Altı ABD sağlık sisteminde, ortam dinlemeli bir yapay zekâ not asistanıyla geçen 30 günün ardından tükenmişlik bildiren klinisyenlerin oranı %51,9’dan %38,8’e düştü (JAMA Network Open, Olson ve ark. 2025). Zaman tarafı daha mütevazı: beş sistemli bir çalışmada 8.581 klinisyende 8 planlı hasta saati başına 16,0 dakika daha az dokümantasyon ölçüldü (JAMA, çok merkezli çalışma 2026); randomize bir denemede ise bir not asistanı ortalama not süresini 41 saniye kısalttı, kontrol grubu ise kendi kendine 18 saniye kısaldı (NEJM AI, Lukac ve ark. 2025). Not kalitesi hâlâ açık bir soru: UC Davis’te incelenen yapay zekâ taslaklarının %18’inde eksiklik vardı (JMIR Medical Informatics 2026). Bu araçları çevreleyen daha geniş dokümantasyon pazarı için tıbbi transkripsiyon istatistiklerimize, talebi doğuran iş yükü için ise acil servis hekimlerinin tükenmişlik ve çalışma saati istatistiklerimize bakabilirsiniz. Verileri NEJM AI, JAMA, JAMA Network Open, JMIR Medical Informatics, JAMIA, The Permanente Medical Group, American Medical Association, Healthwatch England ve KLAS Research kaynaklarından derledik.
TL;DR
- Bir UCLA randomize denemesi 238 hekime iki ortam dinlemeli not asistanından birini ya da olağan bakımı verdi; yalnızca bir not asistanı not süresinde kontrolü geçti (NEJM AI, Lukac ve ark. 2025).
- Beş akademik sistemde aracı kullanmaya başlayanlar 8 planlı hasta saati başına 16,0 dakika dokümantasyon tasarrufu sağladı, ancak mesai dışı çalışma anlamlı biçimde değişmedi (JAMA, çok merkezli çalışma 2026).
- Penn’deki klinisyenler mesai dışı çalışmayı günde 50,6 dakikadan 35,4 dakikaya indirdi (JAMA Network Open, Duggan ve ark. 2025).
- Tükenmişlik, not asistanı kullanımının 30. gününde %51,9’dan %38,8’e düştü (JAMA Network Open, Olson ve ark. 2025).
- Yüksek iş yorgunluğu eşiğinin üzerindeki sağlık profesyonelleri, kademeli geçişli (stepped-wedge) bir denemede %56,1’den %35,4’e geriledi (NEJM AI, Afshar ve ark. 2025).
- 8.581 klinisyenin yalnızca %21,1’i bir not asistanını benimsemişti; oran merkeze göre %7,1 ile %63,6 arasında değişiyordu (JAMA, çok merkezli çalışma 2026).
- Yapay zekâ taslağı 356 incelenmiş notun %18’inde eksiklik, %11,5’inde halüsinasyon vardı (JMIR Medical Informatics, UC Davis 2026).
- Not asistanını kullanmaya başlayanlar haftada 1,81 daha fazla göreli değer birimi üretti; bu, hekim başına yılda yaklaşık $3.044 eder (JAMA Network Open, UCSF 2026).
- 12.153 Kanadalı yetişkinin %61,8’i yapay zekâ not asistanının gelecekte kullanılmasına isteksizdi ve yalnızca %28,3’ü bu araçların kullanıldığını biliyordu (JAMIA 2026).
- Hasta onamı, temel bilgiden sonra %81,6 iken veri depolama ve satıcı katılımının ayrıntılı açıklanmasından sonra %55,3’e düştü (JAMA Network Open, NYU Langone 2025).
- Birleşik Krallık’taki yetişkinlerin %81’i bir yapay zekâ not asistanı kullanılmadan önce onamlarının sorulmasını istiyor (Healthwatch England 2026).
1. Randomize Denemeler: Kontrollü Kanıtlar Not Süresi Hakkında Ne Gösteriyor
Randomize kanıtlar 2025’in sonlarında geldi ve beklentileri yeniden belirliyor. NEJM AI’da yayımlanan UCLA üç kollu denemesinde, Nabla kullanıcıları ortalama notu 41 saniye kısalttı (4 dakika 30 saniyeden 3 dakika 49 saniyeye), ancak olağan bakım grubundaki hekimler de hiçbir yapay zekâ olmadan 18 saniye kısalttı; DAX Copilot kolu ise kontrolden ayrışmadı. Kontrole göre net etki not başına 23 saniyeydi (41 eksi 18); bu, yalnızca ham öncesi-sonrası düşüşün düşündüreceğinden çok daha küçük ve bu kategoride kontrol gruplarının neden önemli olduğunu tam olarak gösteriyor.
