrudan kanser hastalarının bakımını ilgilendirir. Yapay zekânın onkoloji bakımını "otomatikleştireceği" konuşulurken, gerçek veri tam tersi bir aciliyete işaret ediyor: onkolog açığı büyüyor.
ONKOLOJİ İŞ GÜCÜ AÇIĞINI BÜYÜTEN ETKENLER
- Yaşlanan nüfus: 65 yaş üstü nüfus hızla artıyor; kanser büyük ölçüde bir yaşlılık hastalığı, dolayısıyla talep yapısal olarak büyüyor.
- Artan görülme sıklığı ve daha iyi izlem: Daha çok tanı, daha çok sağkalan, daha çok uzun dönem takip — hepsi onkolog-saati talebini artırıyor.
- Sınırlı eğitim kontenjanı: Onkolog yetiştirmek uzun ve dar boğazlı; arz hızlı artamıyor.
- Tükenmişlik (burnout): İdari yük ve duygusal yoğunluk, mevcut onkologları da yıpratıyor — bu da efektif arzı düşürüyor.
Sağlığın dijitalleşmesi yıllarca ağır aksak ilerledi — hatta sağlık, girişim (startup) mezarlığının başında gelen alanlardandı. Büyük dil modelleri (BDM, LLM= large language models) bu tabloyu kısmen değiştirdi: bugün hekimler LLM'leri giderek daha yaygın biçimde bir karar destek sistemi olarak kullanıyor. Ama "karar destek" ile "karar verici" arasındaki fark, tüm meselenin özü.
SON 2 YILIN BULGULARI NE DİYOR?
- Destekleme, ikame değil: Onkolojide LLM derlemeleri net: bu modeller klinik karar desteği ve hasta-yönelimli araçlar olarak değerli, ama "onkologların yerini almak için" değil — klinisyen gözetimi altında, uzmanlığı güçlendirmek için.
- Klinik muhakeme hâlâ eksik: Mass General Brigham'ın 2026'da 21 farklı büyük dil modelini incelediği çalışma, yapay zekânın "ayırıcı tanı" gibi klinik muhakemenin kalbindeki becerilerde hâlâ yetersiz kaldığını gösterdi — "tıp sanatı" henüz taklit edilemiyor.
- Halüsinasyon ve genelleme sorunu: Yanlış ama ikna edici çıktılar, dar veri setlerine aşırı uyum ve "dağılım dışı" durumlarda çöküş, klinik kullanımda ciddi engeller olarak duruyor.
- Ama gerçek fayda da var: Ortam (ambient) yapay zekâ "kâtipleri" (scribe) üzerine yapılan randomize çalışmalar, dokümantasyon yükünü ve hekim tükenmişliğini azaltma potansiyeli gösteriyor — yani değer, hekimi değiştirmekte değil, ona nefes aldırmakta.
Yapay zekânın klinik tıptaki vaadi, hekim muhakemesinin yerini almakta değil, onu desteklemekte yatıyor — hem de ancak ilgili tüm veriler mevcutsa ki bu her zaman böyle değil.
Teknoloji liderlerinin sağlık kehanetlerinde tekrar tekrar yanılmasının altında, sağlığın kendine özgü, "yazılımlaştırması zor" doğası yatıyor. Bunu görmezden gelmek, hem hastalar hem de sistem için maliyetli olur.
| Engel | Neden yapay zekâ tek başına aşamıyor? |
|---|---|
| Klinik muhakeme | Tıp, eksik ve çelişkili bilgiyle, belirsizlik altında karar vermektir; kalıp tanımanın ötesinde bağlam, sezgi ve bütünleştirme gerektirir. |
| Fizik muayene ve duyusal girdi | Dokunma, görme, dinleme, hastanın "genel hâli" — yapay zekânın erişemediği, bedenli (embodied) bilgi. |
| Sorumluluk ve hukuk | Bir hata kimin sorumluluğunda? Yasal sorumluluk, otonom yapay zekâ kararının önündeki en sert duvarlardan. |
| Regülasyon | İlaç/cihaz onayı, veri yönetişimi, mahremiyet — sağlık, haklı olarak en sıkı denetlenen alanlardan. |
| İş akışına entegrasyon | "Laboratuvarda işe yarayan", gürültülü gerçek klinikte çoğu zaman çöker; yüksek profilli kurulum başarısızlıkları bunu defalarca gösterdi. |
| Güven ve ilişki | Hasta-hekim ilişkisi, empati ve güven üzerine kurulu; hastalar yapay zekâya orta düzeyde güveniyor ve karmaşıklık arttıkça güven düşüyor. |
CEO'ların yeni "verimlilik" anlatısı da, eski "iş kıyameti" anlatısı kadar abartılı bir kehanet olabilir. Sağlıkta da bu geçerli. Çünkü makro veriler, vaat edilen devasa verimlilik sıçramasını henüz göstermiyor.
