Tıp Rehberlerinin Oluşumunda Yapay Zekâ ve İlaç Endüstrisinin Etkisi: Geleceğin Tıbbi Tedavi Yaklaşımlarına Sistemik Bir Bakış

Giriş

Tıp alanında klinik uygulama rehberleri, hekimlere ve hastalara belirli klinik durumlarda en uygun bakım kararlarında yol gösteren, sistematik olarak geliştirilmiş öneriler bütünüdür (Institute of Medicine [IOM], 2011). Ünlü epidemiyolog John Ioannidis'in belirttiği gibi, bir rehberin etkisi milyonlarca hastanın tedavisini doğrudan şekillendirebilir (Cohen, 2019); bu nedenle rehberlerin bilimsel kanıtlara dayanması ve çıkar çatışmalarından olabildiğince arınmış olması büyük önem taşır.

İlaç endüstrisinin tıbbi bilgi ve rehberler üzerindeki etkisi uzun zamandır tartışılan bir konudur. Yapılan incelemeler, rehber yazarlarının önemli bir bölümünün endüstriyle finansal ilişkileri olduğunu göstermektedir (Tabatabavakili vd., 2021); bu durum, rehber önerilerinin tarafsızlığı konusunda soru işaretleri doğurmaktadır.

Öte yandan yapay zekâ (YZ), tıbbi verilerin işlenmesi ve kanıtların sentezlenmesindeki becerileriyle klinik rehber oluşturma süreçlerini dönüştürme potansiyeli taşımaktadır. YZ destekli araçlar, devasa araştırma verilerini kısa sürede analiz ederek güncel bulguların rehberlere entegre edilmesine olanak sunmaktadır. 2025 itibarıyla Amerikan Klinik Onkoloji Derneği (ASCO) gibi kurumlar, rehber geliştirme süreçlerini hızlandırmak amacıyla YZ tabanlı sistemleri pilot olarak uygulamaya başlamıştır (Wolters Kluwer, 2024); böylece rehberlerin en güncel araştırmalarla daha sık güncellenebileceği bir döneme girilmektedir (Guidelines International Network, 2025).

Bu derlemede, tıp rehberlerinin oluşumunda ilaç endüstrisinin etkisi ile yapay zekânın oynayabileceği rol, her iki dinamiğin de geleceğin tedavi yaklaşımlarını nasıl şekillendirebileceği açısından ele alınacaktır. İlaç firmalarının rehberler üzerindeki potansiyel etkileri, yapay zekânın rehber geliştirmede kullanımının avantajları ile olası çıkar çatışması durumları incelenecek; son olarak, tarafsız, güvenilir ve hasta yararı odaklı rehberler oluşturmak için atılabilecek adımlar tartışılacaktır.

İlaç Endüstrisinin Klinik Rehberlere Etkisi

Şekil 1: İlaç endüstrisinin klinik rehberler üzerindeki etkisini temsil eden görsel.

Tarihsel olarak, bir rehberin yayımlanması çoğu hastanın tedavi planını ve kullanılan ilaçları doğrudan etkiler; bu nedenle ilaç şirketlerinin rehberlerde kendi ürünlerinin öne çıkmasını sağlamaya çalışması şaşırtıcı değildir. 2019'da yayımlanan bir çalışmada, incelenen rehberlerin yazarlarının %50'den fazlasının finansal çıkar çatışması bildirdiği ve pek çoğunun önerdikleri ilacı üreten firmalardan ödeme aldığı saptanmıştır (Tabatabavakili vd., 2021). Endüstri etkisinin bir diğer görünümü, hastalık tanımlarının genişletilerek daha fazla kişinin tedavi adayı hâline getirilmesidir. Moynihan ve arkadaşlarının (2013) 2000-2013 yıllarını kapsayan analizi, ABD'de yaygın 14 hastalık için hazırlanan 16 rehberin 10'unda tanı kriterlerinin genişletildiğini, ancak incelenen rehberlerin hiçbirinin bu genişlemenin olası zararlarını yeterince değerlendirmediğini göstermiştir (Moynihan vd., 2013). Bu durum, gereksiz tedavi ve aşırı ilaç kullanımı riskini artırabilir; veri hacminin hızla büyüdüğü günümüzde bu riskin daha dikkatli izlenmesi gerekmektedir.