Kullanım bunun bir kısmını açıklıyor. Deneme içinde bile hekimler not asistanını ziyaretlerinin yalnızca yaklaşık üçte birinde açtı ve not asistanı atanan hekimlerin yaklaşık %15’i onu hiç kullanmadı. University of Wisconsin kademeli geçişli denemesinde (her kliniğin randomize dalgalar hâlinde sonunda aracı aldığı bir tasarım) çok daha yoğun kullanım görüldü; etkilerinin daha büyük görünmesinin nedenlerinden biri bu.
| Metrik | Değer | Kaynak |
|---|---|---|
| DAX Copilot, Nabla veya olağan bakıma randomize edilen hekimler (UCLA) | 14 uzmanlık dalında 238 | NEJM AI, Lukac ve ark. 2025 |
| Not başına ortalama nottaki süre değişimi: Nabla kolu ile olağan bakım kolu | -41 saniye ile -18 saniye | NEJM AI, Lukac ve ark. 2025 |
| Atanan not asistanının gerçekten kullanıldığı ziyaretler: DAX Copilot kolu ile Nabla kolu | %33,5 (24.696 içinde 8.271) ile %29,5 (23.653 içinde 6.981) | NEJM AI, Lukac ve ark. 2025 |
| Wisconsin ve Illinois kademeli geçişli denemesindeki sağlık profesyonelleri ve nota göre ağırlıklandırılmış ortam dinlemeli yapay zekâ kullanım oranı | 66 sağlık profesyoneli, 16.593 hasta görüşmesi; %71,0 kullanım oranı (SS %31,6) | NEJM AI, Afshar ve ark. 2025 |
| Elle yazılan not içeriğinin payı, not asistanı öncesi ile kullanımı sırasında (Penn Medicine, 17 uzmanlık dalında 46 klinisyen) | %11,2’den %7,9’a (P < 0,001) | JAMA Network Open, Duggan ve ark. 2025 |
| Aynı gün randevu kapatma oranı, not asistanı öncesi ile kullanımı sırasında (Penn Medicine) | %66,2’den %72,4’e (P < 0,001) | JAMA Network Open, Duggan ve ark. 2025 |
Bağlam: UCLA’daki DAX Copilot kolu not başına 23 saniye azaldı; bu, kontrole göre -%1,7’ye denk geliyordu (%95 GA, -%9,4 ile +%5,9; P=0.66). İki aylık bir denemede anlamlı olmayan bir sonuç etkinin olmadığının kanıtı değildir, ancak not asistanı ürünlerinin birbirinin yerine geçmediğini hatırlatır.
2. Mesai Dışı EHR Süresi: Pijama Zamanı Vaadi Ölçüm Altında
“Pijama zamanı”, klinisyenlerin planlı poliklinik saatleri dışında yaptığı EHR (elektronik sağlık kaydı) işidir; genellikle akşamları evde notları tamamlamak anlamına gelir. Sağlık sistemlerinin en çok değiştirmek istediği sonuç budur ve kanıtların en çok ayrıştığı yer de burasıdır. Beş sistemli JAMA çalışmasında mesai dışı çalışma 8 planlı hasta saati başına yalnızca -3,1 dakika değişti; güven aralığı (-6,8 ile 0,5) bu sonucu sıfırdan ayırt edemiyor, UCLA denemesi de kontrole göre mesai dışı süre için benzer şekilde anlamlı bir değişim bulmadı.