VERİMLİLİK VAADİ VE GERÇEK
- Goldman Sachs, üretken yapay zekânın on yılda küresel ekonomiye ~%7 (7 trilyon dolar) katacağını öngörmüştü.
- 2024 Nobel ödüllü iktisatçı Daron Acemoğlu ise çok daha ölçülü bir tahmin yaptı: yapay zekânın on yılda toplam verimliliğe katkısı %1'in altında, ekonomiye etkisi ~%1,1 civarında.
- Aradan geçen iki yılda veriler, en çok Acemoğlu'nun ölçülü tahminine yaklaştı — ne ABD verimlilik istatistiklerinde ne de istihdam verilerinde vaat edilen sıçrama göründü.
- Sağlığa uyarlanırsa: Yapay zekânın tıbbi verimliliğe katkısı gerçek ama büyük olasılıkla kademeli olacak; "bir gecede dönüşen sağlık sistemi" değil, yıllara yayılan, iş akışına gömülü, dikkatle doğrulanan kazanımlar. Acemoğlu'nu kalabalıktan ayıran da buydu: yanlışlanabilir, ölçülü sayılar vermek.
Diyelim ki Jevons paradoksu sağlıkta tam işledi ve yapay zekâ toplam talebi büyüttü. Bu, herkes için iyi haber mi? Kritik uyarı burada da geçerli: Jevons paradoksu toplam üzerine çalışır, birey üzerine değil. Pasta büyüyebilir; ama dilimlerin adil dağılacağının garantisi yoktur.
⚖️ KAZANÇ KİMDE TOPLANIR?
Hukuk örneğinin tıptaki karşılığını düşünelim. Eğer yapay zekâ, görüntü ön-okuması veya patoloji ön-değerlendirmesi gibi görevleri devralırsa: bu, deneyimli uzman ve büyük merkezler için verimlilik ve gelir demek olabilir. Ama mesleğe yeni başlayan, tam da bu "rutin" görevlerle öğrenen ve kariyerine başlayan genç radyolog, patolog veya asistan için bir basamak kaybı anlamına gelebilir.
Yani risk, "tüm radyologlar işsiz kalacak" değil; mesleğin giriş kapısının daralması ve kazancın tepede yoğunlaşması. 19. yüzyıl Manchester'ında kömür tüketimi artarken her kömür işçisinin hayatı kolaylaşmadı — bu kez de soru, pastanın büyüyüp büyümeyeceği değil, kapı kapanırken dışarıda kalanlara ne olacağı.
Bu yüzden "daha fazla sağlık çalışanı" hem nicel hem nitel bir mesele
Veriler bize daha çok sağlık profesyoneline ihtiyaç duyduğumuzu söylüyor — ama bu ihtiyacı karşılarken, yapay zekânın eğitim ve kariyer basamaklarını nasıl etkilediğine dikkat etmezsek, geleceğin uzmanlarını yetiştiren yolu kazara tıkayabiliriz. Yani mesele yalnız "kaç doktor" değil, "onları nasıl yetiştirip koruyacağımız" — yapay zekâ çağında bu, hiç olmadığı kadar bilinçli bir politika gerektiriyor.
Şimdiye dek doktorlardan konuştuk — radyologlar, onkologlar, patologlar. Ama bu yazının kendi tezini eksik bırakmamak için, en kritik gerçeği söylemek gerekiyor: Sağlıktaki en büyük insan gücü açığı doktorlarda değil, hemşirelerde ve hastaya doğrudan bakım veren diğer sağlık çalışanlarında. Ve trajik olan şu ki, hastaya en çok dokunan bu eller, hem en büyük açığı yaşıyor, hem de en kırılgan koşullarda ve en mütevazı ücretlerle çalışıyor.
Rakamlar, "doktor lazım" cümlesini "sağlık çalışanı lazım" cümlesine genişletmenin neden zorunlu olduğunu gösteriyor.
Bu tablo, yazının ana tezini yalnız doğrulamıyor — onu daha da keskinleştiriyor. Eğer yapay zekânın "doktoru aştığı" söylemi gerçeklikten kopuksa, "hemşireyi ya da bakım personelini aştığı" söylemi büsbütün anlamsız. Çünkü bu mesleklerin özü, yapay zekânın taklit edemeyeceği şeyin ta kendisi: fiziksel, insani, şefkatli temas.
