SAĞLIK AKADEMİSYENLERİ DERNEĞİ

.

4. ULUSLARARASISAĞLIKTA BİLİŞİM VEBİLGİ GÜVENLİĞİ KONGRESİAna Tema; “Akıllı Sağlık Teknolojileri – Uygulamaları, Tele-Tıp ve Sağlıkta Dijital İletişim "

11 - 14 Aralık 2019Sherwood Exclusive LaraKundu, Antalya/Türkiyewww.h cs -antalya.o rg

4th INTERNATIONALCONGRESS ON HEALTH INFORMATICS

AND INFORMATION SECURITYMain Theme;

“Smart Health Technologies-Applications, Telemedicine and Digital Communication

in Health

December,11–14,2019

Sherwood Exclusive LaraKundu, Antalya/ Turkeywww.h cs -antalya.o rg

EDİTÖRLER – EDITORS PROF.DR. SEVAL AKGÜN AV. GÜRBÜZ YÜKSEL MÜZEYYEN BAYDOĞRUL

4. HCS 2019 www.hcs-antalya.org

KONGRE BİLİMSEL TAM METİN KİTABI

SAĞLIK AKADEMİSYENLERİ DERGİSİ EKİDİR.HEALTHCARE ACADEMICIAN JOURNAL’S SUPPLEMENT.ISSN: 2148-7472 / ISSN (Online): 2636-7572

4. ULUSLARARASISAĞLIKTA BİLİŞİM VE BİLGİ GÜVENLİĞİ KONGRESİ

11-14 Aralık 2019Sherwood Exclusive Lara Resort, Kundu, Antalya / Türkiye

www.hcs-antalya.org

SONUÇ BİLDİRGESİ

Çok kıymetli bilim adamlarının katılımıyla kongre detaylı bir şekilde kongre süresince tartışılmıştır.

Kongrede 6 Adet Yurtiçinden 5 Adet Yurtdışından Eğitimcinin verdiği Konferans, 6 adet Panel ve açık oturum, Etkili Sunum Teknikleri ve Sağlıkta İletişim konulu kurs Etkinlikleriyle ve birbirinden değerli birçok sözlü sunumlarla Eğitim faaliyetleri tamamlanan Kongrede Sosyal etkinliklerle süreç sonuçlanmıştır.

Türkiye, Almanya, ABD, Bulgaristan, Suudi Arabistan, KKTC, Azerbaycan, Birleşik Arap Emirlikleri ve Katar, dan toplam 8 ayrı ülkeden 12 yabancı katılımcı ve 100 civarı katılımcının olduğu, konusunda uzman birçok değerli Akademisyen ve Katılımcılarımızın bulunduğu kongremizde 6 Panel – 5 Konferans toplam 11 oturum, 2 farklı sertifikalı kurs, sözlü ve poster sunumlarla ve sosyal programlarla katılım ve izleme oranı hayli yüksekti.

Kongremize destek veren kurum ve kuruluşlarımıza gerek katılım sağlayarak gerek gruplar halinde ilgi gösteren bazı özel hastane gruplarımıza, TC Sağlık Bakanlığı, Ankara, Antalya, Artvin, Bolu, Bingöl, Şırnak, Kocaeli, Van İl Sağlık Müdürlüklerimize, Üniversitelerden ve Yurtdışından sunumlarıyla katkı ve katılım sağlayan tüm katılımcılarımıza teşekkürlerimizi sunuyoruz.

Her yıl aralık ayında düzenlenmesi, önümüzdeki yıl tekrar edilmek üzere ve güncel konular tartışılmak üzere kongre planlanmış ve kararlaştırılmıştır.

Kongremize katılan tüm katılımcılarımıza, konuşmacılarımıza ve hocalarımıza; katılım ve destekleri için teşekkürlerimizi arz ederiz.

SAD-Sağlık Akademisyenleri Derneği

4. HCS 2019 www.hcs-antalya.org

Kongre Başkanları

Av. Gürbüz YÜKSEL, Kongre BaşkanıProf. Dr. Seval AKGÜN, Bilim Kurulu Başkanı

Bilimsel Komite

Prof. Dr. Faruk Bilir, Prof. Dr. Chi-Chang Chang, Prof. Dr. Hakan Hakeri, Prof. Dr. Hasan Oğul, Prof. Dr. Haydar Sur, Prof. Dr. İsmail Üstel, Prof. Dr. Kemal Turhan, Prof. Dr. Musa Özata,Prof. Dr. Oleg Medvedev, Prof. Dr. Saime Şahinöz, Prof. Dr. Nevzat Kahveci, Prof. Dr. Ahmet Yardımcı, Prof. Dr. Mustafa ALKAN, Prof. Dr. M. Ali Ergün, Prof. Dr. Nesrin Çobanoğlu, Doç. Dr. Ayhan Uludağ, Doç. Dr. Erdem İlker Mutlu, Doç. Dr. Gürbüz Akçay, Doç. Dr. Kemal Macit Hisar,

Doç. Dr. Mustafa Erkan, Doç. Dr. Sedat Bostan, Doç. Dr. Taşkın Kılıç, Doç. Dr. Yusuf Yalçın İleri, Doç. Dr. Motasem Hamdan,Doç. Dr. Yeşim Aydın, Dr. Öğr. Üyesi Arthur Pantelides,Dr. Öğr.Üyesi Ali ARSLANOĞLU, Dr. Öğr. Üyesi İlker Köse,Dr. Öğr. Üyesi İsmail Yıldız,Dr. Öğr. Üyesi Ali Arslanoğlu,Dr. Öğr. Üyesi Murat Aydos,Dr. Öğr. Üyesi Adnan Özsoy,Dr. Ali Yılmaz,Dr. D.Dan SAVA Ph .Dr. D.Johan G. Beun, Ph. M. Fatih Uluçam, Mag. Fritz RACHER,

Düzenleme Kurulu

Mustafa ÇAKMAK, Dr. Öğr. Üyesi Ali ARSLANOĞLU, Mag. Fritz Racher, Hüseyin ÇAKMAK,

Kongre Sekreteri

Müzeyyen BAYDOĞRUL

4. HCS 2019 www.hcs-antalya.org

Kongre Programı11 ARALIK 2019 --- ÇARŞAMBA13:00 Kayıt

14:00 – 17:00 ETKİLİ SUNUM TEKNİKLERİ KURSU (Eğitimci) = “DR. ÖĞR. ÜYESİ ALİ ARSLANOĞLU”

18:30–19:30 Kongre Kayıt ve Hoş Geldiniz Kokteyli

12 ARALK 2019 --- PERŞEMBE

09:30 – 10:30

RESMİ AÇILIŞ TÖRENİ VE KONUŞMALAR(Robin 5)

Kongre Başkanı; Av. Gürbüz YÜKSEL, TC. Sağlık Bakanlığı, SBSGM Hukuk Koordinatörü, Ankara, TÜRKİYE

SAD- Sağlık Akademisyenleri Derneği Başkanı; Prof. Dr. Seval AKGÜN, Sağlık Akademisyenleri Derneği Başkanı, Başkent Üniversitesi Hastaneleri ve Bağlı Sağlık ve Eğitim Kuruluşları Kalite Koordinatörü, Misafir Profesör; North Carolina-Pembroke Üniversitesi, Amerika Birleşik Devletleri, TÜRKİYE

Dr. Dina BAROUDI, Anesteziyoloji, Kalite ve Hasta Güvenliği Departmanları Berlin, ALMANYA

M. Fatih ULUÇAM, TC. Sağlık Bakanlığı, Sağlık Bilgi Sistemleri Genel Müdürlüğü, Ankara, TÜRKİYE

Dr. Ünal HÜLÜR, TC. Sağlık Bakanlığı, Antalya İl Sağlık Müdürlüğü, Antalya, TÜRKİYE

10:30 – 11:00 Kahve Arası

11:00 – 12:30(Robin 5)

Konferans 1 = KLİNİK YÖNTEMLERİN DÜZENLENMESİNDE YAŞANAN YASAL VE ETİK ÇATIŞMALAR, SAĞLIĞIN DEĞERİNİ ARTTIRMAYA YÖNELİK MODELLER, ELEKTRONİK HASTA KAYITLARI

Oturum BaşkanıDr. Dina BAROUDI, Kalite ve Hasta Güvenliği Uzmanı, Deneyimli Anesteziyoloji Konsültanı, AMEOS Klinika Anklam Pasewalk Ueckermünde, Berlin, ALMANYA

Konuşmacılar

KLİNİK YÖNTEMLERİN DÜZENLENMESİNDE YAŞANAN YASAL VE ETİK ÇATIŞMALARDA KİME HAK ÖNCELİĞİ VERİLİR?Asst. Prof. Elisaveta PETROVA-GERETTO1, PhD Prof.Zlatitsa Petrova2, M.D., PhD1 Tıp Fakültesi, Halk Sağlığı Fakültesi, Tıp Hukuku ve Etik Anabilim Dalı, Sofya, BULGARİSTAN,2 Tıp Üniversitesi-Halk Sağlığı Fakültesi, Sağlık Politikası ve Yönetimi Bölümü, Sofya, BULGARİSTANSAĞLIĞIN DEĞERİNİ ARTTIRMAYA YÖNELİK MODELLERİN İNŞA EDİLMESİ – HASTANIN SÜRECİNE VE HASTANIN MERKEZDE OLMASINA ODAKLANIRKEN ARAÇLARIN ÖTESİNE GEÇMEAhmad KHALİL, Medtgronic Danışmanlık, Başkan, CEMA Bölgesi, Entegre Sağlık Çözümleri, Medtronic, BİRLEŞİK ARAP EMİRLİKLERİ

BOWTIE ŞEMALARI:DAHA İYİ ANLAYIŞ, DAHA GENİŞ SPEKTRUMU ve KOLAY İLETİŞİMDr. Hossam EL AMİR, Kalite ve Akreditasyon Müdürlüğü, KUVEYTCGE Risk Yönetimi Çözümleri, HOLLANDA

4. HCS 2019 www.hcs-antalya.org

SAĞLIKTA DİJİTALLEŞME VE ELEKTRONİK HASTA KAYITLARIProf. Dr. Seval AKGÜN, Kongre Başkanı , Sağlık Akademisyenleri Derneği Başkanı, Başkent Üniversitesi Tıp Fakültesi Halk Sağlığı Anabilim Dalı, Başkent Üniversitesi Hastaneleri ve Eğitim Kurumları Kalite Koordinatörü, İş Sağlığı ve Güvenliği ve Çevre Birimleri Koordinatörü, Ankara-TÜRKİYE, Misafir Profesör, Pembroke, North Carolina Üniversitesi, ABD

12:30 – 14:00 Öğle Yemeği

14:00 – 15:15(Robin 3)

Panel 1= DİJİTAL (KAĞITSIZ- AKILLI) HASTANELER (HIMSS) UYGULAMALARI, SAĞLIK BİLŞİMİNİN GELECEĞİ VE DİJİTAL HASTANELER, KİŞİSEL SAĞLIK VERİLERİNİN KORUNMASI VE MAHREMİYET

Oturum Başkanı Op. Dr. Aziz Ahmet SUREL, Ankara Şehir Hastanesi -Koordinatör, Başhekim -Ankara, TÜRKİYE

TÜRKİYE’DE HIMMS (SAĞLIK ENFORMASYON SİSTEMLERİ VE YÖNETİMİ) UYGULAMALARIOp. Dr. Aziz Ahmet SUREL, Ankara Şehir Hastanesi -Koordinatör, Başhekim -Ankara, TÜRKİYE

BİLGİ GÜVENLİĞİ VE MAHREMİYET EĞİTİMİNİN ETKİLERİNİN DEĞERLENDİRİLMESİ: BIR ÖZEL HASTANE ÖRNEĞİÖZASLAN Gökhan1, KILIÇ AKSU Pınar2, KİTAPÇI Okan Cem3, ŞİŞMAN KİTAPÇI Nur3, KÖKSAL Leyla4, MUMCU Gonca3Sağlık Yöneticisi, İstanbul, TÜRKİYE (1)Yeditepe Üniversitesi, Sağlık Bilimleri Fakültesi, İstanbul, TÜRKİYE (2)Marmara Üniversitesi, Sağlık Bilimleri Fakültesi, Sağlık Yönetimi Bölümü, İstanbul, TÜRKİYE (3)Marmara Üniversitesi, Sağlık Bilimleri Fakültesi, Sağlık Yönetimi Bölümü (Emekli), İstanbul, TÜRKİYE (4)

SAĞLIK BİLİŞİMİNİN GELECEĞİ VE DİJİTAL HASTANLERTemel AKGÜN, Akgün Grup Yönetim Kurulu Başkanı, Ankara, TÜRKİYEKİŞİSEL SAĞLIK VERİLERİNİN HUKUKİ KORUNMASIAv. Gürbüz YÜKSEL T.C. Sağlık Bakanlığı, SBSGM Hukuk Koordinatörü, TÜRKİYE

15:15 – 16:30(Robin 3)

Panel 2= SAĞLIK OKURYAZARLIĞI KÜLTÜRÜ, SAĞLIK HİZMETLERİ YÖNETİMİ ÇERÇEVESİNDE E-SAĞLIK UYGULAMASI VE E-SAĞLIK OKURYAZARLIĞI, HASTANE YÖNETİMİ VE İLETİŞİM

Oturum Başkanı Prof. Dr. Gonca MUMCU, Marmara Üniversitesi, Sağlık Bilimleri Fakültesi, Sağlık Yönetimi Bölümü, İstanbul, TÜRKİYE

Konuşmacılar ‘’SAĞLIK OKURYAZARLIĞI KÜLTÜRÜ’’ BAKIŞ AÇISINI GÜÇLENDİREREK BU YÖNDE MULTİDİSİPLİNER YAKLAŞIM KAZANMAK / KAZANDIRMAKBetül Faika SÖNMEZ, Gıda Yük. Müh., T.C Sağlık Bakanlığı Halk Sağlığı Genel Müdürlüğü Kalite Yönetim Temsilcisi, TÜRKİYE

SAĞLIK HİZMETLERİ YÖNETİMİ ÇERÇEVESİNDE E-SAĞLIK UYGULAMASI VE E-SAĞLIK OKURYAZARLIĞININ SAĞLIK İLETİŞİMİ KAPSAMINDA DEĞERLENDİRİLMESİAbdülbeşir CEYLAN- Maltepe Üniversitesi, İstanbul, TÜRKİYECafer ŞAFAK EYEL- Bahçeşehir Üniversitesi, İstanbul, TürkiyeAli ARSLANOĞLU, Sağlık Bilimleri Üniversitesi, İstanbul, TÜRKİYE

SAĞLIK OKURYAZARLIĞI VE GÜVENLİK KÜLTÜRÜ ARASINDAKİ İLİŞKİNİN DEĞERLENDİRİLMESİ

TÜTÜNCÜ, Özkan, Dokuz Eylül Üniversitesi, Rekreasyon Bölümü/İZMİRAYDIN, İpek, Dokuz Eylül Üniversitesi, Rekreasyon Bölümü/İZMİRÖLÇERLER GÖNEN, Zeynep, S.B. Sağlık Bilimleri Üniversitesi İzmir Tepecik Eğitim ve Araştırma Hastanesi/İZMİRÜRKMEZ, Gökhan, S.B. Menemen Devlet Hastanesi/İZMİR, TÜRKİYEAKCA, Hilal, Antalya Yaşam Hastaneleri /ANTALYA

16: 30– 17:00 Kahve Arası

17:00 – 18:00(Robin 3)

Konferans 2= GİYİLEBİLİR SAĞLIK BİLİŞİM SİSTEMLERİ VE TEKNOLOJİLERİ, MOBİL CASUS YAZILIMLAR VE GÜVENLİK, KLİNİK ARAŞTIRMALARDA BİLGİ GÜVENLİĞİ VE BİLİŞİM ETİĞİ

Oturum Başkanı Prof. Dr. Mustafa ALKAN, Gazi Üniversitesi Teknoloji Fakültesi Adli Bilim Anabilim Dalı Başkanı, Ankara, TÜRKİYE

Konuşmacılar

MOBİL CASUS YAZILIMLAR VE GÜVENLİKProf. Dr. Mustafa ALKAN, Gazi Üniversitesi Teknoloji Fakültesi Adli Bilim Anabilim Dalı Başkanı, Ankara, TÜRKİYEGİYİLEBİLİR SAĞLIK BİLİŞİM SİSTEMLERİ VE TEKNOLOJİLERİProf. Dr. Hasan OĞUL, Başkent Üniversitesi, Bilgisayar Mühendisliği Bölümü, Ankara, TÜRKİYE

KLİNİK ARAŞTIRMALARDA BİLGİ GÜVENLİĞİ VE BİLİŞİM ETİĞİDr. Öğr. Üyesi Kemal Hakan GÜLKESEN, Antalya Akdeniz Üniversitesi Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim Anabilim Dalı, Antalya, TÜRKİYE

20:00 – 22:00(Robin 5) SAĞLIKTA İLETİŞİM KURSU (Eğitimci) = DR. GÖKHAN ÜRKMEZ

13 ARALIK 2019 --- CUMA

10:00 – 11: 00(Robin 3)

Konferans 3= SAĞLIKTA BÜYÜK VERİ YÖNETİMİ, ÇOCUKLARIN KİŞİSEL VERİLERİNİN KORUNMASI, SAĞLIK BİLİŞİM TEKNOLOJİLERİ VE YAPAY ZEKA

Oturum Başkanı Av. Gürbüz YÜKSEL, T.C. Sağlık Bakanlığı, SBSGM Hukuk Koordinatörü, TÜRKİYE

Konuşmacılar

SAĞLIKTA BÜYÜK VERİ YÖNETİMİProf. Dr. Ahmet YARDIMCI, Akdeniz Üniversitesi Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim Anabilim Dalı, Antalya, TÜRKİYE

ÇOCUKLARIN KİŞİSEL VERİLERİNİN KORUNMASININ VERİ KORUMA HUKUKU KAPSAMINDA DEĞERLENDİRİLMESİAv. Gürbüz YÜKSEL, T.C. Sağlık Bakanlığı, SBSGM Hukuk Koordinatörü, TÜRKİYESAĞLIK BİLİŞİM TEKNOLOJİLERİ VE YAPAY ZEKÂDr. Tuba IŞIK , TÖM Bilişim Belgelendirme ve Danışmanlık Hizmetleri, Erzurum, TÜRKİYE

11:00 – 11:15 Kahve Arası

11:15 – 12:30(Robin 3)

Panel 3= YALIN BİLİŞİM TEKNOLOJİLERİ, GELECEĞİN SAĞLIK SİSTEMLERİ VE DİJİTAL SAĞLIK, BİLGİ VE İLETİŞİM TEKNOLOJİLERİNİN KULLANIMI

Oturum Başkanı Prof. Dr. Hülya HARUTOĞLU, YÖDAK Üyesi, Lefkoşa, K.K.T.C

Konuşmacılar

YALIN BİLİŞİM TEKNOLOJİLERİProf. Dr. Nevzat KAHVECİ, Uludağ Üniversitesi Fizyoloji A.D., Bursa, TÜRKİYEGELECEĞİN SAĞLIK SİSTEMLERİ-DİJİTAL SAĞLIK VE SAĞLIKTA YAPAY ZEKAProf. Dr. Seval AKGÜN, Kongre Başkanı , Sağlık Akademisyenleri Derneği Başkanı, Başkent Üniversitesi Hastaneleri ve Bağlı Sağlık ve Eğitim Kuruluşları

Kalite Koordinatörü, Misafir Profesör; North Carolina-Pembroke Üniversitesi, Amerika Birleşik Devletleri, TÜRKİYE

BİLGİSAYAR MÜHENDİSLİĞİ ÖĞRENCİLERİNİN BAKIŞ AÇISIYLA BİLGİ VE İLETİŞİM TEKNOLOJİLERİNİN KULLANIMISEVİMLİ Esra1, ALTINGÖZ Elifnaz2, KİTAPÇI Okan Cem2, ŞİŞMAN KİTAPÇI Nur2, KÖKSAL Leyla3, KILIÇ AKSU Pınar4, MUMCU Gonca2İstanbul Arel Üniversitesi Meslek Yüksekokulu Sağlık Kurumları İşletmeciliği Bölümü, İstanbul, Türkiye (1)Marmara Üniversitesi Sağlık Bilimleri Fakültesi Sağlık Yönetimi Bölümü, İstanbul, Türkiye (2)Marmara Üniversitesi Sağlık Bilimleri Fakültesi Sağlık Yönetimi Bölümü (Emekli), İstanbul, Türkiye (3)Yeditepe Üniversitesi Sağlık Bilimleri Fakültesi, İstanbul, Türkiye (4)

12:30 – 14:00 Öğle Yemeği

14:00 – 15:15(Robin 3)

Panel 4= DİJİTAL DÖNÜŞÜM VE GİYİLEBİLİR SAĞLIK TEKNOLOJİLERİ, YERLİ VE MİLLİ SAĞLIKTA DİJİTAL TEKNOLOJİLER, SAĞLIKTA BLOKZİNCİR UYGULAMALARI VE AKILLI TELEFONLAR

Oturum Başkanı

Dr. Ayhan TABUR – Sağlık Bilimleri Üniversitesi Gazi Yaşargil Eğitim Araştırma Hastanesi Acil Servis, Diyarbakır, TÜRKİYE

Konuşmacılar

DİJİTAL DÖNÜŞÜM BAĞLAMINDA GİYİLEBİLİR SAĞLIK TEKNOLOJİLERİNİN ACİL SAĞLIK HİZMETLERİNDEKİ ROLÜDr. Ayhan TABUR – Sağlık Bilimleri Üniversitesi Gazi Yaşargil Eğitim Araştırma Hastanesi Acil Servis, Diyarbakır, TÜRKİYE

YERLİ VE MİLLİ SAĞLIK TEKNOLOJİLERİ İÇİN YENİ BİR YAKLAŞIM ÖNERİSİ: EĞİTİM VE ARAŞTIRMA HASTANESİ TEKNOLOJİ TRANSFER OFİSİSUREL, Aziz Ahmet 1, Ankara Şehir Hastanesi, Genel Cerrahi Kliniği, Op. Dr., Türkiye.KARAKAN, Tolga2, Ankara Şehir Hastanesi, Üroloji Kliniği, Doç. Dr., Türkiye.ÇETİN, Sibel 3, Ankara Şehir Hastanesi, Dijital Hastane ve Analitik Yönetim Birimi, Ankara, Türkiye

AKILLI TELEFONLARIN DİLİNDEN CİNSİYETE BAĞLI AKILLI TELEFON KULLANIM ALIŞKANLIKLARIHasan Giray ANKARA- Büşra TEKİN- Ali ARSLANOĞLU,Sağlık Bilimleri Üniversitesi, İstanbul, TÜRKİYE