Olumlu sonuçlar yoğun kullanılan Wisconsin denemesinden, tek sistemli çalışmalardan, öz bildirime dayalı anketlerden veya daha uzun takipten geliyor. Penn’in öncesi-sonrası çalışması günde yaklaşık 15 dakikalık bir düşüş kaydetti; bir Washington University ön baskısı ise pijama zamanının sıfırıncı günde hiç değişmediğini, ancak 150. güne gelindiğinde %19 daha düşük olduğunu buldu. Pratik okuma şu: mesai dışı tasarruf, aracı açmaya değil, aylar süren bir alışkanlık değişikliğine bağlı görünüyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| 8 planlı hasta saati başına mesai dışı çalışma, aracı kullanmaya başlayanlar ile başlamayanlar (5 akademik sistem) | -3,1 dakika (%95 GA -6,8 ile 0,5), anlamlı değil | JAMA, çok merkezli çalışma 2026 |
| Mesai dışı çalışma, kademeli geçişli deneme | -0,50 saat/gün (%95 GA -0,90 ile -0,09; P=0.03) | NEJM AI, Afshar ve ark. 2025 |
| Günlük mesai dışı çalışma, not asistanı öncesi ile kullanımı sırasında (Penn Medicine, 46 klinisyen) | 50,6 dakikadan 35,4 dakikaya (P=0,02) | JAMA Network Open, Duggan ve ark. 2025 |
| Ortanca mesai dışı dokümantasyon süresi, benimseme öncesi ile sonrası (Providence, 1.547 klinisyen) | 22,0 dakikadan 20,6 dakikaya; ayda 0,38 dakikalık kalıcı düşüş (P=0,02), anlık değişim yok | JAMA Network Open, Husa ve ark. 2026 |
| 150. günde pijama zamanı ile benimseme öncesi (220 birinci basamak klinisyeni) | -%19 (IRR 0,81, aralık 0,73 ile 0,90); 0. günde değişim yok | medRxiv ön baskısı, Washington University 2026 |
| Klinik saatleri dışında not yazmaya harcanan öz bildirimli haftalık saatler, 30 gün öncesi ile sonrası | 4,95 saatten 4,05 saate (-0,90 saat; P < 0,001) | JAMA Network Open, Olson ve ark. 2025 |
Aykırı değer notu: Wisconsin denemesinin mesai dışı sonucu, gözlemlerin en uçtaki %3’ü dışarıda bırakıldığında anlamsız hâle geldi (-0,19 saat, %95 GA -0,40 ile 0,03); yani etkinin büyük kısmını akşamları yoğun çalışan birkaç kişi yarattı.
3. Tükenmişlik, Bilişsel Yük ve İş Yorgunluğu
Tükenmişlik, ortam dinlemeli not asistanlarının en güçlü göründüğü sonuçtur ve herhangi bir zaman metriğinden daha hızlı değişir. Altı sistemli Olson çalışmasında tükenmişlik yaygınlığı 30 günde 13,1 yüzde puanı düştü (%51,9’dan %38,8’e; aOR 0,26, %95 GA 0,13 ile 0,54; P < 0,001); nota bağlı bilişsel yük ise 10 puanlık ölçekte 7,10’dan 4,46’ya geriledi. Makul bir okuma, rahatlamanın kazanılan dakikalardan çok, dinlerken yazmak zorunda kalmamaktan geldiğidir; bu da kayıt tabanlı sürenin neredeyse hiç değişmediği yerlerde bile tükenmişliğin neden düzeldiğini açıklar.
Çekince tasarımda yatıyor. Olson çalışmasında kontrol grubu yoktu ve Mass General Brigham ile Emory anketlerinin yanıt oranları %11 ile %30 arasında kaldı; dolayısıyla en memnun kullanıcılar fazla temsil ediliyor olabilir. Randomize denemeler de iyileşme gösteriyor, ancak daha küçük: UCLA’da Mini-Z tükenmişlik bileşik skoru, 10 ile 50 arasındaki ölçekte her iki not asistanı için de 3 puanın altında iyileşti. Hekimler bunu zaten bekliyor: %70’i yapay zekâyı tükenmişliğe katkıda bulunan görevleri otomatikleştirmenin bir yolu olarak görüyor (AMA, Artırılmış Zekâ Hekim Anketi 2026).