🤲 NEDEN "DOKUNAN ELLER" OTOMATİKLEŞTİRİLEMİYOR?
Bir hemşirenin işi, bir görevler listesine indirgenemez. Damar yolu açmak, yarayı pansumanlamak, düşmeyi önlemek, ağrıyı fark etmek, hastanın renginin solduğunu görmek, korkan birinin elini tutmak, ailesine kötü haberi nasıl vereceğini bilmek... Bunlar "verimlilik" tablolarına sığmayan ama bakımın özü olan şeyler. Yapay zekâ bir ilaç dozunu hesaplayabilir; ama o ilacı doğru zamanda, doğru hastaya, doğru şefkatle veren el insandır.
Üstelik bakım işi, doğası gereği emek-yoğundur ve Jevons döngüsünden en çok etkilenen halkadır: nüfus yaşlandıkça, kronik hastalıklar arttıkça, kanser sağkalanları çoğaldıkça — her biri daha çok bakım-saati, daha çok hemşire, daha çok bakım personeli demek. Yani teknoloji ne kadar ilerlerse ilerlesin, hastaya dokunma ihtiyacı azalmıyor, artıyor.
BAKIM İŞ GÜCÜ AÇIĞINI BÜYÜTEN VE DERİNLEŞTİREN ETKENLER
- Tükenmişlik ve ahlaki yaralanma: Ağır iş yükü, uzayan vardiyalar ve pandemi sonrası yıpranma; hemşireler arasında tükenmişlik, depresyon ve anksiyeteyi tırmandırıyor. Bir ankette sağlık çalışanlarının beşte ikisi işini "sürdürülemez" buluyor.
- Düşük ücret ve değer görmeme: Hastaya en çok dokunan, en uzun zaman geçiren bu meslek grubu, sorumluluğunun ve emeğinin çoğu zaman çok altında ücretlerle çalışıyor; bu da mesleğe girişi ve mesleğde kalmayı zorlaştırıyor.
- Göç ve eşitsizlik: Hemşireler düşük gelirli ülkelerden yüksek gelirli ülkelere göç ediyor; dünyanın hemşirelerinin yaklaşık %78'i, nüfusun yalnız %49'unu temsil eden ülkelerde toplanmış durumda. Bu, kaynak-kısıtlı ülkelerde açığı felakete çeviriyor.
- Eğitim darboğazı ve yaşlanan iş gücü: Öğretim üyesi yetersizliği eğitim kapasitesini sınırlıyor; mevcut hemşirelerin önemli bir kısmı emeklilik yaşına yaklaşıyor.
- Pahalı kayıp: Bir sağlık çalışanını kaybedip yerine yenisini koymak, işverene 6-9 aylık maaşa mal oluyor — ve her ayrılış, bakımın sürekliliğini zayıflatıyor.
Gözden kaçan adalet sorunu
Yapay zekâ tartışmaları neredeyse tamamen yüksek statülü, yüksek ücretli meslekler (doktor, avukat, mühendis) üzerinden yürüyor. Oysa sağlıkta asıl kırılgan kitle, sesi en az duyulan gruptur: hemşireler, sağlık teknisyenleri, bakım asistanları, ebeler. "Pasta büyürse dilimler adil dağılır mı?" sorusu, en çok bu grup için yakıcıdır. Çünkü onlar zaten mütevazı koşullarda çalışırken, verimlilik kazanımlarının onların ücretine ve koşullarına yansıyacağının hiçbir garantisi yok. Sağlığın geleceğini konuşurken, "hastaya dokunan elleri" denklemin dışında bırakmak, hem analitik hem ahlaki bir körlük olur.
⚡ NEDEN ÖNEMLİ?
Yapay zekânın sağlığı nasıl değiştireceği, önümüzdeki on yılın en kritik sağlık politikası sorularından biri. Eğer "doktorlar gereksizleşecek" kehanetine inanıp eğitim kontenjanlarını veya yatırımı kısarsak — tıpkı Hinton'ın "radyolog yetiştirmeyi bırakın" çağrısının yaratabileceği gibi — zaten var olan insan gücü açığını felakete çevirebiliriz. Veriyi doğru okumak, burada doğrudan hasta bakımını etkiliyor.