Aynı çalışmada, rehber paneli üyelerinin ortalama %75'inin endüstriyle mali ilişkisi olduğu ve incelenen 14 panelin 12'sinde başkanlık yapan uzmanların da endüstriyle bağlantılı olduğu bulunmuştur (Moynihan vd., 2013); benzer bulgular gastroenteroloji alanındaki rehberler için de bildirilmiştir (Grindal vd., 2019). Somut bir örnek olarak, 2013 yılında yayımlanan kolesterol tedavisi rehberi, ABD'li yetişkinlerin üçte birine statin önerecek şekilde kriterleri genişletmiş ve bazı bağımsız hekimlerce endüstri etkisinin bir yansıması olarak değerlendirilmiştir (Ray & Kastelein, 2014). IOM (2011), panel üyelerinin çoğunluğunun bağımsız olmasını ve başkanların endüstriyle mali bağlantısının bulunmamasını önermiş; ACP gibi kurumlar da benzer politikalar geliştirmiştir (Qaseem vd., 2019). Ne var ki incelenen rehberlerin hiçbirinin bu kriterleri tam olarak karşılamadığı görülmüş (Shnier vd., 2016) ve alanında uzman, aynı zamanda endüstriyle bağlantısı olmayan kişi bulmanın güçlüğü sıkça dile getirilmiştir (Neuman vd., 2011). Bu tablo, endüstriyel etkiyi tamamen ortadan kaldırmanın kolay olmadığını; ancak şeffaflık ve denetim mekanizmalarının güçlendirilmesinin hem mümkün hem de gerekli olduğunu göstermektedir.

Benzer bir eğilim, daha önce ilaç tedavisi önerilmeyen “pre-hipertansiyon” veya “prediyabet” gibi sınırdaki durumların tedavi rehberlerine dahil edilmesinde de gözlenmiştir; bu durum, ilgili alanlarda pazarı olan şirketlerin bu genişlemeden fayda sağlayabileceği eleştirilerini beraberinde getirmiştir. Bu tür örnekler, rehber hazırlayan kurum ve uzmanların bağımsızlığını koruyabilmesi için şeffaflık ve sıkı çıkar çatışması politikalarına duyulan ihtiyacı bir kez daha ortaya koymaktadır.

Yapay Zekâ ile Klinik Rehber Geliştirme

Tıbbi bilginin hızla büyümesi, kanıta dayalı rehber hazırlığını zahmetli ve zaman alıcı hâle getirmektedir; bir rehberin hazırlanması genellikle yıllar sürebildiğinden, yayımlandığında bazı bilgiler güncelliğini yitirmiş olabilir. Yapay zekâ destekli araçlar, geniş ölçekli literatürü hızla tarayıp sentezleyerek bu süreci hızlandırma potansiyeli taşımaktadır. Örneğin, Wolters Kluwer tarafından geliştirilen ve ASCO ile iş birliği içinde denenen Ovid Guidelines AI platformu, PRISMA ve GRADE gibi yöntemleri sürecine entegre ederek kanıt sentezini otomatikleştirmeyi amaçlamaktadır (Wolters Kluwer, 2024; Guyatt vd., 2008; Moher vd., 2009). Ancak bu sistemlerin beslendiği verinin bütünlüğünün korunması önemlidir; yanıltıcı veri veya yayın eklenmesi ihtimaline karşı dikkatli olunmalı, konuya ilişkin etik standartların geliştirilmesine öncelik verilmelidir.

ASCO'nun onkoloji rehberleri için başlattığı girişim, yapay zekâ yardımıyla sürekli güncellenen “yaşayan rehber” modeline geçişin bir örneğidir (Guidelines International Network, 2025): önemli bir klinik çalışma yayımlandığında sistem bunu tespit edip ilgili bölüm için bir güncelleme taslağı oluşturabilir. Bu yaklaşım, özellikle onkoloji gibi hızla gelişen alanlarda hastaların güncel tedavilere erişimini kolaylaştırabilir; ancak değişim hızının her alan için aynı ölçüde gerekli olmayabileceği ve güncelleme sıklığının bazı alanlarda ticari rekabetten de etkilenebileceği göz önünde bulundurulmalıdır. Benzer biçimde, literatür tarama, veri çıkarımı, çalışma kalitesinin değerlendirilmesi ve kanıtların özetlenmesi gibi adımların YZ desteğiyle daha tutarlı ve hızlı biçimde yürütülmesi, rehber panelinin iş yükünü hafifletip üyelerin yorum ve karar aşamasına daha çok odaklanmasını sağlayabilir.