| Metrik | Değer | Kaynak |
|---|---|---|
| Tükenmişlik bildiren ve ağır tükenmişlik bildiren klinisyenler, not asistanıyla geçen 30 gün öncesi ile sonrası (6 sistem, tükenmişlik modellerinde 186 klinisyen) | Tükenmişlik %51,9’dan %38,8’e; ağır tükenmişlik %18,4’ten %12,2’ye (post hoc, P = 0,01) | JAMA Network Open, Olson ve ark. 2025 |
| Nota bağlı bilişsel görev yükü, 10 puanlık ölçek, öncesi ile sonrası | 7,10’dan 4,46’ya (P < 0,001) | JAMA Network Open, Olson ve ark. 2025 |
| Yüksek iş yorgunluğu eşiğinin üzerindeki sağlık profesyonelleri, deneme başı ile sonu | %56,1’den %35,4’e | NEJM AI, Afshar ve ark. 2025 |
| Mini-Z tükenmişlik bileşik skoru (10 ile 50), kontrole göre değişim | DAX +2,83 (%95 GA +1,28 ile +4,37); Nabla +2,69 (%95 GA +1,14 ile +4,23) | NEJM AI, Lukac ve ark. 2025 |
| Dokümantasyonun esenlik üzerinde olumlu etkisi olduğunu bildiren Emory klinisyenleri, 60. günde mutlak değişim | +30,7 yüzde puanı (%11 anket yanıt oranı) | Mass General Brigham, You ve ark. JAMA Network Open 2025 |
| Mass General Brigham anket yanıt oranı, 42. gün ile 84. gün | Yaklaşık %30 ile %22 | Mass General Brigham, You ve ark. 2025 |
| Hattiesburg Clinic’te iş memnuniyeti artışı: ilk not asistanı satıcısı ile ikinci satıcı | +%17 ile +%13 | AMA, hekimlerin yapay zekâ kullanımları raporu 2025 |
Bağlam: Wisconsin denemesinde mesleki doyum 0,14 puan arttı (P=0.04); yazarlar bunu anlamsız saydı, çünkü her eş-birincil sonlanım noktasının P < 0.025 eşiğini geçmesi gerekiyordu.
4. Benimseme: Not Asistanları Sağlık Sistemlerinin İçinde Ne Kadar Yayıldı
Erişim kullanım demek değildir. Beş büyük akademik sistemde ayaktan bakım yapan 8.581 klinisyenin yalnızca %21,1’i bir yapay zekâ not asistanını benimsemişti; oran Mass General Brigham’da %7,1, Yale New Haven Health’te %63,6 idi ve kullanıma geçenlerin yalnızca yaklaşık %32’si notlarının yarısında veya daha fazlasında kullandı. Ulusal anket tablosu da tutarlı: dokümantasyon en önde gelen yapay zekâ kullanım alanlarından biri, ancak hekimlerin üçte birinden azı ziyaret notları için yapay zekâ kullanıyor.
Benimsemenin yüksek olduğu yerde bu bir alışkanlık hâline geliyor. Anket yapılan 102 Permanente yetişkin ve aile hekimliği hekiminin üçte ikisi not asistanını haftada 5 veya daha fazla gün kullandı ve %63’ü yüz yüze yaptığı her ziyarette kullandı (The Permanente Medical Group, NEJM Catalyst 2025). Sistemler arasındaki benimseme farkı bu nedenle hekimlerin aracı sevip sevmemesinden çok, her kurumun onu nasıl devreye aldığıyla ilgili: 5 akademik sistemden 4’ünde aracı kullananlar kendileri tercih etti ve devreye alma zamanlaması Haziran 2023 ile Ağustos 2025 arasında değişti.
| Metrik | Değer | Kaynak |
|---|---|---|
| Faturalama kodlarını, tıbbi dosyaları veya ziyaret notlarını belgelemek için yapay zekâ kullanan ABD’li hekimler | %28 (yaklaşık 1.700 hekimle yapılan anket) | AMA, Artırılmış Zekâ Hekim Anketi 2026 |
| Taburcu talimatları, bakım planları veya ilerleme notları oluşturmak için yapay zekâ kullanan ABD’li hekimler | %30 | AMA, Artırılmış Zekâ Hekim Anketi 2026 |
| 5 akademik sistemde yapay zekâ not asistanını benimseyen klinisyenler, genel ile en düşük ve en yüksek merkez | %21,1 (8.581 içinde 1.809); Mass General Brigham’da %7,1 ile Yale New Haven Health’te %63,6 | JAMA, çok merkezli çalışma 2026 |
| Not asistanını notlarının %50’sinde veya daha fazlasında kullanan benimseyenler | Yaklaşık %32 (577 kişi) | JAMA, çok merkezli çalışma 2026 |
| Aktif ortam dinlemeli yapay zekâ kullanıcısı olan Providence klinisyenleri, Ocak 2024 ile Mart 2025 | %0,1’den %28,8’e | JAMA Network Open, Husa ve ark. 2026 |
| Not asistanını benimseyen UCSF hekimleri ile bunun kullanıldığı hasta görüşmelerinin payı | 1.565 hekimin %44,6’sı ile görüşmelerin %15,2’si | JAMA Network Open, UCSF 2026 |
| 2023’teki devreye almanın ilk 10 haftasında not asistanını benimseyen Permanente hekimleri | Teklif edilen 10.000 hekimden 3.442’si, 303.266 hasta görüşmesi boyunca | AMA, Permanente pilot raporu 2024 |
Bağlam: Providence’ta aktif kullanıcılar, çalışma penceresi boyunca tüm klinisyenlerin yalnızca yaklaşık %8’iydi; bu, sistem genelinde bir “devreye alma”nın düşük ortalama yaygınlıkla birlikte var olabileceğini hatırlatıyor.