BLOCKZINCIR PLATFORMLARI ILE SAĞLIK ALANINDA GELIŞTIRILMIŞ UYGULAMALARIssı, Hilal Nur 1; Topcu, Ahmet Ercan 2,1; Çıbıkdiken, Ali Osman 3 1 Mühendislik ve Doğa Bilimleri Fakültesi, Bilgisayar Mühendisliği Bölümü, Yıldırım Beyazıt Üniversitesi, Ankara, Türkiye 2 Mühendislik ve Teknoloji Fakültesi, Orta Doğu Amerikan Üniversitesi, Kuveyt 3 Mühendislik ve Mimarlık Fakültesi, Bilgisayar Mühendisliği Bölümü, Necmettin Erbakan Üniversitesi, Konya, Türkiye

15:15 – 15:30 Kahve Arası

15:30 – 16:30(Robin 3)

Panel 5= SAĞLIK HİZMETLERİNDE BİLGİ GÜVENLİĞİ, BİLGİ YÖNETİM SİSTEMLERİ, HASTA GÜVENLİĞİNDE TELERADYOLOJİ KULLANIMININ ETKİSİ

Oturum Başkanı

Prof. Dr. Ahmet YARDIMCI, Akdeniz Üniversitesi Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim Anabilim Dalı, Antalya, TÜRKİYE

SAĞLIK HİZMETLERİNDE BİLGİ GÜVENLİĞİDoç. Dr. Ayça TARHAN , Hacettepe Üniversitesi, Bilgisayar Mühendisliği Bölümü, TÜRKİYE

BİLGİ YÖNETİM SİSTEMLERİDr. Öğr. Üyesi Ali ARSLANOĞLU, Sağlık Yönetimi Bölümü, Sağlık Bilimleri Üniversitesi, İstanbul, TÜRKİYEDoç.Dr. Güven BEKTEMÜR, Sağlık Bilimleri Üniversitesi, İstanbul, TÜRKİYE

HASTA GÜVENLİĞİ VE MALİYET ETKİNLİKTE TELERADYOLOJİ KULLANIMININ ETKİSİ: ANKARA ŞEHİR HASTANESİ ÖRNEĞİSUREL, Aziz Ahmet, Ankara Şehir Hastanesi, Genel Cerrahi Kliniği, Op. Dr., TÜRKIYEÇETİN, Sibel , Ankara Şehir Hastanesi, Dijital Hastane ve Analitik Yönetim Birimi, Ankara, TÜRKİYE

MEDİKAL CİHAZLAR VE BİLGİ GÜVENLİĞİAv. Gürbüz YÜKSEL, TC. Sağlık Bakanlığı, SBSGM Hukuk Koordinatörü, TÜRKİYE

16:30-17:30(Robin 3)

Konferans 4 = HASTANELERDE DİJİTAL DÖNÜŞÜM VE DİİİJİTAL DÜNŞÜMÜN TASARRUFA ETKİSİ, HASTANELERİN DİJİTALLEŞME SÜRECİ, SAĞLIK HİZMETLERİNNİN DÖNÜŞÜMÜNDE BİLGİ TEKNOLJİLERİNİN ROLÜ

Oturum Başkanı

Dr. Öğr. Üyesi ilker KÖSE, Medipol Üniversitesi TTO Direktörü. HİMSS Türkiye Direktörü, TÜRKİYE

Konuşmacılar

HASTANELERDE DİJİTAL DÖNÜŞÜM VE DİJİTAL DÖNÜŞÜMÜN TASARRUFA ETKİSİ Dr. Öğr. Üyesi ilker KÖSE, Medipol Üniversitesi TTO Direktörü. HIMSS Türkiye Direktörü, TÜRKİYETÜRKİYE'DE HASTANELERİN DİJİTALLEŞME SÜRECİÖzlem Söylemez SAĞLAM , Ankara Gazi Mustafa Kemal Devlet Hastanesi SBYS Sorumlusu, Ankara, Türkiye

SAĞLIK HİZMETLERİNİN DÖNÜŞÜMÜNDE BİLGİ TEKNOLOJİLERİNİN ROLÜDr. Aziz KÜÇÜK, TC. Sağlık Bakanlığı, Kamu Hastaneleri Genel Müdürlüğü, Ankara, TÜRKİYE

21:00 GALA ETKİNLİĞİ

14 ARALIK 2019- CUMARTESİ

10:00 – 11:00(Robin 3)

Panel 6 = KİŞİSEL VERİLERİN KULLANILMASI, ELEKTRONİK HASTA DOSYALARI VE KİŞİSEL SAĞLIK KAYITLARININ YÖNETİMİ VE SAĞLIK ALANINDA NESNELERİN İNTERNETİ (IOT) TEKNOLOJİSİ

Oturum Başkanı Prof. Dr. Hasan OĞUL, Başkent Üniversitesi, Bilgisayar Mühendisliği Bölümü, Ankara, TÜRKİYE

KonuşmacılarKVKK KİŞİSEL VERİLERİN KULLANILMASIUzm. Kaya KARS, Antalya Kalite Akademisi, Genel Müdür, Antalya, TÜRKİYE

ELEKTRONİK HASTA DOSYALARI VE KİŞİSEL SAĞLIK KAYITLARININ YÖNETİMİ

Ersen GENÇARSLAN, Türkiye Bilişim Derneği, Antalya Şubesi Başkanı, Antalya, TÜRKİYE

SAĞLIK ALANINDA NESNELERİN İNTERNETİ (IOT) TEKNOLOJİSİ VE UYGULAMA ÖRNEKLERİDr. Öğr. Üyesi Mehmet KARAKOÇ, Bilgisayar Mühendisliği Bölümü, Mühendislik Fakültesi, Alanya Hamdullah EminPaşa Üniversitesi, Antalya, TÜRKİYE

11:30-12:00(Robin 5)

SERTİFİKA- ÖDÜL TÖRENİ VE KAPANIŞ OTURUMU

Kongre Başkanı;

Av. Gürbüz YÜKSEL,

T.C. Sağlık Bakanlığı, SBSGM Hukuk Koordinatörü, TÜRKİYE

SAD- Sağlık Akademisyenleri Derneği Başkanı;

Prof. Dr. Seval AKGÜN,

Sağlık Akademisyenleri Derneği Başkanı, Başkent Üniversitesi Hastaneleri

ve Bağlı Sağlık ve Eğitim Kuruluşları Kalite Koordinatörü, Misafir Profesör;

North Carolina-Pembroke Üniversitesi, Amerika Birleşik Devletleri, TÜRKİYE

4. HCS 2019 www.hcs-antalya.org

ÖDÜL ALAN SUNUMLAR / BEST PRESENTATIONS

En İyi Sözlü Sunum Sertifika Listesi1. GİYİLEBİLİR SAĞLIK BİLİŞİM SİSTEMLERİ VE TEKNOLOJİLERİ

Prof. Dr. Hasan OĞUL, Başkent Üniversitesi, Bilgisayar Mühendisliği Bölümü, Ankara, TÜRKİYE

2. TÜRKİYE'DE HASTANELERİN DİJİTALLEŞME SÜRECİÖzlem Söylemez SAĞLAM, Ankara Gazi Mustafa Kemal Devlet Hastanesi SBYS Sorumlusu, Ankara, TÜRKİYE

3. SAĞLIK ALANINDA NESNELERİN İNTERNETİ (IOT) TEKNOLOJİSİ VE UYGULAMA ÖRNEKLERİDr. Öğr. Üyesi Mehmet KARAKOÇ, Bilgisayar Mühendisliği Bölümü, Mühendislik Fakültesi, Alanya Hamdullah EminPaşa Üniversitesi, Antalya, TÜRKİYE

3. DİJİTAL DÖNÜŞÜM BAĞLAMINDA GİYİLEBİLİR SAĞLIK TEKNOLOJİLERİNİN ACİL SAĞLIK HİZMETLERİNDEKİ ROLÜDr. Ayhan TABUR – Sağlık Bilimleri Üniversitesi Gazi Yaşargil Eğitim Araştırma Hastanesi Acil Servis, Diyarbakır, TÜRKİYE

En İyi Araştırma Sertifika Listesi1. BİLGİ GÜVENLİĞİ VE MAHREMİYET EĞİTİMİNİN ETKİLERİNİN DEĞERLENDİRİLMESİ: BIR

ÖZEL HASTANE ÖRNEĞİÖZASLAN Gökhan1, KILIÇ AKSU Pınar2, KİTAPÇI Okan Cem3, ŞİŞMAN KİTAPÇI Nur3, KÖKSAL Leyla4, MUMCU Gonca3Sağlık Yöneticisi, İstanbul, TÜRKİYE (1) -Yeditepe Üniversitesi, Sağlık Bilimleri Fakültesi, İstanbul, TÜRKİYE (2)- Marmara Üniversitesi, Sağlık Bilimleri Fakültesi, Sağlık Yönetimi Bölümü, İstanbul, TÜRKİYE (3) -Marmara Üniversitesi, Sağlık Bilimleri Fakültesi, Sağlık Yönetimi Bölümü (Emekli), İstanbul, TÜRKİYE (4)

2. BLOCKZINCIR PLATFORMLARI ILE SAĞLIK ALANINDA GELIŞTIRILMIŞ UYGULAMALARIssı, Hilal Nur 1; Topcu, Ahmet Ercan 2,1; Çıbıkdiken, Ali Osman 3 1 Mühendislik ve Doğa Bilimleri Fakültesi, Bilgisayar Mühendisliği Bölümü, Yıldırım Beyazıt Üniversitesi, Ankara, TÜRKİYE 2 Mühendislik ve Teknoloji Fakültesi, Orta Doğu Amerikan Üniversitesi, Kuveyt 3 Mühendislik ve Mimarlık Fakültesi, Bilgisayar Mühendisliği Bölümü, Necmettin Erbakan Üniversitesi, Konya, Türkiye

3. AKILLI TELEFONLARIN DİLİNDEN CİNSİYETE BAĞLI AKILLI TELEFON KULLANIM ALIŞKANLIKLARIHasan Giray ANKARA- - Büşra TEKİN - - Ali ARSLANOĞLU,Sağlık Bilimleri Üniversitesi, İstanbul, TÜRKİYE

4. HCS 2019www.hcs-antalya.org

BİLGİ YÖNETİM SİSTEMLERİ

Ali ARSLANOĞLU*, Güven BEKTEMÜR**Sağlık Bilimleri Üniversitesi, İstanbul/Türkiye

KONGRE BİLİMSEL TAM METİN KİTABI

4. HCS 2019www.hcs-antalya.org

Özet

Bu çalışmanın amacı bilgi güvenliği için bilgi yönetim sisteminin kurulmasının yol haritasını belirlemektir. Bilgi yönetim sistemlerini kurmak oldukça güç ve zahmetli bir süreçtir. Bilgi yönetim sistemlerinin kurulması yol haritası hemen hemen her organizasyonda aynı süreçlerden geçmektedir. Bilgi yönetim sistemlerinin kurulması sayesinde organizasyonlarda bilgilerin ve kişisel verilerin korunması sağlanmış olmaktadır.

Hastanelerde bilgi güvenliğinin sağlanması için bilgi güvenliği yönetim sisteminin kurulması bir ihtiyaç olarak karşımıza çıkmaktadır. Hastanelerde bilgi güvenliği sitemini kurulması yönetimin desteği ve liderliğinde tüm çalışanların katılımı ile çıkılacak uzun ve meşakkatli bir yoldur.

Anahtar Kelimeler: Bilgi, Bilgi Güvenliği, Bilgi Yönetim Sistemleri

INFORMATION MANAGEMENT SYSTEMS

Ali ARSLANOĞLU*, Güven BEKTEMÜR**Sağlık Bilimleri Üniversitesi, İstanbul/Türkiye

Abstract

The aim of this study is to determine the roadmap for the establishment of an information

management system for information security. Setting up information management systems is a very

difficult and laborious process. The roadmap for the establishment of information management

systems goes through the same processes in almost every organization. With the establishment of

information management systems, protection of information and personal data in organizations is

provided.

The establishment of an information security management system in order to ensure information

security in hospitals is a necessity. Establishing an information security system in hospitals is a long

and tedious way to be initiated with the participation of all employees under the leadership and

support of management.

Keywords: Information, Information Security, Information Management Systems

1. Giriş

Her çeşit ve büyüklükteki organizasyonlar, elektronik, fiziksel ve sözel de dâhil olmak üzere

çeşitli yöntemlerde bilgileri toplar, işler, saklar ve iletir. Bu bilgilerin güvenliğinin korunması büyük

önem arz etmektedir. Bilgi güvenliği yönetim Sistemleri’nin kurulması, uygulanması, sürdürülmesi ve

sürekli iyileştirilmesi organizasyonlar için önemli bir süreçtir. Bir bilgi güvenliği yönetim sisteminin

benimsenmesi, organizasyonlar için stratejik bir karar olmalıdır. Organizasyonlarda bilgi güvenliği

yönetim sisteminin kurulması ve uygulanmasında, organizasyonların ihtiyaçları ve amaçları, güvenlik

gereksinimleri, kullanılan organizasyonel süreçler, organizasyonun büyüklüğü ve yapısı etkilidir. Tüm

bu etkileyen faktörlerin zaman içinde değişmesi beklenir.

Bilgi güvenliği yönetim sistemleri, bilgilerin gizliliği, bütünlüğü ve erişilebilirliğini risk

yönetimi süreçlerini uygulayarak koruma altına alır ve tüm paydaşlara risklerin doğru bir şekilde

yönetildiğine dair güvence verir. Bilgi güvenliği yönetim sistemlerinin kurumsal süreçler ve genel

yönetim yapısının bir parçası olması ve bunlar ile entegre olması ve bilgi güvenliğinin süreçlerin, bilgi

sistemlerinin ve kontrollerin tasarımında dikkate alınması önemlidir. Bir Bilgi güvenliği yönetim

sisteminin organizasyonların ihtiyaçları doğrultusunda kurulması beklenir.

Bir organizasyonda bilgi güvenliği korunması için Uluslararası standartlar Örgütü (ISO)

tarafından ISO 27001 Bilgi Güvenliği Yönetim Sistemleri standartları belirlenmiştir. Bu standart bilgi

güvenliğini sağlamak isteyen organizasyonlar için bir rehber olmaktadır.

Bir organizasyonun güvenlik gereksinimlerini tanımlaması esastır. Güvenlik gereksinimleri

ile ilgili üç ana kaynak vardır; a) organizasyonun genel iş stratejisi ve hedefleri dikkate alınarak

kuruluşun risk değerlendirmesi yapılmalıdır. Risk değerlendirmesiyle, varlıkların karşı karşıya oldukları

tehlikeler ve riskler tanımlanır, açıklıklar ve gerçekleşme olasılıkları değerlendirilir ve potansiyel etkileri

tahmin edilir, b) Bir organizasyonun ticari ortakları, yüklenicileri ve hizmet sağlayıcıları ile bunların

sosyo-kültürel çevresinin karşılaması gereken yasal, kanuni, düzenleyici ve sözleşme ile ilgili gerekleri,

c) organizasyonun bilgi işleme, depolama, iletişim ve arşivleme faaliyetlerini desteklemek üzere

geliştirilmiş belirli ilkeler, hedefler ve iş gereksinimleri kümesi.

2. Bilgi güvenliği yönetim sisteminin kurulması

İlk adım olarak üst yönetim hastanede bu sistemin kurulması kabul etmeli ve

desteklemelidir. Hastane, amaçları ile ilgili olan ve bilgi güvenliği yönetim sisteminin hedeflenen

çıktılarını başarma kabiliyetini etkileyebilecek iç ve dış hususları belirlemelidir. İlgili paydaşların ihtiyaç

ve beklentilerinin anlaşılması için hastane aşağıdakileri belirleyecektir: a) Bilgi güvenliği yönetim

sistemi ile ilgili paydaşlar ve b) Bu ilgili paydaşların bilgi güvenliği ile ilgili gereksinimleri. İlgili

paydaşların gereksinimleri yasal ve düzenleyici gereksinimleri ve sözleşmeden doğan yükümlülükleri

içeriyor olabilir. Hastane, kapsamını oluşturabilmek için, bilgi güvenliği yönetim sisteminin sınırlarını ve

uygulanabilirliğini belirlemelidir. Hastane, bu kapsamı belirlerken, iç ve dış unsurlarını, paydaşların

gereksinimlerini ve hastane tarafından gerçekleştirilen faaliyetler arasındaki arayüzler, bağımlılıklar ve

diğer kuruluşlar tarafından gerçekleştirilen faaliyetleri göz önünde bulundurmalıdır ve yazılı bilgi olarak

mevcut olmalıdır.

Hastane yönetimi bu bilgi yönetim sisteminin kurulması için liderlik yapmalıdır. a) Bilgi

güvenliği politikası ve bilgi güvenliği amaçlarının oluşturulmasını ve kuruluşun stratejik yönü ile uyumlu

olmasının temin edilmesi, b) Bilgi güvenliği yönetim sisteminin şartlarının kuruluşun süreçleri ile

bütünleştirilmesinin temin edilmesi, c) Bilgi güvenliği yönetim sistemi için gerekli olan kaynakların

erişilebilirliğinin temin edilmesi, ç) Etkin bilgi güvenliği yönetiminin ve bilgi güvenliği yönetim

sisteminin şartlarına uyum sağlamanın öneminin duyurulması, d) Bilgi güvenliği yönetim sisteminin

hedeflenen çıktılarının başarılmasının temin edilmesi, e) Bilgi güvenliği yönetim sisteminin etkinliğine

katkı sağlamaları için kişilerin yönlendirilmesi ve desteklenmesi, f) Sürekli iyileştirmenin desteklenmesi

ve g) Kendi sorumluluk alanlarında liderliklerini sergileyebilmeleri için diğer ilgili yönetim rollerinin

desteklenmesi konularında hastane yönetimi liderlik yapmalıdır.

Hastane yönetimi aşağıdakileri karşılayan bir bilgi güvenliği politikası oluşturmalıdır: a)

Kuruluşun amacına uygun, b) Bilgi güvenliği amaçlarını içeren veya bilgi güvenliği amaçlarını belirlemek

için bir çerçeve sağlayan, c) Bilgi güvenliği ile ilgili uygulanabilir şartların karşılanmasına dair bir

taahhüt içeren ve d) Bilgi güvenliği yönetim sisteminin sürekli iyileştirilmesi için bir taahhüt içeren bilgi

güvenliği politikası. Bilgi güvenliği politikası: Yazılı bilgi olarak mevcut olmalı, hastane içinde

duyurulmalı ve uygun olan ilgili paydaşlarca erişilebilir olmalıdır.

Hastane yönetimi, bilgi güvenliği ile ilgili olan roller için sorumluluk ve yetkilerin atanmasını

ve duyurulmasını temin etmelidir. Hastane yönetimi, bilgi güvenliği yönetim sisteminin standardın

şartlarına uyum sağlamasını temin etmek ve hastane yönetime bilgi güvenliği yönetim sisteminin

performansı hakkında raporlama için sorumluluk ve yetki ataması yapmalıdır.

Hastane yönetimi, planlama yapmalıdır. Bilgi güvenliği yönetim sistemi planlaması

yaparken, standartta belirtilen şartları göz önünde bulundurmalı ve Bilgi güvenliği yönetim sisteminin

amaçlanan çıktıları sağlayabilmesinin temin edilmesi, İstenmeyen etkilerin önlenmesi veya azaltılması

ve Sürekli iyileştirmenin başarılmasının gerçekleştirilmesi için gerekli olan riskleri ve fırsatları

belirlemelidir. Hastane yönetimi, Faaliyetleri, bilgi güvenliği yönetim sistemi süreçleri ile bütünleştirme

ve uygulama, Faaliyetlerin etkinliğinin değerlendirilmesi ve bu risk ve fırsatların ele alınması için

faaliyetleri planlamalıdır.

Hastane bilgi güvenliği risk değerlendirmesi sürecini tanımlamalı ve uygulamalıdır. Hastane

risk kabul kriterleri ve bilgi güvenliği risk değerlendirmesi yapılması için kriterleri içeren bilgi güvenliği

risk kriterlerini oluşturulmalı ve sürdürülmedir. Tekrarlanan bilgi güvenliği risk değerlendirmelerinin

tutarlı, geçerli ve karşılaştırılabilir sonuçlar üretmesinin temin edilmesi oluşturmalı ve sürdürülmelidir.

Bilgi güvenliği risklerinin tespit edilmesi için Bilgi güvenliği yönetim sistemi kapsamı dâhilindeki bilginin

gizlilik, bütünlük ve erişilebilirlik kayıpları ile ilgili risklerin tespit edilmesi için bilgi güvenliği risk

değerlendirme süreçlerinin uygulanması ve risk sahiplerinin belirlenmesi oluşturulmalı ve

sürdürülmelidir. Bilgi güvenliği risklerinin analiz edilmeli ve Bilgi güvenliği risklerinin değerlendirilmesi

yapılmalıdır. Kuruluş bilgi güvenliği risk değerlendirme süreci ile ilgili olarak yazılı bilgileri muhafaza

etmelidir.

Hastane bir bilgi güvenliği risk işleme süreci tanımlamalı ve uygulamalıdır. Risk

değerlendirme sonuçlarını dikkate alarak uygun bilgi güvenliği risk işleme seçeneklerinin seçilmesi

tanımlanmalı ve uygulanmalıdır. Seçilen bilgi güvenliği risk işleme seçeneklerinin uygulanmasında

gerekli olan tüm kontrollerin belirlenmesi tanımlanmalı ve uygulanmalıdır. Bir bilgi güvenliği risk

işleme planının formüle edilmesi ve Bilgi güvenliği risk işleme planına dair risk sahiplerinin onayının

alınması ve artık bilgi güvenliği risklerinin kabulü tanımlanmalı ve uygulanmalıdır. Hastane, bilgi

güvenliği risk işleme süreci ile ilgili yazılı bilgileri muhafaza etmelidir.

Hastane, uygun işlevler ve seviyelerde bilgi güvenliği amaçlarını tesis etmelidir. Bu amaçlar;

a) Bilgi güvenliği politikası ile tutarlı olmalı, b) Ölçülebilir olmalı (uygulanabilirse), c) Uygulanabilir bilgi

güvenliği şartlarını ve risk değerlendirme ve risk işlemenin sonuçlarını dikkate almalı, d) Duyurulmalı

ve e) Uygun şekilde güncellenmelidir. Hastane bilgi güvenliği amaçları ile ilgili yazılı bilgileri muhafaza

etmelidir. Hastane bilgi güvenliği amaçlarını nasıl başaracağını planlarken, Ne yapılacağı, Hangi

kaynakların gerekli olacağı, Kimin sorumlu olacağı, Ne zaman tamamlanacağı ve Sonuçların nasıl

değerlendirileceği belirlemelidir.