✅ VERİNİN SÖYLEDİĞİ
Yapay zekânın en güçlü olduğu tıbbi alanlarda (radyoloji, onkoloji, patoloji) tarihin en büyük insan gücü açıkları yaşanıyor. Üstelik en büyük açık doktorlarda değil, hemşire ve bakım personelinde — küresel ölçekte milyonlarca kişilik. Talep arzı sistematik olarak geçiyor. Jevons paradoksu, verimliliğin nasıl yeni talep yaratıp insan ihtiyacını koruduğunu (hatta artırdığını) açıklıyor. Büyük dil modelleri değerli karar destek araçları, ama klinik muhakemede hâlâ insana muhtaç. Gerçek değer: ikame değil, destekleme.
⚠️ DİKKAT EDİLECEKLER
Ne "kıyamet" (doktorlar bitecek) ne de "mucize verimlilik" (sağlık bir gecede dönüşecek) anlatısına kapılmamak gerek; her ikisi de abartılı kehanet. Jevons her durumda geçerli olmayabilir. Verimlilik kazanımları gerçek ama kademeli (Acemoğlu çizgisi). Ve en önemlisi: pasta büyüse bile, kazanç adil dağılmayabilir — özellikle düşük ücretli, sesi az duyulan hemşire ve bakım emekçileri ile mesleğe yeni başlayan genç uzmanların kariyer basamakları risk altında olabilir.
🩺 SAĞLIK SİSTEMİNE YANSIMA
Doğru strateji: yapay zekâyı hekimi ya da hemşireyi değiştirecek bir ikame değil, onları idari yükten kurtarıp asıl işlerine — hastaya — döndürecek bir destek aracı olarak konumlandırmak. İş gücü açığını kapatmak için hem teknolojiye hem de daha çok, daha iyi ücretlendirilen ve daha iyi korunan sağlık profesyoneline (başta hemşireler olmak üzere) aynı anda yatırım yapmak. Ve tüm bunları, kehanetlere değil, düzenli izlenen verilere bakarak planlamak.
❓ AÇIK SORULAR
Yapay zekânın tıbbi verimliliğe gerçek katkısı, on yılda Acemoğlu'nun mu yoksa Goldman'ın mı tahminine yakın çıkacak? Jevons döngüsü onkoloji ve radyolojide ne kadar sürecek? Hemşire açığını kapatmak için ücret ve çalışma koşulları iyileştirilecek mi? Genç uzmanların eğitim basamaklarını korumak için hangi politikalar gerekli? Türkiye gibi ülkelerde, sağlık iş gücü açığı ve yapay zekâ entegrasyonu nasıl birlikte yönetilecek? Ve en temeli: pusulamız ne olacak — CEO demeçleri mi, yoksa veriler mi?
OpenAI ve Anthropic'in liderleri, bugünün ve yarının en güçlü teknolojilerini ellerinde bulunduruyor olabilirler. Ama bir teknolojiyi inşa edebilmek, onun toplumsal geleceğini doğru öngörebilmekle aynı şey değil — nitekim kendileri de iki yıl içinde "iş kıyameti"nden "verimlilik"e döndüler. Geleceği öngörebilmek, bir meselenin tarihine ve felsefesine hâkim olmakla başlar. Ve tarih, teknoloji devrimleri konusunda tutarlı bir ders veriyor: otomasyon, çoğu zaman istihdamın tersini — yani toplam talebi ve insan ihtiyacını — büyütmüştür. Sağlıkta bu ders daha da nettir: yapay zekânın en parlak olduğu alanlarda bile, bize tarihte hiç olmadığı kadar çok hekim, hemşire ve sağlık profesyoneli gerekiyor.
Radyoloji kehaneti çöktü; onkolog açığı büyüyor; en büyük ve en sessiz açık hemşirelerde, yani hastaya dokunan ellerde; büyük dil modelleri klinik muhakemede hâlâ insana muhtaç; ve "devasa verimlilik" vaadi, en azından şimdilik, Acemoğlu'nun ölçülü tahminine Goldman'ın iddialı sıçramasından daha yakın duruyor. Tüm bunlar tek bir şeyi söylüyor: sağlığın geleceğini, ne korku tellallarının ne de verimlilik vaizlerinin kehanetlerine teslim etmeliyiz. Çünkü en güvenilir pusula, hep aynı yeri gösteriyor — demeçler değil, veriler. Ve bugünün verisi, sağlığın geleceğinin "daha az insan" değil, yapay zekâyla güçlenmiş, ama her zamankinden daha değerli ve daha gerekli insan üzerine kurulu olduğunu söylüyor.
Kaynaklar ve İlham
- Özdemir O. Kıyamet tellallarından verimlilik vaizlerine: CEO'ların başarısız falcılık denemesi. T24, 14 Haziran 2026. (Bu yazının çıkış noktası ve kavramsal çerçevesi: Jevons paradoksu, Acemoğlu vs Goldman, "kehanet değil veri" tezi.)