5. Verimlilik, Faturalama ve Yatırım Getirisi Sorusu
Finansal gerekçe gerçek ama küçük. UCSF’de aracı kullanmaya başlayanlar haftada 1,81 daha fazla göreli değer birimi (RVU, faturalanabilir hekim işini ölçen Medicare birimi) üretti; yazarlar bunu 2025 Medicare tarifeleriyle hekim başına yılda yaklaşık $3.044 olarak hesapladı ve sigorta talebi reddinde fark yoktu (JAMA Network Open, UCSF 2026). Bunlar brüt gelir tahminleri; ölçülmüş bir yatırım getirisi değil.
Faturalama sinyali dikkatle incelenmeyi hak ediyor. RVU artışının bir kısmı, hep yapılan işin daha iyi yakalanmasından, bir kısmı ise kodlama yoğunluğundan gelebilir. Bir satıcıya ilişkin KLAS doğrulaması, McLeod Health’te Seviye 3 mevcut hasta ziyareti kodlarının %18,2 azalırken Seviye 4 kodlarının %7,3, Seviye 5 kodlarının ise %5,0 arttığını gösterdi; UCSF yazarları da gelecekteki çalışmaların doğru kodlamayı üst kodlamadan (upcoding) ayırması gerektiğini açıkça belirtiyor.
| Metrik | Değer | Kaynak |
|---|---|---|
| Haftalık RVU, not asistanını kullanmaya başlayanlar ile başlamayanlar (UCSF, 1,2 milyon hasta görüşmesi) | +1,81 (%95 GA 0,86 ile 2,75; P < 0,001) | JAMA Network Open, UCSF 2026 |
| Haftalık hasta görüşmesi sayısı, aracı kullanmaya başlayanlar ile başlamayanlar (UCSF) | +0,80 (%95 GA 0,05 ile 1,56; P = 0,04) | JAMA Network Open, UCSF 2026 |
| Aracı benimseyen klinisyen başına ek haftalık ziyaretler ve keşifsel aylık muayene ve yönetim geliri (5 akademik sistem) | +0,49 ziyaret (%95 GA 0,17 ile 0,81), %1,7 artış; ayda $167,37 (%95 GA $86,52 ile $248,21) | JAMA, çok merkezli çalışma 2026 |
| Ortanca RVU, benimseme öncesi ile sonrası (Providence) | 382,3’ten 399,1’e (P < 0,001); günlük randevularda anlamlı değişim yok | JAMA Network Open, Husa ve ark. 2026 |
| Benimseme öncesine göre 150. günde iş RVU’su (birinci basamak) | +%2 (IRR 1,02) | medRxiv ön baskısı, Washington University 2026 |
| Tanı kodlama (ICD-10) uyum skoru, 0 ile 10: ortam dinlemeli yapay zekâ notları ile insan yazımı notlar | 6,87 ile 5,94 (P<0.001) | NEJM AI, Afshar ve ark. 2025 |
| McLeod Health’te nottaki süre ve sağlayıcı başına aylık net kazanç (Suki’ye özgü satıcı doğrulaması) | Nottaki sürede -%26,8; sağlayıcı başına ayda $1.004 net kazanç; Seviye 3 mevcut hasta ziyareti kodlarında -%18,2 | KLAS Research, Suki ROI Validations 2026 (satıcıya özgü rapor, HIT Consultant aracılığıyla) |
Bağlam: KLAS rakamları tek bir satıcının müşterilerini anlatıyor ve kategori ölçütü değil; aynı raporda FMOL Health nottaki sürede %21’lik bir azalma kaydetti.