Hastane bilgi güvenliği yönetim sisteminin kurulması, uygulanması, sürdürülmesi ve sürekli

iyileştirilmesi için gerekli olan kaynakları belirlemeli ve sağlamalıdır. Hastane, Bilgi güvenliği

performansını etkileyen kendi kontrolü altında çalışan kişilerin gerekli yeterliliklerinin belirlenmesini,

Uygun öğretim, eğitim veya tecrübe temelinde bu kişilerin yeterliliklerinin temin edilmesini, Uygun

olduğu durumlarda, gerekli yeterliliğin sağlanması için girişimde bulunulması ve bu girişimlerin

etkinliğinin değerlendirilmesini ve Yeterliliğin delili olarak uygun yazılı bilgilerin muhafaza edilmesini

sağlamalıdır. Hastanenin kontrolünde görev yapan kişiler, Bilgi güvenliği politikası, İyileştirilmiş bilgi

güvenliği performansının faydaları da dâhil bilgi güvenliği yönetim sisteminin etkinliğine yaptıkları

katkı ve Bilgi güvenliği yönetim sistemi şartlarına uyum sağlamamanın sonuçlarının farkında olmalıdır.

Hastane, İletişimin konusu, Ne zaman iletişim kurulacağı, Kiminle iletişim kurulacağı, Kimin iletişim

kuracağı ve İletişimin hangi süreçten etkileneceğini içeren bilgi güvenliği yönetim sistemi ile ilgili dâhili

ve harici iletişim ihtiyaçlarını belirlemelidir.

Hastane standardın gerektirdiği yazılı bilgileri ve bilgi güvenliği yönetim sisteminin etkinliği

için gerekli olduğu belirlenen yazılı bilgileri için doküman yönetim sistemi kurmalıdır. Bu dokuman

yönetim sistemi; Kuruluşun büyüklüğü ve faaliyetlerinin, süreçlerinin, ürünlerinin ve hizmetlerinin

türleri, süreçlerin ve etkileşimlerinin karmaşıklığı ve kişilerin yeterliliği gibi durumlara göre

değiştirilebilir. Hastane, yazılı bilgileri oluştururken ve güncellerken, tanımlama ve tarif etme, biçim,

ortam uygunluğun ve doğruluğun gözden geçirilmesi ve onaylanmasının uygun bir şekilde temin

etmelidir. Bilgi güvenliği yönetim sistemi ve standardın gerektirdiği yazılı bilgiler kontrol edilmelidir.

Gereken yerde ve zamanda kullanım için erişilebilir ve uygun olması ve doğru bir şekilde korunması

açısından kontrol edilmelidir. Yazılı bilgilerin kontrolü için dağıtım, erişim, getirme ve kullanım,

okunaklılığın korunması da dâhil olmak üzere saklama ve koruma, değişikliklerin kontrolü ve muhafaza

etme ve yok etme gibi faaliyetleri kontrol etmelidir. Hastane tarafından bilgi güvenliği yönetim

sisteminin planlaması ve işletimi için gerekli olduğu belirlenen dış kaynaklı yazılı bilgiler, uygun şekilde

tespit edilmeli ve kontrol edilmelidir.

Hastane bilgi güvenliği şartlarını karşılamak ve belirlenen faaliyetleri gerçekleştirmek için

gerekli olan süreçleri planlamalı, uygulamalı ve kontrol etmelidir. Bilgi güvenliği amaçlarını başarmak

için aynı zamanda planları uygulamalıdır. Kuruluş, süreçlerin planlandığı gibi yürütüldüğünden emin

olduğu noktaya kadar yazılı bilgileri saklamalıdır. Hastane, planlanan değişiklikleri kontrol etmeli ve

istenmeyen değişikliklerin sonuçlarını gözden geçirerek, gerekiyor ise kötü etkileri azaltmak için

eyleme geçmelidir. Hastane, dış kaynaklı süreçlerin belirlenmesini ve kontrol edilmesini temin

etmelidir. Hastane, belirtilen kriterleri de dikkate alarak, bilgi güvenliği risk değerlendirmelerini

planlanan aralıklarda veya önemli değişiklikler önerildiğinde veya meydana geldiğinde

gerçekleştirmelidir. Hastane, bilgi güvenliği risk değerlendirmesinin sonuçlarına dair yazılı bilgileri

muhafaza etmelidir. Hastane, bilgi güvenliği risk işleme planını uygulamalıdır. Bilgi güvenliği risk

işlemesinin sonuçlarına ait yazılı bilgileri muhafaza etmelidir.

Hastane, bilgi güvenliği performansı ve bilgi güvenliği yönetim sisteminin etkinliğini

değerlendirmelidir. Hastane, bilgi güvenliği süreçleri ve kontrolleri dâhil olmak üzere neyin izlenmesi

ve ölçülmesinin gerekli olduğu, geçerli sonuçları temin etmek için, uygun İzleme, ölçme, analiz ve

değerlendirme yöntemleri, izleme ve ölçmenin ne zaman yapılacağı, izlemeyi ve ölçmeyi kimin

yapacağı, izleme ve ölçme sonuçlarının ne zaman analiz edileceği ve değerlendirileceği ve bu sonuçları

kimin analiz edeceği ve değerlendireceği belirlemelidir. Hastane, izleme ve ölçme sonuçlarına dair delil

olarak uygun yazılı bilgileri muhafaza etmelidir.

Hastane, bilgi güvenliği yönetim sisteminin, gerekli şartları yerine getirip getirmediği

konusunda bilgi elde etmek için planlanan aralıklarda iç tetkikler gerçekleştirmelidir. Bu tetkiklerde;

Bilgi güvenliği yönetim sistemi ile ilgili olarak kuruluşun kendi şartları ve standardın şartları ile uyumlu

olup olmadığı, etkin bir şekilde uygulanması ve sürdürülmesi konularına bakılmalıdır. Hastane, sıklık,

yöntemler, sorumluluklar, gereksinimleri planlama ve raporlama da dâhil olmak üzere bir tetkik

programının/programlarının planlanması, oluşturulması, uygulanması ve sürdürülmesi. Tetkik

programı/programları ilgili süreçlerin önemini ve önceki tetkiklerin sonuçlarını dikkate almalıdır. Her

bir tetkik için tetkik kriterlerinin ve kapsamın tanımlanmalıdır. Tetkik sürecinin tarafsızlığı ve

objektifliğini temin edecek şekilde tetkikçilerin seçimi ve tetkiklerin yürütülmesini gerçekleştirmelidir.

Tetkik sonuçlarının uygun yönetim kademesine raporlanmasının temin edilmesini gerçekleştirmelidir.

Tetkik programı/programları ve tetkik sonuçlarının delil teşkil eden yazılı bilgilerinin muhafaza

edilmesini gerçekleştirmelidir.

Hastane üst yönetim bilgi güvenliği yönetim sisteminin sürekli uygunluğunu, doğruluğunu

ve etkinliğini temin etmek için planlı aralıklarla gözden geçirmelidir. Bu toplantılarda, önceki yönetimin

gözden geçirmelerinden gelen görevlerin durumu, bilgi güvenliği yönetim sistemini ilgilendiren dış ve

iç konulardaki değişiklikler, uygunsuzluklar ve düzeltici faaliyetler, izleme ve ölçme sonuçları, tetkik

sonuçları ve bilgi güvenliği amaçlarının yerine getirilmesi konulara ait performansına dair geri

bildirimler, paydaşlardan gelen geri bildirimler, risk değerlendirme sonuçları, risk işleme planının

durumu ve sürekli iyileştirme için fırsatlar değerlendirilmelidir. Yönetimin gözden geçirmesi çıktıları,

sürekli iyileştirme fırsatlarına ve bilgi güvenliği yönetim sisteminde gerekli olan değişiklikler için tüm

ihtiyaçlara dair kararları içermelidir. Hastane, yönetimin gözden geçirmesinin sonuçlarının delili olarak

yazılı bilgileri muhafaza etmelidir.

Bir uygunsuzluk oluştuğunda, hastane iyileştirme faaliyetlerini yerine getirmelidir.

Uygunsuzluğa tepki verilmesi ve mümkün olması durumunda, Kontrol edilmesi ve düzeltmek için

eyleme geçilmesi ve sonuçları ile ilgilenilmesi için faaliyetlerde bulunulmalıdır. Uygunsuzluğun başka

bir yerde tekrar etmemesi veya oluşmaması için nedenlerinin giderilmesi amacıyla eyleme geçme

ihtiyacının değerlendirilmesi amacıyla uygunsuzluğu Uygunsuzluğu gözden geçirerek, uygunsuzluğun

nedenleri belirlenerek ve benzer uygunsuzlukların var olup olmadığını veya olasılıkla gerçekleşip

gerçekleşmeyeceğini belirlemelidir. Gerekli tüm faaliyetlerin uygulanması, tüm düzeltici faaliyetlerin

etkinliğinin gözden geçirilmesi ve gerekli olan durumlarda bilgi güvenliği yönetim sisteminde

değişikliklerin yapılması hastane tarafından sağlanmalıdır. Düzeltici faaliyetler, karşılaşılan

uygunsuzlukların etkilerine uygun olmalıdır. Hastane, uygunsuzlukların doğası ve gerçekleştirilen

müteakip eylemler ve herhangi bir düzeltici faaliyetin sonuçlarını delil olarak muhafaza etmelidir.

Hastane, bilgi güvenliği yönetim sisteminin uygunluğunu, doğruluğunu ve etkinliğini sürekli olarak

iyileştirmelidir.

3. Sonuç

Hastaneler günlük faaliyetlerinde birçok veri üretmekte, bu veriler analiz edilmekte,

işlenmekte, değerlendirilmekte, saklanmakta ve erişebilirliği sağlanmaktadır. Bu verilerin korunması ve

güvenliği önem arz etmektedir. Bu bilgilerin güvenliğinin tam olarak sağlanması için bir sistem

kurulmalıdır.

Bu sistem kurulması için öncelikle hastane yönetimin destek olması ve liderlik yapması

birinci adımdır. Hastanenin ve paydaşların ihtiyaçlarının ve beklentilerinin belirlenip ona göre yol

haritası olmalıdır. Hastane yönetimi bilgi güvenliği politikası oluşturmalıdır. Hastane bilgi güvenliği için

görev tanımlarını belirlemelidir. Hastane yönetimi bilgi güvenliği yönetim sistemi için planlama

yapmalıdır. Hastane bilgi güvenliği risk değerlendirmesi sürecini tanımlamalı ve uygulamalıdır. Hastane

bir bilgi güvenliği risk işleme süreci tanımlamalı ve uygulamalıdır. Hastane, uygun işlevler ve

seviyelerde bilgi güvenliği amaçlarını tesis etmelidir.

Hastane bilgi güvenliği yönetim sisteminin kurulması, uygulanması, sürdürülmesi ve sürekli

iyileştirilmesi için gerekli olan kaynakları belirlemeli ve sağlamalıdır. Hastane standardın gerektirdiği

yazılı bilgileri ve bilgi güvenliği yönetim sisteminin etkinliği için gerekli olduğu belirlenen yazılı bilgileri

için doküman yönetim sistemi kurmalıdır. Hastane bilgi güvenliği şartlarını karşılamak ve belirlenen

faaliyetleri gerçekleştirmek için gerekli olan süreçleri planlamalı, uygulamalı ve kontrol etmelidir.

Hastane, bilgi güvenliği performansı ve bilgi güvenliği yönetim sisteminin etkinliğini

değerlendirmelidir. Hastane, bilgi güvenliği yönetim sisteminin, gerekli şartları yerine getirip

getirmediği konusunda bilgi elde etmek için planlanan aralıklarda iç tetkikler gerçekleştirmelidir.

Hastane üst yönetim bilgi güvenliği yönetim sisteminin sürekli uygunluğunu, doğruluğunu ve etkinliğini

temin etmek için planlı aralıklarla gözden geçirmelidir. Bir uygunsuzluk oluştuğunda, hastane

iyileştirme faaliyetlerini yerine getirmelidir.

Bilgi güvenliği için etkili bir yönetim sisteminin kurulması gün geçtikçe önemi artan bir

ihtiyaçtır.

Kaynaklar

1.TSE ISO 27001 Bilgi teknolojisi- Güvenlik teknikleri- Bilgi güvenliği yönetim sistemleri,

2013.

2. TSE ISO 27002 Bilgi Teknolojisi- Güvenlik Teknikleri- Bilgi Güvenliği Kontrolleri İçin

Uygulama Prensipleri, 2013.

3.https://www.bsigroup.com/tr-TR/ISO-27001-Bilgi-Guvenligi-Yonetimi/iso-27001-nedir/

4. IQM Uluslararası Belgelendirme Eğitim ve Gözetim Hizmetleri Limited Şirketi, Bilgi

Yönetim Sistemi eğitim notları.

4. HCS 2019www.hcs-antalya.org

SAĞLIK BİLİŞİM TEKNOLOJİLERİ VE YAPAY ZEKÂ

Dr. Tuba IŞIK,

ÖZETİnternetin icadıyla birlikte, birçok alan ağlar kanalıyla yeniden şekillendi. Bu şekillenmeler, teknolojik ilerleme ivmesine bağlı olarak, web 1.0, web 2.0, web 3.0, web 4.0 bilişimin en ileri düzeyi olarak karşımıza çıkmakta. Sağlık alanında bilişim faaliyetleri, internetin hayatımıza girmesiyle birlikte ortaya çıkmıştır. Sağlık alanında hızlı, etkin ve doğru bilgi aktarımının gerçekleşmesi, tedavi sürecinin hızlanması, sağlık sektöründe yer alan bireylerin kolay iletişim kurmaları vb benzer farklı birçok noktada bilişim faydacı bir noktada görev üstlenmiştir. Sağlık sektöründe, sağlık bilişimi ilk olarak, yerel ağlarla varlığını göstermiştir. Lan adını verdiğimiz, belirli bir alanda var olan internet sayesinde bir kurum, hastane, sağlık ocağı vs gibi birimler arası bilgi akışında ilk olarak ortaya çıkan sistem, zaman içinde teknolojik büyümeye paralel olarak farklı isimler ve özelliklerle var olmuştur. Bu sistemler, akıllı sağlık uygulamaları, cihazlar, özel otomasyonlar, yazılım programları, sağlık web hizmetleri, IOT ( Internet of thinks), blockchain vb. benzerdir. Günümüzde artık geldiğimiz noktada, teknoloji sağlık hizmetlerinin adeta ikiz kardeşi gibi yan yana anılmakta ve birbirinden etkileşim içinde yol almaktadır. Hiç şüphesiz teknolojik ilerleme, sağlığın içinde yeni yol ve yöntemlerin belirlenmesini sağlarken, sağlıkta ortaya çıkabilecek ihtiyaçlar da teknik gelişimlerin içeriklerini belirlemeye yardım etmektedir. Yani sağlık bilişim teknolojileri, kendi tanımı içinde yer alan, teknoloji ve sağlık yönleriyle çift taraflı bir etkileşim yaşamaktadır. Günümüzde gelinen noktada, yapay zekâ, sağlığın dijitalleşmesinde en son ki alandır. En sıradan bir tanımla, insanı ve zekâsını taklit eden robot ve makine sistemi olan yapay zekâ, birçok alanda olduğu gibi sağlık alanında da kendini göstermiştir. Hastalıkların iyileştirilmesi süreçlerinde insana göre, daha hassas olan makineler, onlara tanımlanabilecek özel yazılımlar ile aslında yine insanın yönetiminde sağlık alanında hizmet vermektedirler. Yapay zeka, sağlık gibi geniş bir kavram içinde hiç şüphesiz farklı ve özel, daha spesifik konularda kullanılmaktadır. Tıp alanında yapay zekâ, henüz yeni emeklemeye başlamıştır ve önümüzdeki yıllarda muhtemelen kendini çok daha fazla geliştirerek daha büyük hizmetler verecektir. Yapay zekânın en büyük avantajlarından birisi, bireylerin sağlık iletişiminde alternatiflerinde bir durumu olan, “sağlıklı kalmak” isteklerine yanıt vermesidir. Yani yapay zekâ ile sağlık alanında kullanılacak olan uygulama ve alternatif çözümler, kişilerin hasta olma süreçlerini önleyecek ya da hasta olan bireylerin daha hızlı iyileşmelerini sağlayacaktır.Sağlık alanında yapay zekâ, bir hastalığın teşhisinden tedavisine, bütün süreçlerde varlığını hissettirir. Ayrıca yapay zekâ, bireylerin farklı kişilere bağlı kalmadan, kendi tedavi, ilaç vs gibi süreçlerini kendi başlarına yönetebilmelerini sağlamaktadır. Zira ilaç saati geldiğinde hasta bir bireye ilaç alması gerektiğini hatırlatan sistem, özellikle yaşlıların bu alanda kullanabilecekleri faydalı bir yapıdır.Sağlık sektöründe, fizik tedaviden ameliyatlara, laboratuvarlardan, tedavi süreçlerine kadar birçok ve farklı alanlarda kullanılan yapay zekâ, önümüzdeki yıllarda daha farklı ve geniş amaçlarla var olacaktır. Bu robotik dünyanın, ortaya çıkarılması, yaygın hale getirilmesi ekonomik bir bedel gerektirirken, aslında sağladığı kolaylıklar, hızlı ve etnik bir tedavi süreci, diğer yandan ekonomik bir kazanım anlamına gelmektedir. Yapay zekânın sağlık üzerindeki etkileri önümüzdeki yüzyılda kendini çok daha fazla derin bir boyutta gösterecek gibi durmaktadır.

Health Informatics, Artificial Intelligence, Digitalization in Health.

Dr. Tuba IŞIK,

ABSTRACT

With the invention of the Internet, many areas have been reshaped through networks. These formations, depending on the acceleration of technological progress, web 1.0, web 2.0, web 3.0, web 4.0 is the most advanced level of informatics. Informatics activities in the field of health emerged with the introduction of the internet into our lives. Informatics has assumed a pragmatic role in many similar points in the field of health, fast, effective and accurate information transfer, acceleration of the treatment process, easy communication of individuals in the health sector.In the health sector, health informatics first appeared in local networks. The system, which we first called Lan, emerged in the flow of information between units such as an institution, hospital, health center etc. thanks to the internet existing in a certain area, has existed with different names and features in parallel with technological growth over time. These systems, smart health applications, devices, special automation, software programs, health web services, Iot (Internet of thinks), blockchain and so on. It is similar. Nowadays, technology is now referred to side by side as the twin brother of healthcare and is interacting with each other. Without a doubt, technological progress enables new ways and methods to be identified within health, while health needs help to identify the content of technical developments. In other words, health information technologies have a bilateral interaction with technology and health aspects within their definition. Nowadays, artificial intelligence is the last field in the digitalization of health. In the most ordinary definition, artificial intelligence, which is a robot and machine system that imitates human and intelligence, is manifested in the field of health as well as in many other fields. In the process of curing diseases, machines that are more sensitive than human beings serve in the field of health in the management of human beings with special software that can be defined for them. Artificial intelligence is undoubtedly used in different and special, more specific subjects within a broad concept such as health. In the field of medicine, artificial intelligence has just begun to crawl, and in the years to come, it will probably improve itself and provide greater services. One of the biggest advantages of artificial intelligence is that individuals respond to their desire to “stay healthy, which has a status of alternatives in health communication. In other words, artificial intelligence and application and alternative solutions to be used in the health field will prevent people from becoming ill, or will enable patients to recover faster. In the field of health, artificial intelligence makes a presence in all processes from diagnosis to treatment of a disease. In addition, artificial intelligence enables individuals to manage their own processes such as treatment, medication etc. on their own without being dependent on different people. The system is a useful structure that can be used by the elderly especially in this area. In the health sector, artificial intelligence, which is used in many and different fields from physical therapy to surgeries, labaratories and treatment processes, will exist for different and broad purposes in the coming years. While the emergence and expansion of this robotic world requires an economic cost, the facilities it provides, a rapid and ethnic treatment process, mean an economic gain. The effects of artificial intelligence on health seem to manifest themselves in a much deeper dimension in the coming century.

1. Giriş Sağlık hem bireysel hem de toplumsal açıdan refah ve esenliğin merkezinde bulunmaktadır. Bu yönüyle sağlık gerek bireysel gerek toplumsal açıdan hayati öneme sahip bir olgudur. Sağlık konusu ekonomik açıdan ele alındığında ise sağlık hizmetlerinin dünyanın en büyük sektörlerinden biri olduğu görülmektedir. Sağlık alanında maliyet, erişim ve kalite sorunları her ne kadar bütünüyle sürdürülebilir bir çözüme kavuşturulamamış olsa da modern sağlık hizmetleri ve tıbbi teknolojiler

hızla gelişmeye devam etmektedir. Bu gelişim tedavi yöntemlerine eşsiz yenilikler getirmekte ve geçmişe nazaran pek çok hastalığın çaresi de artık daha kolay bulunabilmektedir. Sağlık kişinin doğuştan kazandığı bir hak olarak kabul edilmektedir ve 21. yüzyılda pek çok kişinin şifa arama sürecinde en önemli destekçisi de sağlık teknolojileridir. Bu bağlamda, sağlığın geliştirilmesi, hastalıkların önlenmesi, bakım hizmetlerinde kalitenin arttırılması, sağlık kurumlarında işletme maliyetlerinin azaltılması, hasta-çalışan güvenliğinin sağlanması, tıbbi hataların azaltılması, doğru teşhis oranlarının yükseltilmesi, kronik hastalıkların önlenmesi, yeni ilaç geliştirme sürelerinin kısaltılması ve uzaktan hasta takibi yapılabilmesi vb. konularda yapay zekâ (YZ) ve yapay öğrenme gibi teknolojiler giderek hem sağlık profesyonellerinin hem de hastaların vazgeçilmesi haline gelmektedir. Bundan dolayı YZ, sayıları günden güne artan sağlık teknolojisi şirketleri, sağlık kurumları ve üniversiteler tarafından yürütülen medikal teknoloji araştırma ve geliştirme faaliyetlerinin merkezinde bulunmaktadır. Ancak tıpta YZ uygulamaları kişisel bilgi mahremiyeti, güvenilirlik, teşhis ve tedavinin doğruluğu gibi hususlarda bazı tartışmaları da beraberinde getirmektedir. Küresel çapta pek çok karmaşık sağlık sorununa çözüm aranırken herkesin kolayca ulaşabileceği, güvenilir ve kişiselleştirilmiş sağlık hizmetlerini düşük maliyetle sunabilmenin yolu sağlıkta YZ uygulamalarına daha fazla yer vermekten geçmektedir. Ayrıca çok yakın bir gelecekte YZ’lı teknolojik ürün, platform ve çözümlerin de modern sağlık konsepti üzerinde önemli değişikliklere yol açacağını söylemek mümkündür. YZ, her geçen gün sağlığın farklı bir dalında kendine uygulama alanı bulabilmesine rağmen tıpta YZ kullanımı henüz emekleme evresindedir. Ancak daha şimdiden tıpta YZ kullanımı bir devrim olarak kabul edilmekte ve yeni sağlık sektörünü şekillendireceği öngörülmektedir. Bu yönüyle tıpta YZ kullanımı sağlıkta dijitalleşmenin bir sonraki adımı olarak nitelendirilebilir.