- Shankar R, ve ark. The Jevons trap: when artificial intelligence in healthcare creates endless work. The American Journal of Medicine 2026. DOI S0002-9343(26)00418-3.
- Reid MJA, Mateen B. The Jevons paradox in global health: efficiency, demand, and the AI dilemma. Lancet Digital Health 2025. DOI 10.1016/j.landig.2025.100928.
- npj Health Systems. AI solutions to the radiology workforce shortage. 2025. DOI 10.1038/s44401-025-00023-6. (Talep yönetimi, iş akışı verimliliği, kapasite inşası.)
- Fortune / Benzinga (2026 Mayıs). Geoffrey Hinton'ın 2016 radyoloji tahmini ve 2026 gerçeği: ~4.000+ açık kadro, ~571.000$ ortalama maaş, radyolog açığı (UVA iktisatçısı C. Herpfer değerlendirmesi).
- The New Republic (2024). "The 'Godfather of AI' Predicted I Wouldn't Have a Job. He Was Wrong." (Radyoloji eğitiminin uzunluğu ve işin kapsamı; Hinton'ın "çakal" benzetmesi.)
- Perspective: AI productivity (ScienceDirect 2025). ABD 2032 122.000 hekim açığı; UK 2028 %40 konsültan açığı; Langlotz "destekleme" ilkesi; Hinton'ın 2025 geri adımı; Acemoğlu-Restrepo "pasta büyür, emek küçük dilim alır".
- Targeted Oncology / ASCO. The Shrinking Oncology Workforce: 2012-2025 talep +%40 vs arz +%25; 2022-2037 talep +%15 vs arz +%7 (Ulusal Sağlık İş Gücü Analizi; J. Gralow, ASCO).
- Dünya Sağlık Örgütü (WHO). State of the World's Nursing 2025 — küresel hemşire açığı 2020'de 6,2 milyon, 2023'te 5,8 milyon, 2030 projeksiyonu 4,1 milyon; dünya hemşirelerinin %78'i nüfusun %49'unu temsil eden ülkelerde. 12 Mayıs 2025.
- International Council of Nurses (ICN) / WHO. Sağlık çalışanı açığının %50'den fazlasını hemşire ve ebeler oluşturuyor; hemşireler iş gücünün ~%59'u, birinci basamak bakımının ~%80'i; 2030 açığı 13 milyona kadar çıkabilir.
- ScienceDirect (2025). Nursing workforce in collapse: a narrative review of global shortages, burnout, and the future of health system resilience (2020-2025 derlemesi: kronik yetersiz yatırım, tükenmişlik, göç).
- Indeed Pulse of Healthcare (2026) / Stacker. Sağlık çalışanlarının beşte ikisi işini "sürdürülemez" buluyor; bir çalışanın kaybı işverene 6-9 aylık maaşa mal oluyor.
- Mass General Brigham (2026). AI Remains Lacking in Clinical Reasoning Abilities — 21 büyük dil modeli; ayırıcı tanı ve "tıp sanatı" sınırı; destekleme vs ikame.
- Large language models in oncology: a review. PMC12164365. (Klinik karar desteği, halüsinasyon/genelleme sınırları, "augment not replace".)
- Ambient AI scribes RCT. NEJM AI 2025; medRxiv 2025.07.10.25331333 (dokümantasyon verimliliği ve hekim tükenmişliği).
- Acemoglu D. The Simple Macroeconomics of AI. Economic Policy 2024;40(121):13-58. (On yılda <%1 verimlilik katkısı tahmini.)
Bu yazı bir analiz/görüş ve bilim-okuryazarlığı içeriğidir; tıbbi tavsiye veya yatırım/istihdam tavsiyesi değildir. Aktarılan iş gücü projeksiyonları, maaş ve açık kadro verileri ile verimlilik tahminleri, belirtilen kaynakların yayımlandığı tarihlerdeki öngörü ve ölçümlerdir; gelecekteki gerçekleşmeler farklı olabilir ve projeksiyonlar doğası gereği belirsizlik taşır. Geoffrey Hinton, Sam Altman, Dario Amodei ve Daron Acemoğlu'na atfedilen ifadeler, kamuya açık demeç ve yayınların özetidir; doğrudan alıntı içermez. Yapay zekânın sağlıktaki rolü hızla gelişen bir alandır ve buradaki değerlendirmeler yazının hazırlandığı tarih (Haziran 2026) itibarıyladır. Klinik kararlar her zaman nitelikli sağlık profesyonelleri tarafından, kanıta dayalı biçimde verilmelidir.