6. Not Doğruluğu, Hatalar ve Düzenleme Yükü
Bugüne kadarki en ayrıntılı gerçek dünya denetimi, değerlendiricilerin 7.545 yapay zekâ taslağı nottan 356’sını okuduğu UC Davis’ten geliyor. İncelenen notların %18’inde eksiklik, %11,5’inde halüsinasyon (yapay zekânın yazdığı ama görüşmede söylenmemiş içerik) görüldü; %5,3’ü ise ciddi veya yakın risk oluşturan hatalar taşıyordu (JMIR Medical Informatics, UC Davis 2026). Başka bir deyişle, örneklenen 356 taslağın 19’u güvenlik açısından önemli bir düzeltme gerektiriyordu; yazarların klinisyen gözden geçirmesinin gerekli kaldığı sonucuna varmasının nedeni bu.
Hata oranları, kimin ve nasıl saydığına büyük ölçüde bağlı. Üç ticari not asistanına ilişkin Ağustos 2026 tarihli bir ön baskı denetimi notların %31,3’ünde doğrulanmış bir hata buldu, ancak kullanılan inceleme standardına bağlı olarak örneklenen notların %28 ile %97’sinde bir hata bulunduğunu da gösterdi (arXiv ön baskısı 2026). Daha önceki, daha olumlu sonuçlar Permanente’nin 2024 pilotundan geldi; bu pilot 35 transkripti doğruluk ve ilgili ölçütlerde ortalama 50 üzerinden 48 puanla değerlendirdi. Wisconsin denemesi ise notların %1’inden azında (12 not) damgalayıcı dil buldu. Bu notların altındaki transkripsiyon katmanının konuşmacıya göre kendi doğruluk açıkları var; bunları konuşma tanıma aksan yanlılığı istatistiklerimizde ele aldık.
| Metrik | Değer | Kaynak |
|---|---|---|
| Kazara eksiklik içeren incelenmiş yapay zekâ taslağı notlar (UC Davis, 356 not) | %18 (64 not) | JMIR Medical Informatics, UC Davis 2026 |
| Halüsinasyon içerikli incelenmiş notlar | %11,5 (41 not) | JMIR Medical Informatics, UC Davis 2026 |
| Kazara eklemeler içeren ve yanlılık içeren incelenmiş notlar | %9,3 (33 not) ile %1,1 (4 not) | JMIR Medical Informatics, UC Davis 2026 |
| Ciddi veya yakın risk olarak derecelendirilen hatalar içeren incelenmiş notlar (şiddet 4 ile 5) | %5,3 (19 not) | JMIR Medical Informatics, UC Davis 2026 |
| Hekimler tarafından değiştirilen yapay zekâ kelimelerinin ortanca payı ile düzenlenmeden bırakılan notlar | %9,0 ile %14,9 (960 içinde 143) | JMIR Medical Informatics, UC Davis 2026 |
| PDQI-9 ölçeğinde genel not kalitesi, simüle uzman görüşmeleri (VA, 2 ürün) | 50 üzerinden 36,2; en düşük madde kapsamlılık, 5 üzerinden 3,4 | JAMA Network Open, VA simülasyon çalışması 2026 |
| En az bir doğrulanmış hata içeren notlar, 3 ticari not asistanı, 142 muayene (ön baskı) | %31,3 [27,0 ; 35,6] | arXiv ön baskısı 2026 |
| Hekimlerin değerlendirdiği klinik açıdan anlamlı yanlışlık sıklığı, 5 puanlık ölçek (2 = nadiren, 3 = ara sıra) | DAX 2,7; Nabla 2,8; denemede bir hafif advers olay | NEJM AI, Lukac ve ark. 2025 |
Bağlam: VA çalışması, klinisyenlerin en çok korktuğu hata türlerini, yani uydurma fizik muayene bulgularını ve atlanan önemli negatifleri adlandırdı; hematoloji-onkoloji katılımcılarından biri bunlara “büyük güvenlik sorunları” dedi.
7. Hasta Kabulü ve Onam
ABD klinikleri içinde hastalar nadiren hayır diyor. Wisconsin denemesinde hastaların %99,92’si ortam kaydına onam verdi, yalnızca 22 ret vardı (NEJM AI, Afshar ve ark. 2025). Kamuoyu anketleri daha temkinli bir hikâye anlatıyor ve aradaki fark çoğunlukla bilgiyle ilgili: hastalar sesin nereye gittiğini ve hangi şirketlerin işin içinde olduğunu öğrendiğinde rahatlık düşüyor.