Amaç: Bu çalışmada, sağlık bilişim teknolojileri içinde yer alan “Yapay Zekâ” incelenmeye çalışılmıştır. Yapay zekânın, ilk ortaya çıkışından bugüne kadar gelen süre zarfında aşamaları yüzeysel olarak ifade edilmiştir. Bu alanda yapılan çalışmalar, faydaları, hangi ihtiyaçlardan doğduğu ve kullanım şekilleri anlatılmıştır. Küresel olarak bütün dünyada teknolojinin, yapay zekâya bakış açsı ortaya konulmaya çalışılmıştır.

Yöntem: Çalışmada yöntem olarak veri taraması ve makale incelemesi yapılmıştır, yerli, yabancı kaynaklardan alıntılar yapılmıştır.

1. Yapay Zekâ YZ’nın herkesin üzerinde uzlaştığı net bir tanımı bulunmamaktadır. Ancak YZ terimini ilk kullanan kişi olan McCarthy’e göre YZ; akıllı makineler yapma bilimi ve mühendisliği olarak tanımlanmıştır (McCarthy, 2007: 2). Bu tanımı biraz daha açmak gerekirse YZ, insan zekâsının, davranışlarının, kabiliyetlerinin taklit edilip modellenmesi ile bilgisayar programlarına yapay öğrenme/düşünme niteliklerinin kazandırılması olarak da ifade edilebilir. Bir başka deyişle insan zekâsını simüle eden ileri teknoloji ürün veya araçların geliştirilebildiği akıllı yazılımlar YZ olarak adlandırılmaktadır. Kısacası YZ makinelere zekâ kazandırmaya adanmış her türlü etkinliğin kendisidir.

1980’lerden itibaren tıbbi cihaz ve sistemlerin önemli bir bileşeni olan YZ, tıp alanında sanal ve fiziksel olmak üzere iki alt bölüme ayrılmaktadır. Sanal bölüm; elektronik sağlık kayıt sistemleri gibi uygulamalardan, yapay sinir ağları tabanlı hastalık tespiti, tedavisine kadar uzanmaktadır. Fiziksel kısım ise ameliyatlarda cerrahlara yardımcı olan robotlardan, engelliler için tasarlanan akıllı protezlere ve yaşlı bakımına kadar uzanmaktadır (Hamet ve Tremblay, 2017: 36). Günümüzde YZ’nın tıpta kullanılan en yaygın 4 uygulaması ise hastalıkların teşhisi, daha hızlı ilaç geliştirme, kişiselleştirilmiş tedavi ve genom düzenlemedir (Revenue, 2019). Günümüzde modern tıbbın, sofistike klinik problemleri çözmek için gerekli olan büyük miktarda bilgiyi edinme, analiz etme ve uygulama zorluğu ile karşı karşıya oluşu da özellikle son yirmi yılda tıbbi YZ’ya olan ilginin artmasına neden olmuştur. Tıbbi YZ’nın geliştirilmesi ve sağlık alanında kullanımı genel manada teşhis formülasyonu, terapötik kararların alınması ve hastaya uygulanan tedavi sonuçlarının öngörülmesi gibi konularda hekimlere yardımcı olması amacıyla YZ programlarının/ yazılımlarının geliştirilmesi ile ilgilidir (Ramesh, Kambhampati, Monson ve Drew, 2004: 334).

1.1 Yapay Zekânın Tarihçesi İnsan yeteneklerine ve zekâsına sahip makineler yapabilme fikri çok uzun yıllardır insanoğlunun hep gelecekte var olmasını hayal ettiği fütüristtik bir düşünce olagelmiştir. Kısacası tüm arayışlar gibi YZ arayışı da düşlerle başlamıştır. Akıl yürüten cihazlar, hareket eden otomatlar, konuşan robotlar gibi insan benzeri makineler birçok öyküde betimlenmiş, çizim ve heykellerde ise resmedilmiştir (Nilsson, 2019: 20). YZ düşüncesine dair bu örnekleri 1495’te Leonardo Da Vinci’nin orta çağ şövalyesi şeklindeki insansı robot tasarımları, 1651’de Thomas Hobbes’un Leviathan kitabında yapay hayvan inşa edebilmenin mümkün olduğuna dair düşünceleri/imaları (Hobbes, 2019: 17) buna örnek olarak verilebilir. 1769’da Wolfgang won Kempelen’in satranç oynayan robotu (Mekanik Türk) (Rehder, 2019) ve 1920’de Karel Capek’in Rossum’un Evrensel Robotları adlı tiyatro oyunu (Jerz, 1999) ile çoğaltmak mümkündür. Ancak insan zekâsını külliyen mekanikleştirme ihtimali modern anlamda ilk kez bilgisayar biliminin kurucusu sayılan İngiliz matematikçi ve kriptolog Alan Mathison Turing tarafından 1950’de yayımlanan Computing Machinery and Intelligence (Bilgi İşlem Makineleri ve Zekâ) adlı makalede ele alınmıştır (Turing, 1950: 433). Turing bu makalesinde Makineler düşünebilir mi? sorusunun fazla belirsiz/anlaşılmaz/kafa karıştırıcı olduğunu ifade etmiş ve bu soruya yanıt olarak makine zekâsını ölçmede daha sonraları Turing Testi olarak isimlendirilen bir sınama yönteminin kullanılması önerisinde bulunmuştur. Bilgisayarların zekâ seviyesinin belirlenebilmesi amacıyla ortaya çıkan bu test günümüzde de halen geçerliliğini korumakta ve kullanılmaya devam edilmektedir. YZ alanında ilk modern araştırmaları yapan kişi olarak ön plana çıkan Turing bilgisayar biliminin kurucusu olmasının yanı sıra YZ kavramının da fikir babası olarak kabul edilmektedir. Ancak YZ’nın tam teşekküllü bir araştırma alanı olarak ortaya çıkışı: 1955’te Amerika Birleşik Devletleri’nin (ABD) Los Angeles kentinde düzenlenen Öğrenen Makineler Oturumu, 1956’da Dartmouth Koleji’nde organize edilen YZ Yaz Araştırma Projesi Konferansı ve 1958’de Birleşik Krallık (UK) Ulusal Fizik Laboratuvarı ev sahipliğinde gerçekleştirilen Düşünce Süreçlerinin Mekanikleştirilmesi konulu üç önemli toplantıya tesadüf etmektedir. YZ sözcüğü de ilk kez bu üç önemli toplantıdan biri olan ve 1956’da Dartmouth Koleji’nde gerçekleştirilen konferansta John McCarthy tarafından dillendirilmiştir (Nilsson, 2019: 75). ABD’li bilgisayar bilimci bu yönüyle YZ terimini icat eden kişi olarak kabul edilmektedir. 1950’ler ve 1960’larda YZ alanında çalışma yürüten öncü bilim insanlarının ilk boğuştukları problemler bulmaca çözmek, basit sorulara yanıt vermek, satranç/dama benzeri oyunlar oynamak, görsel imgeleri sınıflandırmak ve teoremler ispatlamak gibi zekâ gerektiren bazı işlerin makinelere nasıl yaptırılabileceğinin belirlenmesi olmuştur. YZ teknolojisinin cerrahi alanda ilk kez uygulanışı ise 1976’da Gunn tarafından akut karın ağrısının bilgisayar analizi ile teşhis edilmesi yönünde yürütülen çalışmalar olmuştur (Gunn, 1976: 170). 2. 21. Yüzyılda Küresel Sağlık Sektörünün Güncel Durumu ve Aşılamayan Sağlık SorunlarıGeniş bant ve mobil iletişim teknolojileri, tıbbi nesnelerin interneti, bulut bilişim, robotik ve giyilebilir elektronik gibi yeni teknolojiler sağlık alanında büyük bir dijital dönüşüm yaşanmasına neden olmaktadır. Sağlıkta yaşanan bu dijitalleşme süreci de dünyada var olan sağlık sistemlerinin geleceği açısından köklü değişimler yaratabilecek özelliktedir. Çünkü dijital teknolojiler sağlık hizmetleri sunumunda yeni fırsatların ve çözümlerin doğmasına öncülük etmektedir. Dolayısıyla tıp alanında kaydedilen bu önemli bilimsel ve teknolojik gelişmeler de sağlık sektörünü yeniden şekillendirmektedir. Ancak içinde yaşadığımız bilim ve teknoloji çağında dünya nüfusunun büyük bir kısmı hala sağlık imkânlarından yoksundur. Pek çok kişi önlenebilir hastalıklar nedeniyle hayatını kaybetmeye devam etmektedir (STM ThinkTech, 2019: 3). Dünya Sağlık Örgütü’nün (World Health Organization-WHO) 2019’da küresel anlamda sağlığı tehdit eden 10 büyük tehlikeyi (Ten Threats to Global Health in 2019) açıkladığı raporunda da hava kirliliği, salgın hastalıklara neden olan virüsler ve zayıf temel sağlık hizmetleri gibi nedenlerden dolayı insanlığın daha önce karşılaşmadığı ölçüde büyük sağlık sorunlarıyla karşıya olduğu belirtilmektedir. Ayrıca aynı raporda dünya nüfusunun %22’sinin de (1,6 milyardan fazla kişinin) kuraklık, kıtlık, çatışma ve çeşitli coğrafi nedenlerden dolayı temel bakım hizmetlerine erişemediği ifade edilmektedir. Buna ek olarak WHO’ya göre hava kirliliği nedeniyle ortaya çıkan hastalıklar, antibiyotiklere karşı dirençli bakteriler ve obezite hem gelişmiş hem de gelişmekte olan ülkelerde var olan sağlık sorunlarının başında gelmektedir. Ayrıca orta gelir düzeyindeki ülkelerde bulaşıcı olmayan hastalıkların başlıca sağlık sorunlarını oluşturduğu ifade edilmektedir. Bu kapsamda kalp hastalıkları, kanser ve diyabet gibi bulaşıcı olmayan hastalıkların

dünyadaki ölümlerin en az %70’inden (41 milyon insanın ölümünden) sorumlu tutulmaktadır. Düşük ve orta gelirli ülkelerde ise bu oranın %85’lerin üzerine çıktığı görülmektedir. Bu hastalıkların ve erken ölümlerin (30-69 yaş arası) artmasına neden olan beş ana risk faktörünün ise tütün ürünleri kullanımı, aşırı alkol kullanımı, fiziksel hareketsizlik, hava kirliliği ve sağlıksız beslenme olduğu belirtilmektedir (WHO, 2019).

Küresel sağlık açısından değinilmesi gereken diğer bir önemli hususta tüm dünyada ortalama ömür süresinin uzamasına bağlı olarak artan yaşlı nüfustur. Dünya çapında pek çok ülkede uluslararası danışmanlık hizmeti sunan Deloitte firmasının 2019 Küresel Sağlık Hizmetleri Görünümü (2019 Global Health Care Outlook) Raporuna göre 2018 yılında 73,5 yıl olarak belirlenen ortalama ömür süresinin 2022’de 74,4 yıla çıkacağı beklenmektedir. Eğer tahminler doğru çıkarsa, 2022 yılında toplam dünya nüfusunun %11.6’sının yani 668 milyondan fazla kişinin 65 yaşın üzerinde olacağı öngörülmektedir (Deloitte, 2019: 4). Bu bağlamda sağlık hizmetleri kalitesi ve teknoloji ile paralel olarak artan dünya ve yaşlı nüfusunun da sağlık sisteminin yükünü arttıcağını söylemek mümkündür. Çünkü ortalama yaşam süresinin artmasıyla doğru orantılı olarak kronik hastalığa sahip kişi sayısında da artış olması beklenmektedir. Kronik hastalıklar yavaş ilerleyen, uzun zaman boyunca devam eden ya da ömür boyu düzelme göstermeyip hayatı önemli ölçüde kısıtlayabilen ve tıbbi girişimlerle tedavi edilemeyen hastalık türleridir. Ayrıca dünya çapında ölüm ve sakatlıkların da en önde gelen sebeplerindendir (WHO, 2019). Kronik hastalıklar bu gibi nedenlerden dolayı sağlık hizmetleri maliyetinde artış yaratmaktadırlar. Buna ek olarak sağlık hizmetlerinde hasta merkezli yaklaşıma doğru bir geçiş başlamış olmasına rağmen, küresel sağlık sistemi henüz hastane odaklıdır. Hastane odaklı sistem akut (hızlı başlayan ya da kısa süreli hastalıklar) bakım gerektiren ciddi sağlık olaylarıyla ilgilenmede başarılı olsa da komplike ve uzun vadede tedavi gerektiren kronik hastalıklarla mücadelede yetersizdir. Çünkü genel sağlık sisteminde hastaneler çok sayıda kronik hastaya aynı anda sağlık hizmeti sunabilmek üzere tasarlanmamıştır (PwC, 2017). Bu bağlamda kronik hastalıkların önlenmesi ve kontrolü için geniş kapsamlı tedavi programları oluşturulmadığı takdirde kronik sağlık sorunları dünya nüfusunun önemli bir bölümünü olumsuz yönde etkilemeye devam edecektir.

Kablosuz ağ teknolojileri, nesnelerin interneti (IoT) ve mobil sağlık uygulamaları gibi yeni nesil teknolojilerle beraber sağlık ekosistemi içinde halihazırda devam eden dönüşüm daha da hızlanmıştır. Ancak bu ekosistemdeki sürdürülebilirlik sorunları nedeniyle yenilikçi, güvenilir, verimli ve hasta odaklı çözüm arayışları da küresel sağlık sektörünü mali baskı altına almaktadır. 1970’lerden bugüne dek de ülkelerin ekonomik büyüme ve gelişiminde sağlık harcamalarının önemi gün geçtikçe artmaktadır (Demir ve Tanyıldızı, 2017: 89). Öyle ki 70’lerden günümüze dek geçen süreçte de birçok ülkenin yapmış olduğu sağlık harcamaları bu ülkelerin milli gelirinden daha hızlı bir artış göstermiştir. Dolayısıyla bu ülkelerin gelirinden/bütçesinden sağlık harcamalarına daha fazla pay ayrılması gerekmektedir. WHO tarafından 2018 yılında yayımlanan Public Spending on Health: A Closer Look at Global Trends (Sağlıkta Kamu Harcamaları: Küresel Eğilimlere Yakından Bakış) adlı raporda 2016’da, dünyada sağlığa 7,5 trilyon Amerikan doları harcandığı ifade edilmekte ve bu rakamın küresel GSYİH’nın (Gayri Safi Yurt İçi Hasıla) yaklaşık %10’unu temsil ettiği belirtilmektedir. Buna ek olarak ABD’de kişi başına düşen sağlık harcaması yıllık ortalama 1,000 dolar civarındayken bu rakamın geri kalan dünya ülkelerinde ise 350 doların altında olduğu görülmektedir (Xu, vd., 2018: 3).

3. Sağlıkta Yapay Zekâ ve Bilişim TeknolojileriGelişmekte olan ülkelerde halkın %75’i kırsal alanlarda yaşamaktadır ve küresel nüfusun büyük bir bölümü de temel sağlık hizmetlerine erişimde ciddi zorluklarla karşı karşıyadır. Ayrıca dünya genelindeki çeşitli sağlık kurumları ve hastanelerde de 7 milyon sağlık personeli eksiği bulunmaktadır (ADA Health GmbH, 2019). Buna ek olarak Ekonomik Kalkınma ve İş Birliği Örgütü (OECD) 2019 Sağlık Raporu verilerine göre de 2017 yılı itibariyle Türkiye, Güney Kore, Japonya, Polonya ve Meksika’da 1000 kişi başına düşen doktor ortalaması 2.5 veya daha az olarak belirlenmiştir (OECD, 2019: 170). Bu ortalama, nüfus yoğunluğu açısından dünyanın en büyük ikinci kıtası olan Afrika kıtasında ise çok daha düşüktür (WHO, 2019). Ancak dünyada 1000 kişi başına düşen sağlık personeli sayısı sadece düşük ve orta gelirli ülkelerde görülen bir sağlık sorunu olmanın yanında Japonya gibi gelişmiş birçok ülke açısından da problem teşkil etmektedir. Bu bağlamda dünya çapında artan yaşlı nüfus, sağlık

çalışanı eksikliği ve kronik hastalıklar sağlık sektörünü yeni çözümler üretmeye yönlendirmektedir. Bu bağlamda teknoloji de her gün binlerce insanın hayatını kurtarabilmek için zamana karşı yarışan sağlık profesyonelleri ve sağlığına tekrar kavuşmak isteyen hastalar açısından vazgeçilemez bir gerekliliktir. Bu nedenle maliyet etkin ve sürdürülebilir sağlık hizmeti modelleri geliştirilmesi kapsamında teknolojinin önemi büyüktür. Günümüzde sağlık hizmetlerine duyulan ihtiyaç ve talebin katlanarak atmasına rağmen bunları karşılayacak sayıda sağlık çalışanın olmaması küresel sağlık sektörünün en büyük sorunlarından birisidir. Bu sorunun giderilebilmesi noktasında da YZ ve bilişim teknolojileri sağlık sektörünün imdadına yetişmektedir. Bu kapsamda sağlık alanında bilişim teknolojileri ve YZ uygulamalarının yaygınlaştırılması ile daha fazla işin daha az kaynakla gerçekleştirilmesi hedeflenmektedir (Birinci, 2019: 32). Bu doğrultuda Google, Amazon, IBM, Webtunix, Babylon Health, Ada Health ve bunlar gibi daha pek çok irili ufaklı organizasyon sağlık alanına yatırım yapmakta ve sektöre gelişmiş sağlık hizmeti araçları sunmaktadır.

ABD merkezli dünyanın önde gelen bilişim teknolojisi şirketlerinden biri olan IBM tarafından geliştirilen YZ programı Watson Health, sağlık alanındaki en önemli YZ atılımlarından biridir ve bugün dünya çapında 270’den fazla hastanede çeşitli kanser türlerinin teşhis edilmesi amacıyla aktif olarak kullanılmaktadır. IBM Watson Health, daha akıllı sağlık eko sistemleri oluşturmak amacıyla tasarlanmıştır ve temelde veri, matematiksel-mantıksal analiz ve YZ aracılığıyla çeşitli hastalıkların teşhis edilmesine olanak tanımaktadır. IBM Watson Health, mesleğinde uzman insaları artırılmış zekayla birleştirerek, dünyanın dört bir tarafındaki sağlık uzmanları ve araştırmacıların görev yaptıkları hastane veya sağlık kuruluşlarında daha bilinçli kararlar alabilmeleri için veri ve bilgiyi içgörülere dönüştürmelerine katkı sağlamaktadır. Kısacası IBM Watson, YZ altyapısını kullanarak karmaşık ve dağınık yapıdaki sağlık verilerini analiz edip bunlardan anlamlı sonuçlar elde edip, bulgular arasında bağlantı kurarak doktorlara, hastalarının hastalıklarına ilişkin muhtemel kestirimleri (tahmin) sunmaktadır. Duruma daha farklı bir perspektiften bakıldığında ise; medikal verilerin 2020 yılına kadar her 73 günde bir ikiye katlanması beklenmekte ve günümüzde yaşayan herhangi bir kişinin de hayatı boyunca 300 milyon kitabı dolduracak kadar çok sağlık verisi üretebileceği tahmin edilmektedir. Dolayısıyla hekimlerin bu hızda ve miktarda artan veriyi takip etmeside imkansızdır (IBM, 2019). Bu nedenle IBM Watson gibi dijital hekim olarak adlandırılabilecek YZ tabanlı sistemlerin sağlığın geliştirilmesi açısından önemi daha net şekilde ortaya çıkmaktadır.

Birleşik Krallık menşeli Babylon Health firması tarafından sağlık sektörünün kullanımına sunulan diğer bir yenilikçi YZ uygulaması da sohbet botu formunda geliştirilen Babylon Health sanal doktorudur. Kişiler YZ tabanlı bu sanal doktor aplikasyonunu akıllı telefon ya da tablet gibi mobil cihazlarına indirerek ya da doğrudan uygulamanın web sitesi üzerinden kullanabilmektedirler. Hastalar Babylon Health uygulaması üzerinden 7/24 randevu alabilme ve gerçek hekimlerle anlık olarak yazılı, sözlü ve görüntülü olarak iletişime geçebilme imkanlarına sahiptir. Ayrıca kişiler YZ’lı Babylon Health sanal doktoruyla uygulama üzerinden mesajlaşarak ya da konuşarak kendi kendilerine teşhis de koydurabilmektedir. Buna ilaveten hasta adına düzenlenen reçeteler de yine bu uygulama üzerinden hastaya o an en yakın eczaneye otomatik olarak gönderilebilmektedir. Ayrıca uygulamayı kullanan hastalar ve doktorlar yine Babylon Health uygulaması üzerinden daha önceki muayenelerin görüntü ve ses kayıtlarına da saniyeler içinde erişim sağlayabilmektedirler (Babylon Health, 2019). Dünyanın en büyük dijital sağlık hizmeti tedarikçilerinden biri olan Babylon ile günlük etkileşeme giren hasta sayısı 2,500 kişinin üzerindedir. Bunun yanı sıra Birleşik Krallık’taki her 100 kişiden 1’i Babylon uygulamasını akıllı cep telefonuna indirmiş durumdadır ve sisteme günde ortalama 2000 kişide kayıt olmaktadır. Ayrıca Babylon, 300.000’den fazla sisteme kayıtlı üyesinin sağlık bilgilerini de veri tabanında depolamaktadır (Babylon Health, 2016: 3-15).