Uzun vadede YZ'nin, hastanın yaşı, komorbiditeleri ve genetik profili gibi özellikleri dikkate alarak rehber önerilerini kişiselleştirmesi de araştırma aşamasında bir vizyon olarak değerlendirilmektedir. Örneğin, standart bir diyabet tedavi rehberi çoğu hastaya ilk basamakta belirli bir ilacı önerirken, YZ entegre bir klinik karar destek sistemi bu öneriyi hastaya özgü verilerle uyarlayabilir; bu potansiyelin, bireysel ilaç tüketimini gereksiz yere artırmayacak şekilde dikkatle yönetilmesi gerekmektedir.

Yapay Zekâ, Çıkar Çatışmaları ve Olası Riskler

Yapay zekânın rehber geliştirmede kullanımı önemli fırsatlar sunmakla birlikte, dikkatli yönetilmediğinde yeni tür yanlılık ve çıkar çatışması riskleri de taşıyabilir. Algoritmaların eğitildiği verinin tarafsızlığı belirleyici olduğundan, endüstri kaynaklı veri manipülasyonu (“veri zehirlemesi”) riski literatürde tartışılmaktadır (Alber vd., 2025): olumsuz sonuçlanan çalışmaların yayımlanmaması ya da veri setlerinden çıkarılması, YZ'nin bir ilacın risklerini olduğundan düşük değerlendirmesine yol açabilir. Ayrıca, eğitim verisinde yeterince temsil edilmeyen hasta gruplarına (örneğin yaşlılar, kadınlar, azınlık etnik gruplar) ilişkin hatalı genellemeler ya da yayın yanlılığından kaynaklanan abartılı etkinlik algıları da olası risklerdendir; bu nedenle geniş ve dengeli veri setlerinin kullanılması ve önyargıların istatistiksel yöntemlerle tespit edilip giderilmesi önerilmektedir (Xu vd., 2024).

Yapay zekâ sistemlerinin karar süreçlerinin yeterince şeffaf olmaması, bir öneriye hangi verilerin ve önceliklerin yön verdiğini izlemeyi güçleştirebilir; bu nedenle “Açıklanabilir YZ” yaklaşımlarının sağlık alanında yaygınlaştırılması önem taşımaktadır (Guidelines International Network, 2025). Uzmanlar, endüstri sponsorluğundaki veri havuzlarının ve YZ modellerinin bağımsız üçüncü taraflarca denetlenmesini önermektedir; böylece eğitim verisinin belirli bir ürün lehine yönlendirilip yönlendirilmediği kontrol edilebilir. Ayrıca, YZ destekli bir öneri nedeniyle hastaya zarar gelmesi durumunda sorumluluğun kime ait olacağı (algoritma geliştiricisi, veri sağlayıcı, rehberi yayımlayan kurum vb.) şimdiden netleştirilmelidir (Price & Cohen, 2019); bu belirsizliğin giderilmesi, YZ destekli rehberlere duyulan güveni artıracaktır. Bu nedenle, rehber tavsiyelerinde YZ kullanımı genişledikçe hukuki ve etik çerçevede sorumluluk paylaşımının netleştirilmesi ve olası suistimallere karşı caydırıcı düzenlemelerin öngörülmesi önerilmektedir.

Geleceğe Yönelik Öngörüler ve Öneriler

Ekonomik dinamiklerin bu süreçte önemli bir rol oynaması beklenmektedir; bu dinamiğin hasta yararına yönetilebilmesi için aşağıdaki adımlar atılabilir:

•        Şeffaflık ve Açıklanabilirlik: Hem rehber hazırlama süreçleri hem de yapay zekâ algoritmaları tam bir şeffaflık içinde işlemelidir. Rehber komitesi üyelerinin tüm finansal ilişkileri ayrıntılı biçimde açıklanmalı; kullanılan YZ araçlarının hangi verileri kullandığı ve nasıl bir analiz yaptığı izlenebilir olmalıdır (Guidelines International Network, 2025; Guyatt vd., 2008; Moher vd., 2009).