ADA, Almanya merkezli ADA Health GmbH firması tarafından temelleri atılmış bir belirti kontrol uygulamasıdır. Bu uygulama doktorlar, bilim insanları ve endüstri öncüleri tarafından geliştirilmiş YZ tabanlı kişiselleştirilmiş bir sağlık aplikasyonudur. ADA’nın çekirdek sistemi bireylerin kendi sağlıklarını aktif bir şekilde yönetebilmesi ve sağlık profesyonellerinin hastalara daha iyi sağlık hizmeti sunabilmesine yardımcı olmak amacıyla tıbbi bilgileri akıllı teknolojiyle birleştirmektedir. ADA, 2016 yılında yapılan küresel lansmanının ardından bugün kullanıldığı 140 ülkenin 1 numaralı tıbbi mobil

aplikasyonu konumuna yükselmiştir. 7 farklı dilde kullanıcılara hizmet sunabilen bu uygulamanın algoritmasına her gün yaklaşık 45.000 vaka girilmektedir ve ADA bugüne kadar 15 milyon sağlık değerlendirmesi tamamlamıştır. Ayrıca uygulamanın günümüzde yaklaşık 8 milyon kullanıcısı bulunmaktadır (ADA Health GmbH, 2019). YZ tabanlı bu uygulama sağlıkla ilgili konularda yapılan internet araştırmalarında, kişilere Google sonuçlarından öğrenebileceklerinden daha iyi ve daha güvenilir bilgiler vermek üzere tasarlanmıştır. Kişiler bu uygulamayı Apple App Store ya da Google Play Store gibi çevrimiçi mağazalardan akıllı telefonlarına ücretsiz olarak indirip kullanmaya başlayabilmektedir. Uygulamayı indiren kişiler uygulamayı açtıktan sonra yaş ve cinsiyetlerini seçip ardından ağrı veya öksürük gibi bir semptomlarını da sisteme girerler. Daha sonra makine öğrenmesiyle çalışan bir sohbet botu da kişilerin verdiği bilgileri değerlendirip belirtinin ne kadar sürdüğü vb. gibi birkaç temel soruyu hastaya sorar. ADA bot ve hasta arasında gerçekleşen bu kısa sohbetten sonra hasta sağlık sorunlarına neyin sebep olabileceğinin gösterildiği başka bir ekrana yönlendirilir. Bu ekranda ADA, hastanın yaşı ve cinsiyetine uygun sonuçları hastaya listeler. ADA’nın hastalarla etkileşiminin ardından yaptığı hastalık teşhisleri yüzbinlerce kişinin sağlık verisinin içinde bulunduğu oldukça geniş ve her gün daha da genişleyen bir veri tabanına dayanmaktadır. Özet olarak YZ tabanlı ADA vb. uygulamalar basit sağlık sorunlarının çözümünde hastaların fiziksel olarak bir hastaneye gidip doktora muayene olma zorunluluğunu ortadan kaldırabilmektedir.

Alexa, çok uluslu bir elektronik ticaret (e-ticaret) ve bulut bilişim şirketi olan Amazon Inc tarafından geliştirilmiş YZ’lı bir sanal asistandır. Başka bir deyişle Alexa, Amazon’un ve üçüncü taraf elektronik cihaz üreticilerinin 100 milyondan fazla cihazında bulunan bulut tabanlı bir ses hizmetidir (Amazon Alexa, 2019).Alexa, Amazon Echo ile birlikte kullanılmaktadır. Amazon Echo, kullanıcıların Alexa adlı ses kontrollü kişisel/sanal asistana bağlanmalarını sağlayan akıllı hoparlör ve cihazları ifade etmektedir. Alexa sanal asistanın kişilerin hayatını kolaylaştırabilecek pek çok becerisi bulunmaktadır. Alexa becerileri, Alexa özellikli cihazlar ile çeşitli görevleri yapabilmek için kullanılabilecek uygulamaları ifade etmektedir. Örneğin diyabet gibi kronik bir hastalığa sahip kişiler Wellpepper firması tarafından tasarlanan Sugarpod cihazını kullanarak diyabet ayak ülserlerini herhangi bir hastaneye gitmeden kendi kendilerine kontrol etmelerine yardımcı olmaktadır. Sugarpod sesli komutla çalışan bir elektronik ayak tarama cihazıdır. Alexa’da gerçek zamanlı işletim sistemi kullanan Sugarpod cihazında gömülü bir yazılım olarak çalışmaktadır. Yani bulut tabanlı Alexa sanal asistanı Sugarpod ayak tarama cihazını kontrol eden yazılımdır ve diyabet hastası kişi ayaklarını Sugarpod cihazında taratırken bu cihaz hastanın ayaklarındaki diyabetik ayak ülserlerini otomatik olarak kontrol edip hastanın ayaklarında herhangi bir sorun olup olmadığını hastaya sesli şekilde bildirmektedir (Wellpepper, 2017). Bu bağlamda Alexa özellikli akıllı cihazlar sağlık kurumlarında önceden belirlenmiş stratejik noktalara yerleştirilerek hastalara ve sağlık çalışanlarına yardımcı olmak amacıyla kullanılabilirler. Sağlık sektöründe Alexa için geliştirilen bazı uygulamalar sayesinde Alexa’nın başlıca kullanım alanlarından bazıları da kısaca şöyle sıralanabilir: İlaç alımında yaşlılara yardım etmek, hastanede etkileşimin geliştirilmesi (hastalar hastanede yatılı olarak tedavi olurken Alexa ile konuşarak hemşireyi aramasını isteyebilir veya televizyonu açıp kapatmasını, kanalı değiştirmesini isteyebilirsiniz. Ayrıca pek çok uzman ses teknolojisinin etkileşimli doğası gereği Alexa’nın bazı hastaların yalnızlığını azaltabileceğini düşünmektedir): Tansiyon yönetimi, canlı ilk yardım derslerine erişim sağlama, hastaneye gitmeden önce hastane hakkında canlı bilgi almak, daha sağlıklı bir yaşam için sağlık tavsiyeleri almak, Alexa’dan bazı sağlık konuları hakkında teşhis ve önerilerde bulunmasını istemek vb. (Bulgaru, 2019). Özet olarak, kullanıcılar bir Alexa cihazını handsfree (eller serbest) şekilde sadece sesleriyle kontrol edebilirler. Alexa’nın hem gelişmiş hem de kolay kullanılabilen bir YZ teknolojisi olması nedeniyle bazı ülkeler Alexa uygulamasını ulusal sağlık sistemlerine de entegre etme yolunda önemli çalışmalar yürütmektedir. Bu kapsamda yürütülen çalışmalara Amazon ile Birleşik Krallık Ulusal Sağlık Servisi (NHS) arasında imzalanan anlaşma örnek olarak gösterilebilir. NHS ile Amazon arasında kurulan bu ortaklık ile Birleşik Krallık’taki yaşlılar, görme engelliler ve geleneksel yöntemlerle internete erişemeyen kişilerin NHS onaylı sağlık bilgilerine basit sesli komutlar kullanarak hızlıca ulaşabilmeleri hedeflenmektedir. Bu bağlamda da Amazon’un algoritması, Alexa’ya sorulan ‘‘Alexa, migreni nasıl tedavi edebilirim?’’, ‘‘Alexa, grip belirtileri nelerdir?’’, ‘‘Alexa suçiçeği belirtileri nelerdir?’’ gibi sesli sorulara cevap vermek için NHS web sitesindeki bilgileri kullanmaktadır. Ayrıca NHS, Alexa teknolojisinin Birleşik Krallık’taki pratisyen hekimler üzerinde artan baskıyı azaltacağına ve

2020 yılına kadar tüm aramaların yarısının da ses destekli teknoloji ile yapılacağını öngörmektedir (GOV.UK, 2019).Son yıllarda sağlık kuruluşlarının bir hastalığın ilerleyişini durdurabilmeleri ve birçok hastalığında önlenebilmesi adına sağlık endüstrisinde çok çeşitli bilimsel çalışmalar yürütülmektedir. Bu çalışmalar arasında en göze çarpanlardan bir tanesi de insan vücudunun modellenip dijital bir ikizinin oluşturulması yönünde girişimlerde bulunulan ve Bodylogical olarak adlandırılan bir YZ çalışmasıdır. Bodylogical, PwC (PricewaterhouseCoopers) şirketi tarafından patent başvurusu yapılmış yeni bir sağlık teknolojisidir. Bodylogical, insan vücudundaki eylem ve tepki etkileşimlerini simüle ederek kişilerin gelecekteki sağlıkları hakkında tahmin yürütebilmek amacıyla geliştirilme çalışmalarına başlanılan bir YZ teknolojisidir. İnsan vücudunun işlevlerini yansıtan bir modelleme ve simülasyon platformu olarak ön plana çıkan bu uygulamanın uzun vadede tüm sağlık hizmetlerinin genel maliyetini düşürmede ve temel sağlık hizmetlerine erişimde sorun yaşayan kişilerin sağlık durumlarının uzaktan izlenebilmesine imkân tanıyabileceği öngörülmektedir. Buna ilaveten ilaç şirketleri de klinik denemelerinde bu teknolojiden faydalanarak daha etkili ilaçlar geliştirebileceklerdir (PwC, 2017). Büyük insan kalabalıklarına ait sağlık verilerinin toplanması ve toplanan bu verilerin analiz edilerek gerçekleşmesi muhtemel sağlık sorunlarının belirlenmesi ve bunlara karşı önlemler alınması toplumsal refahın arttırılması ve sağlık sistemleri üzerindeki baskının azaltılması açısından son derece önemlidir. Ancak kalabalık insan topluluklarının dinamik ve sofistike yapısı sağlığa ilişkin tahmin edilebilir modellerin manuel olarak ortaya çıkarılmasını imkânsız hale getirmektedir. Bu nedenle büyük miktarlardaki sağlık verisinin toplanıp analiz edilmesi ile olası anormallikleri ortaya çıkarabilecek bir modelin oluşturulabilmesi ancak makine öğrenmesi (yapay öğrenme) teknolojileriyle mümkün olabilmektedir.Gelişmekte olan ülkelerde halkın %75’i kırsal alanlarda yaşamaktadır ve küresel nüfusun büyük bir bölümü de temel sağlık hizmetlerine erişimde ciddi zorluklarla karşı karşıyadır. Ayrıca dünya genelindeki çeşitli sağlık kurumları ve hastanelerde de 7 milyon sağlık personeli eksiği bulunmaktadır (ADA Health GmbH, 2019). Ekonomik Kalkınma ve İş Birliği Örgütü (OECD) 2019 Sağlık Raporu verilerine göre 2017 yılı itibariyle Türkiye, Güney Kore, Japonya, Polonya ve Meksika’da 1000 kişi başına düşen doktor ortalaması 2.5 veya daha az olarak belirlenmiştir (OECD, 2019: 170). Bu ortalama, nüfus yoğunluğu açısından dünyanın en büyük ikinci kıtası olan Afrika kıtasında ise çok daha düşüktür (WHO, 2019). Ancak dünyada 1000 kişi başına düşen sağlık personeli sayısı sadece düşük ve orta gelirli ülkelerde görülen bir sağlık sorunu olmanın yanında Japonya gibi gelişmiş birçok ülke açısından da problem teşkil etmektedir.

3.1 Klinik ve Yönetimsel Açıdan Yapay Zekânın Sağlıkta Kullanımı YZ teknolojisinin sağlık alanındaki kullanım amaçları genel olarak klinik ve yönetimsel olarak iki ana grupta incelenebilir. Bu bağlamda ilk olarak YZ’nın hangi klinik amaçlarla kullanılabileceği ele alındığında; önleyici sağlık hizmetleri, acil müdahale, halk sağlığı yönetimi, hastalıkların erken teşhisi, sağlık tanılaması, tıbbi görüntüleme ve analiz, test sonuçlarının değerlendirilmesi ve takibi, tedavi ve hastalık yönetimi, robotik cerrahi uygulamaları, tıpta literatür takibi, ilaç kullanımı ve takibi, ilaç geliştirme, hastaya özel tedavi, klinik karar desteği, tedavi sonrası hasta monitörizasyonu ve evde bakım hizmeti gibi konularda kullanılabileceği görülmektedir. YZ’nın sağlık alanındaki yönetimsel kullanım amaçları ise kısaca; maliyet kontrolü, kalite yönetimi, genel sağlık yönetimi, belge yönetimi (hasta dosyaları vs.), kurum personelinin performansını/verimliliğini ölçme, hastane kaynaklarının (fiziki olanaklar, işgücü, malzeme kullanımı vs.) verimli kullanımı, sağlık kurumlarındaki usulsüzlük, hata ve yolsuzlukların tespit edilip engellenmesi.

3.1.1 Klinik Amaçlarla KullanımHalk Sağlığı Yönetimi: Sağlıkta YZ kullanımı koruyucu ve önleyici sağlık hizmetlerinin daha çok kişiye ulaştırılabilmesi açısından çok büyük bir potansiyeli bünyesinde barındırmaktadır. YZ ve tıbbi nesnelerin interneti (IoMT-Internet of Medical Things) teknolojilerinin kişisel sağlık uygulamaları kapsamında giderek daha yoğun şekilde kullanılmaya başlandığı görülmektedir. Buna ek olarak, sağlık bilgi teknolojisi ve klinik araştırma sektörlerinde faaliyet gösteren, çok uluslu beşerî veri bilimi şirketi IQVIA tarafından hazırlanan bir raporda 2017 yılı itibarıyla, Google Play Store/Apple App Store gibi popüler elektronik medya satış/dağıtım platformlarında yer alan mobil sağlık aplikasyonu sayısının da

318.000’in üzerinde olduğu ve her gün yaklaşık 200 yeni aplikasyonunda bu platformlara eklendiği ifade edilmektedir. Ayrıca yine bu raporda, dünya genelinde 340’tan fazla giyilebilir elektronik tüketici cihazının da popüler elektronik medya platformlarında yer alan mobil sağlık uygulamalarından bazılarıyla bütünleşik olarak çalıştığı belirtilmektedir (IQVIA, 2017). Bu bağlamda dijital sağlık hizmetlerinin hasta bakımı üzerindeki etkisi, mobil sağlık uygulamaları ve giyilebilir sensörlerin artan kullanımıyla daha da hızlanmaktadır. Ayrıca 2018 yılında yaklaşık 30 milyar dolar hacminde olan mobil sağlık uygulaması pazar büyüklüğünün de 2023 yılında 100 milyar doların üzerine çıkması beklenmektedir (Research and Markets, 2017). Özetle halk sağlığının izlenmesi ve kamu sağlığını tehdit eden durumların yönetimi açısından YZ ve mobil sağlık uygulamalarının yakın bir gelecekte pek çok ülkedeki sağlık sisteminin vazgeçilemez bir parçası haline gelecektir.Öğrenme yeteneği, akıllı yaşam formlarının en karakterize özelliklerinden biridir. Ancak günümüzde YZ teknolojisinde gelinen son nokta, makinelerin de insanlara benzer şekilde topladıkları verileri yapay sinir ağları yardımıyla işleyerek karmaşık bazı görevleri yerine getirme ve yeni şeyler öğrenebilme yetilerine sahip olabileceklerini gözler önüne sermektedir. Bu bağlamda makine öğrenmesi, derin öğrenme ve veri madenciliği gibi alanlarda kaydedilen ilerlemeyle beraber şu an zaten pek çok alanda gündelik yaşamın parçası haline gelmiş olan YZ’nın gelecekte insan hayatını daha çok şekillendireceğini söylemek mümkündür. Özellikle son yıllarda bilgi ve iletişim teknolojilerindeki gelişmeler sayesinde birçok veri toplama aracının sayısallaşması sonucunda da sağlık alanında üretilen çok büyük miktarlardaki sağlık verisini güvenli bir şekilde saklamak, işlemek ve bu verilere ağ üzerinden fiziksel olarak herhangi bir yerden erişim sağlamak mümkün hale gelmiştir. Tüm bu gelişmelere ek olarak biyolojik zekânın işleyiş şeklinden ilham alan veri bilimcilerin makine öğrenmesi tabanlı YZ sistemlerini daha da geliştirmeleri ile beraber, YZ’nın birçok alanda olduğu gibi küresel sağlık ekosisteminin de vazgeçilmez bir bileşeni haline geldiği görülmektedir. Veri madenciliği, makine öğrenmesi ya da diğer adıyla yapay öğrenmenin büyük veri tabanlarına uygulanması şeklinde tanımlanmaktadır. Bir madenden çıkarılan tonlarca ağırlıktaki malzemenin (taş, toprak vs.) işlenmesiyle az ama değerli miktardaki cevherin elde edilmesi gibi, tıpta da veri madenciliği yapılması yoluyla çok miktardaki sağlık verisinin işlenerek işe yarayan, değerli, gizli kalmış, kullanılabilir bilgilerin açığa çıkarılması mümkündür (Alpaydın, 2018: 2). Bu bağlamda sağlıkta veri madenciliği yapılarak stratejik karar alma süreçlerinde sağlık profesyonellerine yardımcı olabilecek öngörü başarısı yüksek ve tıpta tanı koymaya yarayan sağlık modelleri oluşturulabilmektedir. Dünyada mevcut ortalama nüfus artışının yılda 82 milyon kişi olduğu tahmin edilmekte ve 2030 yılında dünya nüfusunun 8,5 milyarın üzerine çıkması beklenmektedir (Worldometers, 2019). 2019 yılı itibarıyla yaklaşık 83 milyon olan Türkiye nüfusunun da gelecek 10 yıl içerisinde 91 ila 95 milyon arasında bir rakama ulaşacağı öngörülmektedir (TÜİK, 2019). Bu kapsamda dünyada ve Türkiye’deki nüfus artışıyla doğru orantılı olarak sağlık alanında daha büyük veri tabanları oluşacağını söylemek mümkündür. Çünkü geçtiğimiz son 10-20 yılda sağlık verisi miktarında olağanın dışında patlama derecesinde bir artış olduğu gözlemlenmiştir. Bununla ilgili olarak The Medical Futurist web sitesinde paylaşılan bilgilere göre, 2013 yılında sağlık alanında üretilen veri hacminin tahmini olarak 4.4 zettabayta (4.4 trilyon GB) ulaştığı ve bu üstel büyüme oranının 2020 yılına kadar da 10 kat ya da üzerinde bir artışla 44 trilyon GB seviyelerine hatta bununda ötesinde yottobaytlara (mevcut bilgisayar depolama birimleri arasında var olan en büyük depolama birimi-1024 mertebesinde) kadar ulaşabileceği ifade edilmektedir (The Medical Futurist, 2016). Üstelik insan aklının almakta zorlandığı bu büyüklükteki/hacimdeki veri miktarının %80’i herhangi bir veri tabanında bulunmadığı ya da herhangi bir sınıflandırmaya tabi tutulmadığından dolayı da henüz yapılandırılmamış (düzensiz yığınlar şeklinde depolanan veri) vaziyette bulunmaktadır (Huot, 2015). Sağlık alanında hali hazırda var olan ve her gün üretilen yeni datalardan haberdar olmak, son gelişmeleri takip etmek normal bir insanın anlama yeteneği ya da kavrama gücünün ötesindedir (PwC, 2017). Sonuç olarak sağlık alanında oluşan bu büyük veri tabanları ancak bilgisayarlar yardımıyla hızlı bir şekilde incelenip anlamlı/yapılandırılmış bilgilere dönüştürülebilir. Yapay öğrenme, YZ’nın en önemli bileşenlerinden (alt dallarından) biridir. Sürekli farklılaşan bir ortamdaki etmenin zeki olarak vasıflandırılabilmesi için de deneyimlerinden/tecrübelerinden bir şeyler öğrenebilmesi gerekmektedir. Başka bir deyişle yapay öğrenme, bilgisayarların önceki deneyimlerini ve çeşitli örnek verileri kullanarak performansını yükseltecek şekilde programlanmasıdır. Bu bağlamda yapay öğrenme, konuşma tanıma, robotik ve bilgisayarlarla görü

gibi alanlarda birçok sektör açısından sorunları çözme ve aksaklıkları gidermede faydalı olabilecek önemli bir araçtır (Alpaydın, 2018: 2-3).Hastalıkların Erken Teşhisi: Sağlık verileriyle eğitilen makine öğrenimi algoritmalarının bir ürünü olarak ortaya çıkan makine öğrenimi modelleri ve yeni YZ yöntemlerinin geliştirilmesiyle bağlantılı olarak sağlıkta tıp pratiğini değiştiren yeni yaklaşımların ön plana çıktığı görülmektedir (Ahuja, 2019: 1). Son yıllarda öne çıkan bu yaklaşımlar arasında en göze çarpanlardan biri de YZ’nın hastalık teşhisinde kullanılmaya başlanmasıdır. Bu bağlamda tanı süreci yıllarca sürebilecek bazı hastalıkların erken belirlenebilmesine imkan sunması açısından YZ’nın tıpta kullanımı klinik teşhislere hız kazandırma potansiyeline sahiptir. YZ, uzman sağlık profesyonellerinin; kanser, kalp, diyabet, hipertansiyon, göz, alzheimer, parkinson, felç, lösemi, lenfoma, talasemi, trombosit ve çeşitli genetik rahatsızlıklar gibi pek çok hastalığa daha kesin sonuçlarla erken tanı koymasına olanak sunabilmektedir. Örneğin YZ tabanlı-bilgisayar destekli bir algılama algoritması (artificial intelligence-based computer-aided detection algorithm (AI-CAD)) radyoloji uzmanlarının meme kanseri taraması ve tespitinde duyarlılığını arttırmak için kullanılabilmektedir (Watanabe, vd., 2019: 625). Buna ek olarak YZ teknolojileri, kardiyovasküler (kalp-damar hastalıkları) tıpta klinik tahmin, kardiyak görüntüleme analizi ve kalp krizi geçirme riskinin önceden belirlenebilmesi gibi amaçlarla da kullanılabilmektedir (Yan, Zhang, Zang, ve Pu, 2019: 586). ABD’de kurulan Bay Labs firması gelişmekte olan ülkelerdeki tıp uzmanlarının ultrason görüntülerini yorumlayarak kalp hastalıklarını daha iyi tedavi edebilmesi için derin öğrenme yöntemlerini kullanmaktadır. Bu bağlamda da firma kalpte oluşan elektriksel faaliyetlerin incelenmesi amacıyla kullanılan elektrokardiyograf cihazı tarafından oluşturulan elektrokardiyagram grafiklerinin hızlı bir şekilde incelenebilmesine olanak tanıyan YZ tabanlı bir sistem geliştirmiştir. Bu sistem 2016’da ilk kez Kenya’da 1200 çocuğun akut romatizmal ateş hastalığının erken tanısına yönelik olarak kullanılmıştır (Clark, 2016). Bazı kanser türlerinin erken tanısı için benzer çalışmaların bir kısmı da Türk bilim insanları tarafından yürütülmektedir. Maltepe Üniversitesi Kanser ve Kök Hücre Araştırma Merkezi (MÜKKAM) tarafından karaciğerdeki kanserli hücrelerin işlevsel ve yapısal varyasyonları üzerinde gerçekleştirilen araştırmalar kapsamında YZ yardımıyla kanserli hücrelere ilişkin tedavileri kodlayabileyen bir yazılım geliştirildiği duyurulmuştur. Daha sonra bu gelişmeler üzerine MÜKKAM müdürü Ranan Gülhan Aktaş Aktaş tarafından da bu çalışmadan elde edilen ilk verilerin karaciğer kanseri teşhis ve tedavisi açısından umut verici olduğu belirtilmiştir (Medimagazin, 2019). İdiyopatik Pulmoner Arter Hipertansiyonu (İPAH) genelde nadir görülen bir hastalıktır ve bu hastalığa yakalanan kişilerin ameliyat olmaları da cerrahi açıdan yüksek risk taşımaktadır. Pulmoner hipertansiyon hastalığına sahip kişiler eğer tedavi edilmezse sağ kalp yetmezliğine bağlı olarak ortalama üç yıldan daha kısa bir süre içinde hayatlarını kaybetme tehlikesiyle karşı karşıya kalabilmektedirler. Ancak bu hastalığın semptomları spesifik değildir ve hastalık ilerleyene kadar klinik belirtiler açık bir şekilde farkedilemeyebilmektedir. Bu nedenle İPAH hastalığına çoğunlukla ileri evrelerde bir tanı konulabilmektedir. İPAH hastaları damarlara doğrudan ilaç enjekte edilmesi yoluyla veya akciğer nakli yapılarak tedavi edilebilmektedir. Ancak bu süreçte hekimlerin uygun tedavi yöntemini belirleyebilmeleri için, hastaların ne kadar ömürlerinin kaldığına dair geçerli ya da güvenilir bir fikirlerinin olması gerekmektedir. Bu bağlamda yüksek İPAH riski altındaki hastalara daha erken tanı konulabilmesi için belirli sayıda hastadan rutin olarak toplanan sağlık verileriyle YZ tabanlı bir tarama algoritması geliştirmek mümkündür. Kiely ve diğerlerinin çalışması da buna örnek olarak gösterilebilir (Kiely, vd., 2019: 1-9). Buna ek olarak Dawes vd. tarafından 2004 ile 2013 yılları arasında 256 İPAH hastasından alınan veriler kullanılarak retrospektif bir çalışma gerçekleştirilmiştir. Bu araştırmada YZ tabanlı bir yazılım ile 256 hastanın kan testi sonuçları ile kalp MR (Manyetik Rezonans Görüntüleme) taramaları incelenmiştir. 2004-2013 yılları arasında 256 hastaya ait sağlık kayıtları ile YZ tabanlı yazılımdan elde edilen veriler birleştirildiğinde, YZ’nın hastaların ölümüne neden olabilecek anomalileri saptayarak bir yıl sonra hayatta kalabilecek hastaların sayısını %75’in üzerinde bir isabet oranıyla doğru tahmin ettiği görülmektedir (Dawes, vd., 2017: 381). Bu bağlamda YZ ile hastanın ne zaman kalp krizi geçireceğinin belirlenebileceği iddaa edilmektedir. Ayrıca YZ’nın İPAH hastalığına bağlı olarak kişinin ne kadar ömrü kaldığı hakkında doktorlara gerçekçi veriler sunması doktorların da hastaya özel tedavi yöntemleri (çok kısa bir süre yaşacağı düşünülen hastalara daha yoğun bir tedavi uygulama gibi) geliştirebilmesine olanak tanımaktadır.

Tıbbi Görüntüleme ve Analiz: Tıpta teşhis ve tedavi yöntemleri teknolojinin gelişimi ve sağlık endüstrisindeki dijitalleşmeyle bağlantılı olarak yıldan yıla farklılık gösterebilmektedir. Bilhassa son yıllarda YZ, makine öğrenimi, derin öğrenme ve veri madenciliği gibi alanlarda meydana gelen ilerlemeler neticesinde tanı koymada sağlık profesyonellerine destek olabilecek YZ’lı uygulamaların sayısı da her geçen gün artmaktadır. Özellikle muayene sonucunda hekimlerin hastalardan istedikleri MR, tomografi ve röntgen gibi radyolojik görüntülerin yorumlanması noktasında YZ’lı yazılım veya sistemlerin kullanılması tıbbi hataların azaltılması ve zaman tasarrufu açısından önem arz etmektedir. Sağlık hizmetleri açısından teknoloji geliştirme, ürünlerden hizmetlere buradan da çözümlere doğru süratle ilerlemektedir. 2000’li yılların sonlarına kadar yeni medikal ürünlerin geliştirilmesi sağlıkta inovasyon olarak algılanırken mevcut on yıl içerisinde bu bakış açısı bilişim teknolojilerinde yaşanan olumlu gelişmelerin de etkisiyle gerçek zamanlı bilgi akışı ve netice odaklı tıbbi tedavi-bakım olarak algılana gelmiştir. Önümüzdeki on yılda ise bu bakış açısının tıbbi çözümler üzerinde yoğunlaşacağı tahmin edilmektedir. Kısacası sağlık sektörü, gelecek on yılda internete bağlanabilen, veri transferine olanak sunan teknoloji tabanlı ürünlerin, platformların ve çözümlerin bütünleşik olarak çalışabildiği sayısal ve YZ tabanlı teknolojilerin daha ön planda olacağı bir istikamette ilerlemektedir (PwC, 2017). ABD merkezli bir pazar araştırması ve analiz şirketi olan Frost & Sullivan’a göre YZ’nın sağlayacağı klinik destek, tıbbi görüntüleme ve tanı süreçlerini güçlendirecektir. Buna ek olarak, hastanelerde hizmet birimleri arasındaki iş alış süreçlerinde YZ’nın kullanılması daha çok hastaya daha kaliteli hizmet sunumunun da önünü açacaktır. Ayrıca yine Frost & Sullivan tarafından YZ’nın genel olarak tedavi masraflarını %50’lere varan oranda düşürme ve sağlık çıktılarını da %30-%40 oranında iyileştirme potansiyeline sahip olduğu vurgulanmaktadır (Frost & Sullivan, 2016). Radyologlar bilgisayar destekli tanı sistemlerini 1960’lardan beri kullanmaktadır. Ancak algoritma geliştirmedeki ilerlemeler sayısal kaynaklara erişim kolaylığıyla birleştiğinde, YZ’nın radyolojik karar vermede daha yüksek fonksiyonel düzeyde uygulanmasına olanak tanır (King, 2017: 1189). Derin öğrenme büyük miktarda tıbbi veriden faydalı bilgiler elde etmek için çok uygundur ve bu yeni YZ teknolojisi, lezyon (doku bozulması) tespiti yapma, ayırıcı tanı önerme ve ön radyoloji raporları oluşturma potansiyeline sahiptir (Lee, vd., 2017: 571). Bu bağlamda canlıların iç yapısını inceleme maksadıyla kullanılan radyolojik görüntüleme yöntemleri günümüzde hastalıkların tanısı ve tedavisinde hekimlerin en sık başvurdukları tetkik yöntemlerinden biridir. Manyetik rezonans görüntüleme (MRG/MRI-Emar), mamografi, ultrasonografi, bilgisayarlı tomografi, direkt röntgen gibi yöntemler radyolojik görüntüleme yöntemlerinden sadece bir kaçıdır. Bu yöntemlerin ne kadar sık kullanıldığını anlamak amacıyla sadece bir yıl içerisinde gerçekleştirilen tıbbi görüntüleme istatistiklerini incelemek yeterlidir. Bu kapsamda CT (bilgisayarlı tomografi), PET (positron emisyon tomografisi) ve MRI gibi tıbbi görüntüleme teknikleri kullanılarak yapılan muayene sayısı Eurostat (Avrupa İstatistik Ofisi) tarafından 2017 yılında Türkiye’de yaklaşık 16.6 milyon, Fransa’da 12.7 milyon, İtalya’da 5.5 milyon ve İspanya’da da 5.4 milyon olarak açıklanmıştır (Eurostat, 2019). Buna ek olarak NHS tarafından da İngiltere’de Ağustos 2018’den Temmuz 2019’a kadar geçen bir yıllık süre içinde de toplam 45 milyon radyolojik görüntüleme testi yapıldığı istatistiği paylaşılmıştır (NHS, 2019: 4). Buradan da anlaşılacağı üzere tıbbi görüntüleme tekniklerinin tıpta kullanımı hem Türkiye’de hem de dünyada oldukça yaygındır. Ancak radyolojik görüntüler, hekimler tarafından değerlendirilirken ya da raporlanırken düşüncelerin kâğıda tam olarak aktarılamaması, iletişim eksiklikleri, zaman kısıtı, yanlış tetkik, yetersiz ekipman, hastanın önceki tetkiklerine ulaşılamaması ya da hastaya ait eski radyoloji raporunda yazan sonucun etkisinde kalma gibi yanılgılar nedeniyle (Kaya, 2017: 7) hastalara yanlış tedavi uygulanabilmekte veya yanlış ilaçlar reçete edilebilmektedir. YZ’nın tıbbi görüntüleme açısından devreye girdiği nokta da tam olarak burasıdır. Çünkü radyolojik görüntüleri işleyen YZ sistemlerinin klinik bulgular, raporlar ve medikal görüntülerle eğitilerek hastalıkların en doğru şekilde teşhis ve tedavi edilebilmesi amaçlanmaktadır. Bu bağlamda ABD’de kurulan Arterys şirketi’de görüntü tanıma ve işleme işleme gibi derin öğrenme tekniklerinden faydalanarak hastalara ait radyografik görüntüleri radyologlardan daha kısa sürede, daha yüksek doğrulukla analiz edebilecek YZ’lı teknolojiler üzerinde çalışmaktadır. Şirket bu bağlamda ventrikülleri (organların içindeki küçük boşluklar/karıncık) otomatik olarak, deneyimli doktorlar tarafından yapılan manuel ölçümler kadar doğru bir şekilde ölçüp, segmentlere ayırabilecek bir YZ teknolojisi geliştirmek için çaba harcamaktadır. Bunun içinde derin öğrenme YZ’sını bilgisayar grefiklerini işleme ve göstermekte CPU’nun (merkezi işlem birimi/herhangi bir akıllı cihazın beyni gibi düşünülebilir) tek başına yetersiz

kalması sonucu CPU’ya ek işlem gücü sağlamak amacıyla bulut GPU’lar (grafik işlemci üniteleri) ile güçlendirmeye çalışmaktadır. Şirketin bu teknolojisi klinik bir ortamda bulut bilişim ve derin öğrenmeden yararlanmak için ABD’de FDA’dan (Food and Drug Administration/Amerikan Gıda ve İlaç Dairesi) izin almayı da başarmıştır (Arterys, 2019). Bu bağlamda yakın bir gelecekte YZ sayesinde tıbbi görüntülerin değerlendirilmesi için harcanan sürenin önemli ölçüde kısalacağı öngörüsünde bulunulabilir. Ayrıca yorumlama süresinin kısalması sağlık sisteminde zamandan tasarruf sağlanmasına, verimliliğin arttırılmasına ve masrafların da azaltılmasına katkıda bulunabilir. Sonuç olarak röntgen ışınlarını bulan Wilhelm Conrad Röntgen’den bu yana radyoloji pratiğini her şeyden daha çok değiştirecek teknolojinin YZ olduğu ve YZ’nın radyolojiyi diğer tıbbi alanlardan daha hızlı bir şekilde etkileyeceği düşünülmektedir. Bu nedenle de radyologların makine öğrenmesi ve derin öğrenme sistemlerinin temel ilkelerini ve bu sistemleri eğitmek için kullanılan veri setlerinin de sınırlamaları hakkında bilgi sahibi olmaları kendilerini güncelleyebilmeleri açısından son derece önemlidir (Pesapane, Codari ve Sardanelli, 2018: 8). Bu bağlamda tıpta dijital dönüşümün ön safhalarında yer alan radyoloji uzmanları, günümüzde YZ’nın sağlık alanında kullanılmasına rehberlik edebilirler.Robotik Cerrahi: Robot yardımlı cerrahi bir uygulamanın ilk belgelenmiş kullanımı, 1985’te PUMA 560 robotik cerrahi kolunun laparoskopik olmayan (ameliyat esnasında vücut içinde mini kamera benzeri herhangi bir cihazla görüntüleme yapılmadan) hassas bir beyin cerrahisi biyopsisi (tanı amacıyla hastadan doku örneği alınması) esnasında kullanımıdır (Kwoh, Hou, Jonckheere ve Hayati, 1988: 153). 2000 yılında FDA’nın bir sezgisel cerrahi teknolojisi olan da Vinci robotik cerrahi sisteminin laparoskopik uygulamalarda kullanımına izin vermesinin ardından günümüze kadar geçen yaklaşık 20 yıllık süreçte de robotik cerrahi küresel çapta süratle yaygınlaşmıştır (Erbin, Özgör ve Binbay, 2016: 127). Günümüzde master-slave sistemi cerrahi alanda en yaygın şekilde kullanılan robotik sistem kontrol modelidir. Bu kontrol sistemi sayesinde doktor uzaktan kumanda konsoluyla robotu yönlendirebilmektedir. Robotik sistemlere entegre dual 3-chip kameralar ile elde edilen görüntülerin yüksek çözürlüklü olarak büyütülebilmesi ve üç boyutlu görüntülerin elde edilmesi sayesinde de cerrahlar anatomik detayları daha detaylı şekilde görebilmektedirler. Böylece doktorlar vücut içinde elle ulaşılması çok zor olan bölgelere EndoWrist (çok yönde haraket kabiliyeti) teknolojisiyle donatılan hassas robot kollar sayesinde kolaylıkla erişilebilmektedir. Bu sayede bilhassa fazlaca rekonstriksiyon yapılması gerekli olan ameliyatlarda robotlar cerrahlara çok önemli avantajlar sağlayabilmektedir. Robotik cerrahinin diğer en önemli kazanımlarından biride elle gerçekleştirilen laparoskopik ameliyatlarda cerrahın el titremesi sebebiyle görülebilecek komplikasyonların önlenebilmesidir (Erbin, Özgör ve Binbay, 2016: 128). Robotik cerrahi uygulamalarında kullanılan kameralar ve diğer entegre sistemlerin yüksek çözünürlüklü görüntüler, derinlik algısı, el titremelerini önleme ve cerrahlara esnek haraket kabiliyeti sunması gibi özellikleri tele cerrahi alanının da gelişmesine katkı sağlamaktadır. 2001 yılında yüksek hızlı karasal ağ (ATM) bağlantısıyla Fransa’nın Strazburg kentinde yaşayan 68 yaşındaki bir kadın, ABD’nin New York şehrinde bulunan doktorlar tarafından ameliyat edilmesi tele cerrahi alanında da robotların ne kadar etkili olabileceklerini kanıtlar niteliktedir (Marescaux, vd., 2002: 487). Bu bağlamda kıtalar arası ameliyat yapılmasına olanak tanıyan ve uzaktan kontrol edilebilen cerrahi robotların YZ teknolojileriyle donatılması da geleceğin cerrahi pratiklerinin klasik yöntemlerden çok farklı bir yönde gelişim göstermesine sebep olabileceği öngörüsünde bulunulabilir.Science Translational Medicine’da Shademan vd. tarafından yayımlanan bir makaleye göre ABD’de bulunan John Hopkins Üniversitesi ile Children’s National Hospital’dan bazı araştırmacıların ortaklaşa yürüttükleri bir çalışmanın sonucu olarak deneyleri başarıyla geçerek kendi kendine doku ameliyatı yapabilen Smart Tissue Autonomous Robot (STAR) isminde bir cerrahi robot geliştirildiği açıklanmaktadır (Shademan, vd., 2016: 337). STAR, insanlar tarafından gerçek zamanlı kontrol edilen ve özellikle tıpta alt uzmanlık dallarında olağan hale gelen geleneksel cerrahi robotların aksine bir dizi görsel ve dokunsal sensörden girdi/veri alarak YZ algoritmalarıyla kontrol edilmektedir (Panesar, vd., 2019: 223). Ancak kavram ispatlama sürecinde olan bu cerrahi robot/teknoloji henüz aktif bir şekilde ameliyathanelerde kullanılmamaktadır. Özetle, YZ tabanlı robotik cerrahi henüz başlangıç aşamasındadır ve cerrahi operasyonlar halen uzman hekimler tarafından gerçekleşmektedir. Cerrahların yerini YZ’lı robotların alacağı yönünde görüşler olsa da bu uzun yıllar sonunda gerçekleşmesi muhtemel bir durumdur. Ancak cerrahi robotların gelecekte daha kompakt olabileceği

ve maliyetlerinin de düşürülmesiyle tüm dünyada daha da yaygınlaşacağı yönündeki görüşler gerçekleşme ihtimali oldukça yüksek olan ihtimallerdir.İlaç Tedavisi Monitörizasyonu ve Yeni İlaç Geliştirme: WHO, bireylerin klinik sonuçlarına ve kişisel özelliklerine göre doğru ilacı, doğru doz ve sürede, makul fiyatla rahatlıkla sağlayabilmelerini akılcı ilaç kullanımı olarak tanımlamaktadır (WHO, 2019). İlaç tedavisi hastanın mevcut sağlık şikayetlerinin hafifletilmesi ve zaman içinde iyileşerek sağlığına kavuşabilmesi amacıyla uygulanan bir tedavi yöntemidir. Bu bağlamda hastaların uygun dozda ilacı uygun zamanda almaları gerekmektedir. Bu çerçevede YZ hastaların ilaç kullanımının gerçek zamanlı olarak monitörizasyonu ve anomalilerin saptanması amacıyla kullanılmaktadır. ABD merkezli bir YZ ve veri analizi şirketi olan AiCure da; hastalar, hastalıklar ve tedavi arasında bir bağlantı kurabilmek için ses, görüntü ve davranışsal verileri yakalayıp anlamlandırabilen YZ’lı bir yazılım geliştirmiştir. YZ platformu AiCure herhangi bir akıllı mobil cihaza uygulama olarak indirilebilen bu yazılımla ilaç alımını görsel olarak doğrulamak için YZ’yı kullanmaktadır. Bu sistemin çalışma prensibi yüz tanıma, nesne takip ve bilgisayarla görme algoritmalarının hastanın yüzünü ve ilacı tanımlayarak doğru ilacın doğru zamanda alınıp alınmadığının onaylanması şeklindedir (Bain, vd., 2017: 2); (AiCure, 2019). Özetle dijital ilaç çağında YZ tabanlı mobil sağlık uygulamalarının yaygınlaşması kişilerin yaşamını kolaylaştırırken sağlık sektöründe yeni iş modelleri ve fikirlerinde tetikleyicisi olacaktır.İlaç endüstrisi, ilaç geliştirmedeki yüksek yıpranma oranlarının üstesinden gelme noktasında zorluklarla karşı karşıyadır. Bu nedenle ilaç endüstrisi hem zorlukların üstesinden gelmek hem farklı ilaçların birbiriyle olan etkileşimlerini önleyebilmek hemde ilaç geliştirme süreçlerinin etkinliğini arttırabilmek amacıyla YZ endüstrisiyle iş birliği yapmaya başlamıştır (Mak ve Pichika, 2019: 773). Bu bağlamda küresel bir salgın potansiyeline sahip olan Batı Afrika Ebola virüsünün enfeksiyonlarına karşı bir tedavi geliştirebilmek amacıyla Toronto Üniversitesi ile IBM arasında kurulan ortaklığın bir sonucu olarak Atomwise şirketi kurulmuştur. Bu şirket istatistiksel bir yaklaşımla ilaç keşfi uygulamaları için derin öğrenmenin bir parçası olan evrişimli sinir ağları tekniğini kullanarak birçok vakayı ve ilacı inceleyerek Ebola ile mücadelede, ebola infektivitesini (ebola olarak adlandırılan mikroorganizmaların insan dokularına yerleşip üreyebilme kabiliyetinin ölçüsü) önemli oranda azaltabilecek bazı ilaçlar geliştirmeyi başarmıştır (Atomwise, 2015). Sonuç olarak konvansiyonel yöntemlerle yapıldığında yıllarca sürebilecek bu ve benzeri çalışmaların YZ sayesinde çok daha kısa sürede gerçekleştirilebildiğini söylemek mümkündür.