•        Bağımsız Denetim: Sağlık otoriteleri, rehber geliştirme ve YZ entegrasyonu süreçlerine yönelik bağımsız denetim mekanizmaları kurmalıdır. Rehber taslakları yayımlanmadan önce bağımsız kurullarca incelenmeli; YZ ile derlenen kanıt özetleri, endüstriyle çıkar bağı olmayan uzmanlarca doğrulanmalıdır. Bu kurulların oluşum ve seçim kriterlerinin de ayrıca netleştirilmesi gerekmektedir.

•        Çıkar Çatışması Politikaları: Rehber hazırlayan kuruluşlar çıkar çatışması politikalarını sıkı biçimde uygulamalı; panel üyelerinin belirli bir orandan fazlasının endüstri bağlantılı olmaması ve başkanların bağımsız kişilerden seçilmesi sağlanmalıdır (IOM, 2011). Endüstri finansmanlı YZ projelerinde sonuçların bağımsız veri bilimciler tarafından doğrulanması kural hâline getirilmelidir.

•        Eğitim ve Farkındalık: Hekimler ve sağlık profesyonelleri, hem klinik rehberlerin nasıl hazırlandığı hem de yapay zekânın tıbbi kararlardaki yeri konusunda eğitilmelidir. Bir önerinin arkasındaki kanıtların kalitesini ve olası çıkar çatışmalarını sorgulama alışkanlığı tıp eğitiminin bir parçası olmalıdır. Aynı şekilde, YZ destekli klinik karar destek sistemlerini kullanırken, bu sistemlerin mükemmel olmadığının ve gömülü önyargılar barındırabileceğinin bilincinde olunmalıdır.

•        Sürekli Güncelleme ve “Yaşayan” Rehberler: Sağlık otoriteleri, önemli rehberleri belirli aralıklarla değil, kanıtlardaki değişime göre sürekli güncellenebilir formatlara taşımaya hazırlanmalıdır (Guidelines International Network, 2025). Bu esnekliğin, güncellemelerin bilimsel gerekçelerle mi yoksa ticari kaygılarla mı yapıldığının ayırt edilebilmesi için ayrıca denetlenmesi gerekir.

Sonuç

Tıp rehberlerinin oluşumunda hem ilaç endüstrisinin hem de yapay zekânın etkisi giderek artan ölçüde hissedilmektedir. İlaç firmalarının araştırma ve uzman desteği yoluyla rehberlere dolaylı etkisi uzun süredir mevcut olan bir olgu olup, finansal çıkar çatışmalarının rehber önerilerini nasıl şekillendirebildiği çeşitli bilimsel çalışmalarla gösterilmiştir (Moynihan vd., 2013; Tabatabavakili vd., 2021). Yapay zekâ ise bu alanda yeni bir oyuncu olarak, rehber oluşturma süreçlerini hızlandırma ve güncel tutma fırsatı sunarken, beraberinde veri ve algoritma kaynaklı önyargı ile suistimal risklerini de getirmektedir; bu nedenle yeni teknolojinin sunduğu fırsatlar ile taşıdığı riskler birlikte değerlendirilmelidir.

Geleceğin tedavi yaklaşımlarına sistemik bir bakışla değerlendirildiğinde, hem endüstri etkisinin hem de yapay zekâ kullanımının dikkatli yönetilmesi durumunda klinik karar rehberlerinin daha dinamik, kanıta dayalı ve etkin olabileceği söylenebilir. Bunun için rehber geliştirme sürecinin her aşamasına yayılan bir şeffaflık politikası, çıkar çatışmalarını azaltan yapısal düzenlemeler ve yapay zekâ algoritmalarının bağımsız denetimi büyük önem taşımaktadır. Bu koşullar sağlanmadığında, ilgili risklerin hasta sağlığı üzerindeki olumsuz etkisinin göz ardı edilmemesi gerekir. Böylece klinik rehberler, ticari çıkarlara ya da algoritmik hatalara kurban gitmeden, tıbbın “önce zarar verme” ilkesine uygun biçimde hastaların en doğru ve güvenilir tedavilere ulaşmasını sağlayabilir.

Bu önlemler hayata geçirilmediği sürece, klinik rehberlerin güvenilirliği risk altında kalmaya devam edecektir.