3.1.2 Yönetsel Amaçlarla KullanımGenel Sağlık Yönetimi: Günümüz sağlık sektörü bilgilerin hem yapısal hem de içerik açısından sürekli değişime uğradığı dijital bir dönüşüm sürecinin içerisindedir. Bu bağlamda sağlık sistemi strateji ve politikalarına ilişkin alınacak idari kararların özünde de verinin analiz edilmesi sonucu elde edilen bilgiler yer almaktadır (Koyuncugil ve Özgülbaş, 2009: 21). Doğru, güvenilir ve güncel verilerin elde edilmesi de ancak sağlık bilgi sistemlerinin sağlık kurum ve kuruluşları tarafından etkin bir şekilde kullanılıyor olmasına bağlıdır. Bu çerçevede T.C. Sağlık Bakanlığı (SB) tarafından 2003’te başlatılan Sağlıkta Dönüşüm Projesi (SDP) kapsamında hayata geçirilen Elektronik Sağlık Kaydı Sistemi, Ulusal Sağlık Veri Sözlüğü ve Minimum Veri Setleri gibi uygulamalar da ülkemizde sağlık strateji ve politikaları oluşturulmasında gerekli verilerin toplanmasını sağlamaktadır. Buna ek olarak SB Turboard, Oracle, Microsoft gibi iş zekâsı çözümleri sunan organizasyonlarla iş birliği halindedir ve bu platformlar Türkiye’deki sağlık kurumlarında gerçekleşen hasta ve işlem verilerini farklı bilişim sistemleri tarafından kaydedilmiş dahi olsa bir araya getirerek raporlama yapabilmektedir (Aydın, Birinci ve Sıddıkoğlu, 2018: 13). Karar vermeyi kolaylaştırmak ve doğru kararlar alabilmek için farklı kaynaklardan gelen verileri analiz ederek raporlama yapan bu iş zekâsı sistemleri de veri madenciliği ve YZ teknolojilerinden yararlanmaktadır. Özetle YZ’nın doğrudan veya dolaylı olarak ulusal sağlık politikalarının oluşturulmasına etki ettiğini söylemek mümkündür.Belge Yönetimi: Sağlık kurumları genellikle elektronik tıbbi kayıtlarda, elle yazılmış reçetelerde, hasta teşhis raporlarında ve taranmış görüntülerde bulunabilecek çok sayıda hasta verisiyle ilgilenmek zorundadır. Bu bağlamda Microsoft tarafından geliştirilen Microsoft Azure yazılımı sağlık kuruluşlarında bürokratik işlemler ve diğer evrak işleri nedeniyle oluşan ekstra yükü hafifletmede etkili bir araç olarak hizmet etme potansiyeline sahiptir. Makine öğrenmesi özelliklerine sahip Microsoft Azure bir YZ ve bulut platformudur. Bu platform YZ tabanlı bilişsel arama sistemleri ile

hastalara ait tıbbi kayıtların verimli bir şekilde yönetilebilmesi ve hastalara özel kişiselleştirilmiş tedavi planları oluşturabilmesi noktasında sağlık kurumları açısından ideal bir çözüm yöntemidir.Maliyet ve Kalite Yönetimi: Sağlık sektörü büyüdükçe ortaya çıkan yeni tedavi yöntemleri ve maliyetler de yükselmektedir. Ancak maliyet artışının temel nedeni sağlık sektörünün büyümesi ya da yeni tıp teknolojilerinin sağlık kurumları tarafından kullanılması değildir. Bu durumun ana sebebi sağlık kuruluşlarındaki iş akış süreçlerinin ve kaynak planlamasının yeterince iyi şekilde organize edilememesidir (Ocak, Gider, Top ve Akar, 2004: 5). Ayrıca departmanlar ve alt birimler arasındaki iletişimsizlikte sağlık kurumlarının faaliyet planlaması ve gider takibini güçleştirmektedir. Dolayısıyla sağlık kurumları da yüksek maliyetler ve risklerle karşı karşıya kalmaktadır. Ancak sağlıkta dijitalleşme, YZ ve veri madenciliği alanlarındaki gelişmeler bu durumu terse çevirme potansiyeline sahip olmaları bakımından önem arz etmektedirler. Özellikle son yıllarda dijital hastane kavramının ön plana çıkması ve sağlıkta inovasyon yatırımlarının artması hastanelerdeki süreçler ve hastalara dair verileri toplamayı hem kolaylaştırmış hem de hızlandırmıştır. Bunun sonucunda da sağlık kurumlarının YZ, bulut bilişim ve veri madenciliği yöntemlerini kullanarak daha gerçekçi istatistiksel veri analizleri yapabilmesi mümkün hale gelmiştir. Böylece kurumların envanter yönetimi yapması belli standartlar dahilinde daha da basitleşmiş ve hem finans hem de insan kaynaklarının verimli ve etkin şekilde kullanılabilmesinin de önü açılmıştır. Dijital hastane teknolojileri, bilişim teknolojileri ve YZ’lı sistemlerin birbirleriyle entegre hale getirilmeye başlanmasıyla da kayıt dışı giderlerin tespiti, çalışanların performans takibi ve tıbbi hataların azaltılması sağlık kurumlarındaki maliyet ve kalite yönetimi süreçlerinin daha iyi organize edilebilmesine olanak sağlamıştır.Son zamanlarda sağlık sektöründe uzun yıllardır süregelen maliyet ve kalite yönetimi sorunlarının çözümlenmesi için pek çok şirketin yeni teknolojiler geliştirmeye yönelik çalıştığı görülmektedir. ABD’de sağlık hizmetlerinin daha akıllı ve uygun maliyetli sunulabilmesi vizyonu üstüne kurulmuş Lumiata şirketi de YZ’dan yararlanarak bu sorunların çözümü için çalışma yürüten şirketlerden biridir. Şirket bu bağlamda kendi adını taşıyan (Lumiata Makine Öğrenmesi Platformu ve Lumiata Health YZ Maliyet Tahmini) grafik tabanlı bir analitik ve risk tahmin sistemi geliştirmiştir. Lumiata sistemi makine öğrenmesi yönteminden yararlanarak sağlık kurumlarına işletme düzeyinde veri yönetimi çözümleri (sağlık kuruluşunun harcama tahminlerini yönetme, zararı durdurma, hastalık tahmini vs.) sunmaktadır. Şirket, Lumiata Health YZ Maliyet Tahmini sisteminin maliyet, tanı, laboratuvar, eczane ve hasta özellikleri verilerini analiz ederek yaptığı öngörülerin normal ve yüksel maliyetli hastaların sağlık hizmeti maliyetini öngörmede geleneksel yöntemlerden daha doğru sonuçlar ortaya koyduğunu belirtmektedir (Lumiata, 2019: 4). Sonuç olarak, maliyetleri yükseltmeden sağlık hizmetlerinin kalitesini ve hasta memmnuniyetini arttırmada YZ’nın sağlık kurumları açısından giderek daha önemli bir konuma yükseldiği söylenebilir.

Sonuç ve Değerlendirmeler

Global sağlık sektörü; dünyadaki teknolojik ve ekonomik gelişmeler neticesinde büyümeyi sürdürmektedir. Bu büyümeye bağlı olarak hizmet sunumu, ilaç, medikal cihazlar ve sigorta gibi alt sektörlerde her geçen gün daha önemli bir konuma yükselmektedir. İdeal bir sağlık sistemi üç ana boyuttan oluşmaktadır. Kalite, maliyet ve erişim olarak sıralanan bu üç temel boyut ülkelerin kamu sağlığı politikaları ve sektörde yer alan diğer paydaşların gelişmişlik düzeyine bağlı olarak sürekli bir denge arayışı içerisindedir. Ancak giderek artan dünya nüfusunun beraberinde getirdiği altyapı, insan kaynağı ve kronik hastalıklar gibi küresel sağlık sorunları ideal sağlık sisteminin kendi içindeki bu denge arayışını olumsuz etkilemektedir. Bu nedenle politika belirleyiciler sağlık sektöründe ortaya çıkması muhtemel krizlere karşı sürdürülebilir finansal sistemler geliştirme ve uygun maliyetli çözüm yolları bulma arayışı içerisindedir. Bu bağlamda da YZ, medikal nesnelerin interneti, bulut bilişim, büyük veri, geniş bant internet teknolojileri ve mobil sağlık uygulamaları düşük maliyetlerle geniş kitlelere kaliteli sağlık hizmeti sunabilmeyi vaat etmektedir. Günümüz sağlık sektörü bilgi iletişim sistemlerinin hastanelerde birbirleriyle bütünleşik olarak çalıştığı, pek çok tıbbi cihazın bilgi yönetim sistemlerine sensörler ve kablosuz ağlarla veri gönderip alabildiği, bu verilere uzaktan erişim sağlanabildiği, tıbbi görüntülerin YZ teknolojileriyle otomatik olarak analiz edilip yorumlanmasıyla kişiye özel tedavi yöntemlerinin geliştirilebildiği bir teknoloji ve dijital dönüşüm çağının içerisinde yer almaktadır. Dolayısıyla dünya genelindeki sağlık hizmeti

sağlayıcıları ve YZ şirketleri de hem lokal hem de küresel sağlık ihtiyaçlarını karşılamaya yönelik olarak sağlık hizmetlerini kökten değiştirebilecek yeni sağlık modelleri üzerinde çok önemli bazı çalışmalar yürütmektedir. İnsan sağlığını doğrudan ilgilendiren ve sağlık alanındaki iş yapış biçimlerini köklü değişimler yapmaya zorlayan bu çalışmaların merkezinde de istatistiksel ve matematiksel işlemler ile sağlık verileri üzerinden çıkarımlar yaparak gerek hastaların sağlık durumu gerekse de sağlık kuruluşlarının geleceği hakkında tutarlılığı/doğruluğu yüksek tahminlerde bulunabilecek sistemlerin gelişmiş bilgisayarlar ile modellenebilmesi yer almaktadır. Bunun içinde makine öğrenimi, derin öğrenme, bulut ve YZ teknolojileri kullanılarak kendi kendini eğitebilen sistemlerin sağlık sektöründeki payı ve önemi her geçen gün biraz daha artmaktadır. Bunun sonucunda da sağlık hizmetleri sunumunda YZ tabanlı inovasyona dayalı hasta merkezli dijital bir sağlık ekosistemi oluşmaya başladığı görülmektedir. Sonuç olarak sağlık alanında yaşanan tüm bu gelişmeler kapsamında, sağlık hizmeti tüketicileri ve sağlık çalışanlarının bilinçlilik düzeyinde bir artış meydana geleceğini, küresel sağlık sorunlarının önemli bir kısmının sürdürülebilir çözümlere kavuşacağını ve YZ şirketleri ile sağlık kuruluşları arasında yeni Ar-Ge (araştırma-geliştirme) iş birliklerinin artacağını söylemek mümkündür.

KaynakçaADA Health GmbH. (2019). About Ada. 07.12.2019 tarihinde https://ada.com: https://ada.com/about/ adresinden alındıADA Health GmbH. (2019). Our Global Health Initiative. 07.12.2019 tarihinde https://ada.com/: https://ada.com/global-health-initiative/ adresinden alındıAhuja, A. S. (2019). The impact of artificial intelligence in medicine on the future role of the physician. PeerJ, 7: e7702, 1-19. doi:10.7717/peerj.7702 AiCure. (2019). Company. 18.12.2019 tarihinde https://aicure.com: https://aicure.com/company/ adresinden alındıAlpaydın, E. (2018). Yapay Öğrenme (4. b.). İstanbul: Boğaziçi Üniversitesi Yayınevi.Amazon Alexa. (2019). What Is Alexa? 08.12.2019 tarihinde https://developer.amazon.com/: https://developer.amazon.com/en-US/alexa adresinden alındıArterys. (2019). About Us. 16.12.2019 tarihinde www.arterys.com: https://www.arterys.com/about-us/ adresinden alındıAtomwise. (2015). New Ebola Treatment Using Artificial Intelligence. 18.12.2019 tarihinde www.atomwise.com: https://www.atomwise.com/2015/03/24/new-ebola-treatment-using-artificial-intelligence/ adresinden alındıAydın, Ş., Birinci, Ş., & Sıddıkoğlu, D. (2018). Sağlık alanında karar destek sistemleri modeli ve iş zekâsı çözümleri. SD Sağlık Düşüncesi ve Tıp Kültürü Dergisi, Mart-Nisan-Mayıs (46), 12-13.Babylon Health. (2016). NHS general practice powered by babylon. 08.12.2019 tarihinde assets.babylonhealth.com: https://assets.babylonhealth.com/home/babylon-NHS-brochure.pdf adresinden alındıBabylon Health. (2019). Babylon health services. 08.12.2019 tarihinde www.babylonhealth.com: https://www.babylonhealth.com/product adresinden alındıBain, E. E., Shafner, L., Walling, D. P., Othman, A. A., Chuang-Stein, C., Hinkle, J., & Hanina, A. (2017). Use of a Novel Artificial Intelligence Platform on Mobile Devices to Assess Dosing Compliance in a Phase 2 Clinical Trial in Subjects With Schizophrenia. JMIR mHealth and uHealth, 5(2), 1-11. doi:10.2196/mhealth.7030Birinci, Ş. (2019, Mart- Nisan- Mayıs). Sağlıkta yüksek teknoloji. SD Sağlık Düşüncesi ve Tıp Kültürü Dergisi (50), s. 32-35.Bulgaru, I. (2019). 10 ways Alexa is Revolutionizing Healthcare. 08.12.2019 tarihinde https://healthcareweekly.com: https://healthcareweekly.com/alexa-in-healthcare/ adresinden alındıClark, J. (2016). Import AI: Starcraft as the new AI battleground, report from Bay Labs' African expedition, generative models and platonic forms. 13.12.2019 tarihinde https://jack-clark.net: https://us13.campaign-archive.com/?u=67bd06787e84d73db24fb0aa5&id=5e309998a6 adresinden alındıDawes, T. J., Marvao, A. d., Shi, W., Fletcher, T., Watson, G. M., Wharton, J., . . . O’Regan, D. P. (2017). Machine Learning of Threedimensional Right Ventricular Motion Enables Outcome Prediction in

Pulmonary Hypertension: A Cardiac MR Imaging Study. Radiology, 283(2), 381-390. doi:10.1148/radiol.2016161315Deloitte. (2019). 2019 Global health care outlook l Shaping the future. Deloitte. https://www2.deloitte.com/content/dam/Deloitte/global/Documents/Life-Sciences-Health-Care/gx-lshc-hc-outlook-2019.pdf adresinden alındıDemir, Ö., & Tanyıldızı, İ. (2017). Sağlık Harcamalarının Ekonomik Büyüme Üzerine Etkisi. Fırat Üniversitesi. İİBF Uluslararası İktisadi ve İdari Bilimler Dergisi, 1(1), 89-119.Erbin, A., Özgör, F., & Binbay, M. (2016). Robotik Cerrahi: Teknolojik Gelişmeler ve Ürolojik Cerrahideki Yeri. The Medical Bulletin of Haseki, 54(3), 127-132. doi: 10.4274/haseki.3120Eurostat. (2019). Medical technologies- examinations by medical imaging techniques (CT, MRI and PET). 16.12.2019 tarihinde https://appsso.eurostat.ec.europa.eu/: https://appsso.eurostat.ec.europa.eu/nui/submitViewTableAction.do adresinden alındıFrost & Sullivan. (2016). From $600 M to $6 Billion, Artificial Intelligence Systems Poised for Dramatic Market Expansion in Healthcare. 15.12.2019 tarihinde https://ww2.frost.com/: https://ww2.frost.com/news/press-releases/600-m-6-billion-artificial-intelligence-systems-poised-dramatic-market-expansion-healthcare/ adresinden alındıGOV.UK. (2019). NHS health information available through Amazon's Alexa. 08.12.2019 tarihinde https://www.gov.uk: https://www.gov.uk/government/news/nhs-health-information-available-through-amazon-s-alexa adresinden alındıGunn, A. (1976). The diagnosis of acute abdominal pain with computer analysis. Journal of the Royal College of Surgeons of Edinburgh, 21(3), 170-172.Hamet, P., & Tremblay, J. (2017). Artificial intelligence in medicine. Metabolism Journal (69), 36-40. doi:10.1016/j.metabol.2017.01.011Hobbes, T. (2019). Leviathan (19. b.). (S. Lim, Çev.) İstanbul: Yapı Kredi Yayınları.Huot, C. (2015). Big Unstructured Data’s contribution to Healthcare. 12.12.2019 tarihinde https://healthcaredatainstitute.com: https://healthcaredatainstitute.com/2015/02/18/big-unstructured-datas-contribution-to-healthcare/ adresinden alındıIBM. (2019). Watson Health: Get the facts. 07.12.2019 tarihinde www.ibm.com: https://www.ibm.com/watson-health/about/get-the-facts adresinden alındıIQVIA. (2017). The Growing Value of Digital Health. 09.12.2019 tarihinde www.iqvia.com: https://www.iqvia.com/insights/the-iqvia-institute/reports/the-growing-value-of-digital-health adresinden alındıJerz, D. G. (1999). R.U.R. (Rossum's Universal Robots). 05.12.2019 tarihinde https://jerz.setonhill.edu: https://jerz.setonhill.edu/resources/rur/ adresinden alındıKaya, T. (2017). Radyoloji Pratiğinde Yanılgı Nedenleri ve Bunlardan Kaçınma Yolları. Ankara: Türk Radyoloji Derneği.Kiely, D. G., Doyle, O., Drage, E., Jenner, H., Salvatelli, V., Daniels, F. A., . . . Bergemann, R. (2019). Utilising artificial intelligence to determine patients at risk of a rare disease: idiopathic pulmonary arterial hypertension. Pulmonary Circulation, 9(4), 1-9. doi:10.1177/2045894019890549King, B. F. (2017). Guest Editorial: Discovery and Artificial Intelligence. American Journal of Roentgenology, 209(6), 1189-1190. Doi:10.2214/AJR.17.19178Koyuncugil, A. S., & Özgülbaş, N. (2009). Veri Madenciliği: Tıp ve Sağlık Hizmetlerinde Kullanımı ve Uygulamaları. Bilişim Teknolojileri Dergisi, 2(2), 21-32.Kwoh, Y., Hou, J., Jonckheere, E., & Hayati, S. (1988). A robot with improved absolute positioning accuracy for CT guided stereotactic brain surgery. IEEE Transactions on Biomedical Engineering, 35(2), 153-160. doi:10.1109/10.1354Lee, J.-G., Jun, S., Cho, Y.-W., Lee, H., Kim, G. B., Seo, J. B., & Kim, N. (2017). Deep Learning in Medical Imaging: General Overview. Korean Journal of Radiology, 18(4), 570-584. doi:10.3348/kjr.2017.18.4.570Mak, K.-K., & Rao Pichika, M. (2019). Artificial intelligence in drug development: present status and future prospects. Drug Discovery Today, 24(3), 773-780. doi: doi.org/10.1016/j.drudis.2018.11.014Marescaux, J., Leroy, J., Rubino, F., Smith, M., Vix, M., Simone, M., & Mutter, D. (2002). Transcontinental Robot-Assisted Remote Telesurgery: Feasibility and Potential Applications. Annals of Surgery, 235(4), 487-492. doi:10.1097/00000658-200204000-00005

McCarthy, J. (2007). What is Artificial Intelligence? 05.12.2019 tarihinde Stanford University: http://jmc.stanford.edu/articles/whatisai/whatisai.pdf adresinden alındıMedimagazin. (2019). Türk bilim insanları karaciğer kanseri tanı ve tedavisi için yapay zekâ ile yazılım geliştirdi. 13.12.2019 tarihinde http://www.medimagazin.com.tr: http://www.medimagazin.com.tr/guncel/genel/tr-turk-bilim-insanlari-karaciger-kanseri-tani-ve-tedavisi-icin-yapay-zeka-ile-yazilim-gelistirdi-11-681-82689.html adresinden alındıNHS. (2019). Diagnostic Imaging Dataset Statistical Release. NHS England and NHS Improvement. https://www.england.nhs.uk/statistics/wp-content/uploads/sites/2/2019/11/Provisional-Monthly-Diagnostic-Imaging-Dataset-Statistics-2019-11-21.pdf adresinden alındıNilsson, N. J. (2019). Yapay Zekâ Geçmişi ve Geleceği (2. b.). (M. Doğan, Çev.) İstanbul: Boğaziçi Üniversitesi Yayınevi.Ocak, S., Gider, Ö., Top, M., & Akar, Ç. (2004). Muğla Devlet Hastanesi Tomografi Ünitesi Maliyet-Hacim-Kâr Analizi. Hacettepe Üniversitesi Sağlık İdaresi Dergisi, 7(1), 3-38.OECD. (2019). Health at a Glance 2019: OECD Indicators. Paris: OECD Publishing. doi:10.1787/4dd50c09-en.Panesar, S., Cagle, Y., Chander, D., Morey, J., Fernandez-Miranda, J., & Kliot, M. (2019). Artificial Intelligence and the Future of Surgical Robotics. Annals of Surgery, 270(2), 223-226. doi:10.1097/SLA.0000000000003262Pesapane, F., Codari, M., & Sardanelli, F. (2018). Artificial intelligence in medical imaging: threat or opportunity? Radiologists again at the forefront of innovation in medicine. European Radiology Experimenta, 2(35), 1-10. doi:10.1186/s41747-018-0061-6.PwC. (2017). BodylogicalⓇ gives more power to consumers to do more with their health. 09.12.2019 tarihinde www.pwc.com: https://www.pwc.com/us/en/industries/health-industries/library/doublejump/bodylogical-precision.html adresinden alındıPwC. (2017). What doctor? Why AI and robotics will define New Health. PricewaterhouseCoopers. 06.12.2019 tarihinde https://www.pwc.com/lt/lt/assets/document/ai-robotics-new-health.pdf adresinden alındıRamesh, A., Kambhampati, C., Monson, J., & Drew, P. (2004). Artificial intelligence in medicine. Annals of the Royal College of Surgeons of England, 86, 334-338. doi: doi 10.1308/147870804290Rehder, E. (2019). Schachautomat- Der Schachtürke von Wolfgang von Kempelen. 05.12.2019 tarihinde www.schach-chess.com: https://www.schach-chess.com/Schachgeschichte/schachautomat.htm adresinden alındıResearch and Markets. (2017). Mobile Health (mHealth) App Market- Industry Trends, Opportunities and Forecasts to 2023. 09.12.2019 tarihinde www.researchandmarkets.com: https://www.researchandmarkets.com/research/pv554v/28_32_billion?w=5 adresinden alındıRevenue, D. (2019). Artificial Intelligence in Medicine: Data Revenue. 05.12.2019 tarihinde www.datarevenue.com: https://www.datarevenue.com/en-blog/artificial-intelligence-in-medicine adresinden alındıShademan, A., Decker, R. S., Opfermann, J. D., Leonard, S., Krieger, A., & Kim, P. C. (2016). Supervised autonomous robotic soft tissue surgery. Science Translational Medicine, 8(337), 337ra64. doi:10.1126/scitranslmed. aad9398STM ThinkTech. (2019). İleri Sağlık Teknolojileri I- Akıllı Sağlık Uygulamaları ve Veri Analizi ile Sağlık Sorunlarını Tanımlamak. STM Teknolojik Düşünce Merkezi. https://thinktech.stm.com.tr/uploads/raporlar/pdf/2352019164719686_stm_ileri_saglik_teknolojileri_1.pdf adresinden alındıThe Medical Futurist. (2016). Artificial Intelligence Will Redesign Healthcare. 12.12.2019 tarihinde https://medicalfuturist.com: https://medicalfuturist.com/artificial-intelligence-will-redesign-healthcare/ adresinden alındıTuring, A. M. (1950). Computing Machinery and Intelligence. MIND, LIX(236), 433-460. doi:10.1093/mind/LIX.236.433TÜİK. (2019). Temel İstatistikler/Senaryolara Göre Nüfus. 12.12.2019 tarihinde http://tuik.gov.tr: http://tuik.gov.tr/UstMenu.do?metod=temelist adresinden alındı

Watanabe, A. T., Lim, V., Vu, H. X., Chim, R., Weise, E., Liu, J., . . . Comstock, C. E. (2019). Improved Cancer Detection Using Artificial Intelligence: a Retrospective Evaluation of Missed Cancers on Mammography. Journal of Digital Imaging, 32(4), 625-637. doi:10.1007/s10278-019-00192-5Wellpepper. (2017). Sugarpod. 08.12.2019 tarihinde http://sugarpod.io: http://sugarpod.io/ adresinden alındıWHO. (2019). Chronic diseases and health promotion. 06.12.2019 tarihinde www.who.int: https://www.who.int/chp/about/integrated_cd/en/ adresinden alındıWHO. (2019). Essential medicines and health products. 18.12.2019 tarihinde www.who.int: https://www.who.int/medicines/areas/rational_use/en/ adresinden alındıWHO. (2019). Global Health Observatory (GHO) data. 07.12.2019 tarihinde www.who.int: https://www.who.int/gho/health_workforce/physicians_density/en/ adresinden alındıWHO. (2019). Ten threats to global health in 2019. 06.12.2019 tarihinde www.who.int: https://www.who.int/emergencies/ten-threats-to-global-health-in-2019 adresinden alındıWorldometers. (2019). World Population: Past, Present, and Future. 12.12.2019 tarihinde www.worldometers.info: https://www.worldometers.info/world-population/#table-forecast adresinden alındıXu, K., Soucat, A., Kutzin, J., Brindley, C., Maele, N. V., Touré, H., . . . Cherilova, V. (2018). Public Spending on Health: A Closer Look at Global Trends. Geneva (WHO/HIS/HGF/HFWorkingPaper/18.3): World Health Organization. https://apps.who.int/iris/bitstream/handle/10665/276728/WHO-HIS-HGF-HF-WorkingPaper-18.3-eng.pdf?ua=1 adresinden alındıYan, Y., Zhang, J.-W., Zang, G.-Y., & Pu, J. (2019). The primary use of artificial intelligence in cardiovascular diseases: what kind of potential role does artificial intelligence play in future medicine? Journal of Geriatric Cardiology, 16(8), 585-591. doi: 10.11909/j.issn.1671-5411.2019.08.010

4. HCS 2019www.hcs-antalya.org

YALIN BİLİŞİM TEKNOLOJİLERİ

Prof. Dr. Nevzat KahveciBursa Uludağ Üniversitesi Tıp Fakültesi Fizyoloji Anabilim Dalı, Türkiye

ÖZET:

Yalın, sağlık hizmet sunumunu etkisi altına alırken, bilişim teknolojilerinin (BT) de bu değişime eşlik etmesi gerekmektedir. Bilgi, hizmet kalitesinin ve kurumsal etkinlik düzeyinin belirlenmesi, sürdürülmesi ve geliştirilmesinde temel yapıdır. Bilişim Teknolojileri ise; çalışanlar ve yöneticiler için bilgiyi işleyen, saklayan, gerektiğinde aktaran, süreçlerin işleyişini sağlayan teknolojik uygulamalardır.

BT doğru yapılandırıldığında ve kullanıldığında hizmetin kalitesini ve etkinliğini değiştirir. Ancak bir çok kuruluş BT’ni kurum kültürüne ve değer akışına entegre etmekte zorlanmaktadır. Öncelikli olarak BT ve hizmet sürecinin tüm adımlarının bir bütün olduğunu kabullenmek gerekir. Her Yalın süreç bir şekilde BT ile ilişkili olmasına rağmen bilgi işlemciler genellikle ekibin dışında bırakmaktadır. Gerekçe olarak da; teknolojinin esnek olmaması, değişime ve sürekli iyileştirmeye direnç göstermesi sunulmaktadır. Çoğu zaman da sorunun kullanılan araçlardan ya da kişilerden kaynaklandığı öne sürülmektedir. Aslında bilgi işlemciler olmadan tasarlanan hizmet adımları, sürece hiçbir değer katmayacak bazı bilgileri toplama ısrarımız ve belki kullanırız diyerek pek çok veriyi kaydetme isteğimiz gerçek sebeplerdir.

Sağlık hizmetini satın alanlara en yakın olanlar ile hizmet sunumunda ortaya çıkan problemler ve belirsizliklerle uğraşanlar, kurumda sürekli iyileştirme için en iyi konumda olanlardır. Eğer BT ekip üyeleri süreçlerde yer almayıp, sağlık hizmeti alanlar ve sunanlarla arada bir karşılaşıyorlarsa teknolojinin verimli kullanıldığından söz edilemez. Ayrıca BT ekip üyeleri, sahada yapılan toplantılar ve görsel farkındalıklar gibi yalın araçlardan yararlanamazlar.

Bilişim Teknolojilerini yalınlaştırmak için; bütçesini artırmak yerine, hizmet alanlara ve sürecin tüm adımlarına yakın konumlandırmak gerekir. Bilgi işlem çalışanlarının hizmet sunanlar ile düzenli bilgi alışverişinde bulunmalarını ve onların yanında işbaşı eğitim almaları sağlamalıdır.

Sonuç olarak; Bilişim Teknolojilerinin yalınlaştırılması; teknolojik destek ve sürekli bilgi akışı ile iyileştirmeler israfı önlerken kurumda, çalışan ve hasta memnuniyetini ciddi oranda artıracaktır.Anahtar kelimeler: yalın, bilişim

LEAN INFORMATION TECHNOLOGIES

Prof. Dr. Nevzat KahveciBursa Uludağ Üniversitesi Tıp Fakültesi Fizyoloji Anabilim Dalı, Türkiye

ABSTRACT:

As lean gets integrated with the delivery of health care service, information technologies (IT) should also catch up with this evolution. Information is the building block for identification, maintenance and improvement of quality of service and level of institutional effectiveness. IT is composed of technologiclal applications that process, store and transfer the information whenever needed thereby helping proper course of proceeding.Service quality and efficiency change due to correct construction and usage of IT. However, many organizations have difficulty in integrating IT to the organizational culture and value stream. First of

all, it should be accepted that IT and all steps of service process constitute a whole. Although each lean process is in a way related to IT, IT personnel are generally left out of the team. The reason for this is the nonflexible nature of technology and resistance to change and continuous improvement. The problems are generally thought to originate from tools or people. In fact, the service steps that are designed without the the contribution of IT personnel, to insist on gathering information that would not add any value to the stream and to record too many data for possible future use are the real reasons.People who are close to the health care service buyers and people who deal with problems and uncertainty that arise during service delivery are the best team mates for organizational continuous improvement. If IT personnel are not included in the processes and meet the health care providers and buyers only ocassionally, efficient use of technology is impossible. In additon, IT personnel cannot use the lean tools such as field meetings anf visual awareness.For lean transformation of IT, it should be located to areas of service and close to all steps of the process. IT personnels should communicate regularly with service providers and should have on-the-job training.As a result, lean transformation of IT will decrease waste by technological support and continuous information flow and substantially increase personnel and patient satisfaction.Key Words: lean, information

1. GİRİŞ

“Bilgili bir liderlikle desteklenen ve ortak bir amaç doğrusuna sahip çapraz işlevli ekipler, inanılmaz

engellerin üstesinden gelebilir ve sürdürülebilir bir başarıya imza atabilirler.”

Sağlık sistemlerinin giderek büyümesi ve karmaşık hale gelmesi, kurumların artan kaliteli hizmet

verme çabaları, hastaların artan beklentileri, sağlık harcamalarının artışı ve yükselen maliyetler, sağlık

kurumlarının işleyişinde ortaya çıkan bazı aksamalar, hizmet sunumundaki yetersizlikler ve tıbbi

hataların ortaya çıkması güvenilir veri ve bilginin önemini daha fazla ortaya koymaktadır.

Bilgi temeline dayalı bir sektör olarak hizmet veren Sağlık Kuruluşları’nda gereksinim duyulduğu

an bilgiyi sağlayacak sisteminin varlığı kaçınılmazdır.

Veri; bilgi işlem sürecinde hazır, işlenmemiş ham gerçek (çeşitli sembol, harf, rakam ve işaretler)

ve izlenimlerdir.

Bilgi; karar alma sürecine destek sunacak şekilde verilerin anlamlı bir biçime getirilmek üzere,

analiz edilerek işlenmesiyle ulaşılan sonuçlardır.

Üst bilgi; ise spesifik bir amaca yönelik olarak bilgilerin çeşitli analiz, sınıflama ve gruplama

işlemlerinden geçirilerek, ileri zaman diliminde potansiyel olarak kullanıma hazır hale getirilmiş

bilgiler olup bu bilgilerin gelecekte kullanılma potansiyeli olduğu varsayılmaktadır.

Kurumsal Bilgi Yönetim Sistemleri’nin en belirgin özelliği, işletmeyi tüm birimleriyle, bir bütün olarak

yönetebilmeyi sağlamasıdır. Hastanın muayene, teşhis ve tedavi işlemlerinin sürekliliği, hastanenin

kendi hizmetlerini değerlendirmesi, idari planlama, doğru faturalandırma ve adli durumlar için bilgi

kaynağı olarak bütün olarak yönetilmelidir.

BİLİŞİM TEKNOLOJİLERİ

Bilişim; bilginin işlenmesi, saklanması, teknik araçlara en hızlı ve en kolay yoldan iletilerek bilgi

akışının sağlanmasıdır.

Teknoloji; hizmet/üretim faaliyetinde bulunurken insanların kullandığı yol ve yöntemler veya

‘bilimsel bilginin insan yaşamına hizmet amacıyla uygulanması ve kullanılması’ olarak ifade

edilmektedir.

Bilişim teknolojileri;

Tanım 1: Bilgisayarların fiziksel yapısını oluşturan donanım ile donanım faaliyetlerini yönlendirilen

komutlar olarak tanımlanmış ve yazılım ile sınırlandırılmıştır.

Tanım 2: Kurumlarda karar alan yöneticilere bilgi ve veri kazandırarak işletme süreçlerinin

işleyişini sağlayan teknoloji uygulamalarıdır.

Bilişim teknolojileri; “Değer yaratan ve değer katan” bir dizi teknoloji ve araçtan oluşur. Doğru

yapılandırıldığında oyunu değiştirir. Gereksinimlerini doğru belirlemek ve doğru çözümler geliştirmek

için iyi bir örgütlenme ve stratejiye sahip olmak gerekir. Hizmet kalitesi ve kurumsal etkinlik düzeyinin

geliştirilmesinde temel alt yapıdır. Birey, örgüt ve toplumu değişime zorlayan temel güç kaynağıdır.

Birçok kurum bilişim teknolojilerini, iş kültürüne, stratejisine ve değer akışına başarıyla entegre

etmekte zorlanmaktadır. Bu kopukluk, pahalı ve kısıtlayıcı olmanın yanında karışıklığa yol açmaktadır.

Bu kuruluşlar, teknoloji için pahalı kaynaklar kullanılmasına ve emek sarf etmesine rağmen yine de

maliyetleri kontrol etmek, tutarlı sonuçlar üretmek ve değer yaratmaya çalışmakta zorlanmaktadırlar.

Başarı için bilişim teknolojilerinin kurumun iş modellerine ve DNA’larına derinlemesine işlemiş

olmalıdır. Kurumda çalışan teknoloji uzmanları kendilerini, çalışanların hoşlanacağı, daha fazlasını

isteyeceği ve teknolojinin etkin olduğu şeyler yaratan ve bir kurumun parçası olarak görmelidirler.

Değişim yıllardır var olan kurumlar da bile mümkündür. Bilişim teknolojileri çalışanları diğer

çalışanlarla olan iş ilişkisini açıkça görmeli, kabullenmeli ve müşteriye değer sunmaya odaklanmalıdır.

Bu da karşılığında bireyleri ve ekipleri etkin bir şekilde çalıştıran ve kurum stratejisi ile uyumlu bir

yönetim sistemi gerektirir. Böyle bir yönetim yaklaşımı, yaratıcılığa, iyileştirmelere ve işbirliğine önem

veren, riski yöneten bir liderlik gerektirir. Bu yaklaşım, Yalın yönetim ilkelerine uygundur.

Her Yalın girişim bir şekilde bilişim teknolojilerine temas eder. Ancak kısa bir süre öncesine kadar

bilişim teknolojileri üyeleri genellikle ekibin dışında bırakılmaktadır. Bilişim teknolojilerine en sık

yöneltilen eleştiri, esnek olmaması, değişime ve sürekli iyileştirmeye direnç göstermesidir. Bilişim

teknolojileri, engelleyici olmayı bırakıp kurum içinde büyüme ve dönüşüm için bir katalizör olmalıdır.

YALIN BİLİŞİM TEKNOLOJİLERİ

Bilişim teknolojileri projelerinde bazen içinden çıkılamaz sorunlarla karşılaşılır. Çoğu

zaman da bu sorunun kullanılan araçlardan ya da kişilerden kaynaklandığını düşünürüz. Oysa

tasarlanan iş süreci, sürece hiçbir değer katmayacak bazı bilgileri toplama ısrarımız ve ileride lazım

olabilir diyerek gereğinden emin olamadığımız pek çok veriyi kaydetme isteğimiz, soruna adım adım

yaklaşmamızı sağlayan gerçek sebeplerdir. Buna benzer sorunları yönetmek için uzmanlar, “Yalın

Bilişim” kavramını ortaya koydular. Yalın Bilişim, yalın düşüncenin bilişime uygulanması olarak

özetlenebilecek bir kavramdır.

Yalın bilişim teknolojileri; kurumun tüm süreçlerinde davranış ve tutum değişikliğini işaret eden bir

yaklaşımdır. Hedefleri;

Kurum genelinde değer akışını oluşturur.

İsraf kalemlerini mümkün olduğunca ortadan kaldırır.

Bilişim teknolojileri ile hizmetin uyumunu sağlayıp kurum genelinde sürekli iyileştirme

kültürünü yerleştirir.

Süreçlerdeki ve iş yönetimindeki karmaşayı azaltır.

Üretim ve hizmet kalitesini düzenli olarak artırır.

Teknoloji, doğru kullanılmazsa hizmete, iyileştirmelere ve giderlere de olumsuz bir şekilde

yansır.

Biraz abartarak bir resim çizmek gerekirse yöneticilerin ve çalışanların gözü ile bilişim teknolojileri

birimi bir karmaşa ortamıdır.

İşler hep plansızdır.

Öncelikler belirsizdir.

Öngörülemez istekler söz konusudur.

Sistem gereksinimleri devamlı değişir.

Zaman, bütçe, insan gücü daima yetersizdir.

Ortada işleyen bir kural yoktur.

Hizmetin genel gidişinden anladıkları söylenemez!

Bilişim teknolojileri birimi de kurum hakkında farklı düşünmez!

Herhangi bir isteğe yanıt vermekte çok yavaş kalırlar.

Esnek değildirler.

Gereksiz taahhütler, kapasite yetersizliği gibi nedenlerle proje yönetimi açısından

başarısızlıklar söz konusudur.

İşlerde şeffaflık yoktur.

Sistem bir kaos halinde ilerler, nasıl ilerlediği de meçhuldür.

Yatırımların geri dönüşü hesapları biraz karışıktır, bazen bu hesaplar yapılmadan da

yatırımlar yapılır.

Bilişim teknolojileri biriminin geleneksel müşterileri, operasyonlar üzerinde daha fazla kontrol sahibi

olmak isteyen üst yöneticilerdir. Yalın yönetim ise; otomasyonun ve iyileştirilmiş bilginin; kalite, değer

ve maliyet açılarından müşteri ile arada beliren performans açıklarının kapatılmasına nasıl yardımcı

olabileceğini çalışanlara sorgulatır.

Sistem tasarımı ve yayılımında geleneksel yaklaşım, sistemi modellemek, simüle etmek ve sonra da

standardize edip otomasyona geçmektir. Ya da hazır bir programı alıp kullanmaktır. Uzmanlık

gerektiren bu yaklaşım tüm çalışanların bu yolu benimseyeceğini ve dolayısıyla sistemi optimize

etmek için yeterli düzeyde olduğunu varsayar. Yalın yönetim ise, bütünün herkes tarafından

anlaşılmasını sağlamak için önce, değeri tanılayıp değer akış haritalamasını gerçekleştirdikten sonra

otomasyona veya iyileştirmelere başlamak gerektiğini savunur.

Geleneksel yaklaşım da uzmanlar tüm örgütü kapsayacak şekilde kapsamlı bir sistem sunarlar. Bu

sistem tüm değişiklikleri yapacak ve ortaya çıkan problemlerle uğraşacak sürekli bir pahalı uzman

desteğine mecbur kalınmaya yol açar. Ekip elemanları ve yöneticiler bir işleve değişiklik yapılması için

rica sunmak ve çoğu kez bu ricaların çözüme kavuşması için aşırı bir süre beklemek zorunda kalırlar.

Yalın yönetim ise çalışanların ve yöneticilerin bizzat işin içine katılmaları, modülleri adım adım

uygulamaları ve tüm bunları kendi başlarına basit değişiklikleri yapabilecek bir bilgiye sahip olmaları

uzman gereksinimini minimalize eder.

Geleneksel yaklaşım ekipleri hemen bir sonraki projeye geçerler ve tamamlanmış bir projenin nasıl

yol aldığı üzerine yoğunlaşıp bundan neler öğrenebilecekleri üzerine çok az zaman ayırırlar. Genellikle

takımlar yeni otomasyon kullanımı ve problemleri ile baş başa kalırlar. Yalın yönetim de proje süresi

boyunca ortaya çıkan sorunlar ve gelecekteki projeler için bunlardan ne dersler çıkarılacağı üzerine

uzun zaman harcarlar. Ekip elemanları zamanlarının çoğunu bir projeden diğerine atlamak yerine

mevcut projeyi sonuçlandırmak üzerine harcarlar.

Bilişim teknolojilerini yalınlaştırmak ve amaca uygun çalışmalarını sağlamak için; hizmet alanlar ile

yakın hatta doğrudan temas halinde olmaları sağlanmalıdır. Çünkü, hizmet sunumdaki günlük

değişiklikler ve belirsizliklerle uğraşanlar, iyileştirme yapmak için en iyi konumda olanlardır.

Ancak;

Hizmet alanlar ile temas halinde olan ekip bilişim teknolojilerinin sunabileceği yetenekleri

anlamıyorsa,

Teknoloji uzmanları ışıkları yanık ve sunucuları da çalışır halde tutmakla çok meşgulse,

Asla bitmeyen tonlarca projeye gömüldükleri için gün ışığını nadiren görüyor, hizmet

alanlar ile arada bir karşılaşıyorlarsa,

İş arkadaşları ile gerçek öğrenme sürecine seyrek olarak katılabiliyorsa,

Bilişim teknolojileri çalışanları hizmet basamaklarını anlamıyorsa, amaca ulaşılamaz.

Alışkanlıklarımızın ve kültürümüzün yaparak ve öğrenerek değişimi ile amacımıza ulaşabiliriz. Bunun

için;

Bilişim teknoloji çalışanlarının, iş arkadaşlarından fiziksel ve organizasyonel olarak ayrı

olmalarını ortadan kaldırılması,

Bilişim teknoloji çalışanlarının ayakta yapılan toplantılara katılmaları ve görsel

farkındalıktan yararlanmaları,

Farklı disiplin ve işlevlerden iş arkadaşları arasında yeni ilişkiler oluşturulması,

İnsanlara ve onların fikirlerine saygı duyulması sağlanmalıdır.

Bilişim teknolojileri kaynaklı problemleri çözmek için; bütçesini artırmak yerine, hizmet alana ve

hizmeti verene yakın konumlanmaları sağlanmalıdır. Ekip üyelerinin hizmet sorumluları ile sohbet

etmeleri ve onların yanında işbaşı eğitim almaları hemen her gün, hatta her dakika, müşteri

deneyiminden yararlanmasını sağlar. Bir yığın kullanışsız yeşil ekranlı uygulama yerine kullanımı

kolay, kurum içinde geliştirilmiş programların gerekliliği anlaşılır. Ekip üyeleri arasında görüş hattı

bağlantısı kurularak tasarlayıp yaratılan ürünlerde başarı kaçınılmaz

Bilişim teknolojileri ürün ve hizmetlerini kullananlar; Sorunsuz çalışan ve kullanması kolay

uygulamalar istemektedir. Bir şey yanlış gittiğinde, hızlı, uzman ve yardımsever müşteri hizmetleri ve

gerektiğinde profesyonel destek kullanıcı için çok önemlidir. Süreci basitleştirmek ve iyileştirmek

yeterli olmadığında ise yeni ürün geliştirme ve bakım konusunda hızlı dönüş isterler.

Bilişim teknolojileri biriminin hizmet teklifleri yoksa, müşterinin her istediğini icat etmek zorunda

kalır. Müşteri talepleri, hizmeti vermek için gereken beceriler ve kaynaklarda çok büyük değişkenlik

ve tahmin edilemezliğe neden olur. Hizmet teklifleri olmadan, standardizasyon yapmak imkansızdır.

Bu sıkıntılı sürece engel olmak için; bilişim teknolojileri çalışanlarının, iç müşterinin ne istediğini net

olarak bilmesi gerekir. Ekip üyelerinin tamamı, yalın yönetim ilkelerine göre hizmeti oluşturmak ve

sürdürmekten sorumludur. Entegre bir ekibinin içinde, süreçte değer yaratmak için birlikte çalışan

temsilciler olması gerekir. Bu bilişim temsilcileri beklentileri daha kolay ve hızlı karşılayabilirler.

SONUÇ VE ÖNERİLER

Yalın yönetim ekipleri kendi süreçlerinin sahibidir (özerklik), kendilerini sürekli iyileştirmekten

sorumludur (ustalık) ve hizmet alan için değer yaratmaya odaklanırlar (amaç). Eğer bilişim

teknolojileri çalışanı; “Eğer doğru kaynakları doğru zamanlarda projelere sokarsak, projelerin işe

yaramasını sağlayabiliriz…” ve “Bu işi sadece bir uzman yapabilir…” diyor ise bunlara lider olarak

kesinlikle izin verilmemelidir. Yalın yönetim ilkeleri doğrultusunda daha iyi performans sergilenmesi

için; ekiplerin kendilerini ve işlerini organize etmelerine (özerklik), işi iyi yapmak için yatırım

yapmalarına (ustalık) ve kendilerinden büyük bir şey için gayret etmelerine (amaç) izin verilmeli ve

yönetim olarak desteklenmelidir.

KAYNAKLAR

1. Bell Steven C. (2014); “Run Grow Transform- Integrating Business and Lean IT” “İşlet

Büyüt Dönüştür- İş ve Yalın BY’yi Entegre Etmek”, Çevirmen: Banu Erol, Paloma Yayınevi, Ankara

2. Kobus J, Westner M (2015a) Lean management of IT organizations: A literature review.

PACIS 2015 proceedings.

3. Kumar Kundu G, Bairi J (2014) A scale for measuring the applicability of lean practices in IT

support services. Journal of Enterprise Information Management 27(5):623–643. doi: 10.1108/JEIM-

02-2013-0005

4. Adams, E. & Barnas K. (2014); “Beyond Heroes- Sağlık Sektörü İçin Yalın Yönetim Sistemi”,

Çevirmen: Ayşe Soydan, Optimist Yayınları, İstanbul.

5. Jeffrey K. Liker & Karyn Ross (2018); “Toyota Tarzı hizmette Mükemmellik” Çevirmen: Ayşe

Soydan, Optimist Yayınları, İstanbul.

6. Jeffrey K. Liker & Michael Houseus (2011); “Toyota Kültürü- Toyota tarzının ruhu”,

Çevirmen: Kıvanç Tanrıyar, Optimist Yayınları, İstanbul.

7. Womack, J.P. & Jones, D.T. (2012); “Yalın Düşünce”, Çevirmen: Oygur Yamak, Optimist

Yayınları, İstanbul.

8. Jörn Kobus, Markus Westner, Susanne Strahringer (2017); “Change management lessons

learned for Lean IT implementations”. International Journal of Information Systems and Project

Management, Vol. 5, No. 1, 2017, 47-60

9. Jörn Kobus, Markus Westner, Susanne Strahringer (2016); “Lean Management of IT

Organizations –A Perspective of IT Slack Theory”; Thirty Seventh International Conference on

Information Systems, Dublin.