NYU onam çalışması bu etkiyi doğrudan gösteriyor. Teknoloji hakkında temel bilgi verildikten sonra onam %81,6 iken, yapay zekâ özellikleri, veri depolama ve kurumsal katılımın ayrıntılı açıklanmasından sonra %55,3 oldu (JAMA Network Open, NYU Langone 2025). Birleşik Krallık’ta rahatlık, rutin bir kontrol için %48’den aile içi şiddet konulu bir muayene için %23’e düşüyor (Healthwatch England 2026). Çok dilli ortamlardaki onam görüşmeleri ayrı bir katman ekliyor; bunu hastane tıbbi tercüman istatistiklerimizde ele aldık.
| Metrik | Değer | Kaynak |
|---|---|---|
| Başlangıçta ortam dinlemeli dokümantasyondan rahat olan NYU pilot hastaları (103 hasta) | %74,8 (77 hasta) | JAMA Network Open, NYU Langone 2025 |
| Temel bilgiden sonra onam verecek NYU pilot hastaları ile yapay zekâ özellikleri, veri depolama ve kurumsal katılımın ayrıntılı açıklanmasından sonra onam verecekler | %81,6 (84) ile %55,3 (57) | JAMA Network Open, NYU Langone 2025 |
| Verilerinin satıcıyla paylaşılmasını istemeyen NYU pilot hastaları | %59,2 (61 hasta) | JAMA Network Open, NYU Langone 2025 |
| Yapay zekâ not asistanının gelecekte kullanımına isteksiz Kanadalı yetişkinler ile yapay zekâ not asistanlarının kullanıldığının farkında olanlar (12.153 yetişkin) | %61,8 ile %28,3 | JAMIA, Chandrasekaran ve Moustakas 2026 |
| Klinisyenlerin yapay zekâ not asistanı kullanmadan önce onam istemesini isteyen Birleşik Krallık’taki yetişkinler (4.039 yetişkin) | %81 | Healthwatch England, YouGov anketi 2026 |
| Yakın zamanda randevusu olan ve yapay zekâ ile not tutulduğunun farkında olmayan Birleşik Krallık’taki yetişkinler | 2.795 kişinin neredeyse %90’ı | Healthwatch England, YouGov anketi 2026 |
| Yapay zekâ not asistanından biraz veya çok rahat olan Birleşik Krallık’taki yetişkinler: rutin sağlık kontrolü ile aile içi şiddet muayenesi | %48 ile %23 | Healthwatch England, YouGov anketi 2026 |
| Not asistanından rahat olan ile rahatsız olan Permanente hastaları (118 hasta) | Üçte iki ile %8 (%26 kararsız) | The Permanente Medical Group, NEJM Catalyst 2025 |
Bağlam: Birleşik Krallık’ta NHS genelinde devreye almaya verilen destek neredeyse eşit bölünmüş durumda, %38 destekliyor ve %37 karşı çıkıyor; güçlü muhalefet (%21) güçlü desteğin (%11) neredeyse iki katı.
Özet: Rakamlarla Ortam Dinlemeli Yapay Zekâ Tıbbi Not Asistanı
| Metrik | Değer | Kaynak |
|---|---|---|
| Not asistanı kullanımının 30. günü öncesi ile sonrası tükenmişlik (6 sistem) | %51,9’dan %38,8’e | JAMA Network Open, Olson ve ark. 2025 |
| Yüksek iş yorgunluğu eşiğinin üzerindeki sağlık profesyonelleri, deneme başı ile sonu | %56,1’den %35,4’e | NEJM AI, Afshar ve ark. 2025 |
| 8 planlı hasta saati başına dokümantasyon süresi, aracı kullanmaya başlayanlar ile başlamayanlar | -16,0 dakika (yaklaşık -%10) | JAMA, çok merkezli çalışma 2026 |
| Ortalama not süresi değişimi: Nabla kolu ile kontrol (randomize) | -41 saniye ile -18 saniye | NEJM AI, Lukac ve ark. 2025 |
| Günlük mesai dışı çalışma, Penn Medicine | 50,6 dakikadan 35,4 dakikaya | JAMA Network Open, Duggan ve ark. 2025 |
| 150. günde pijama zamanı, birinci basamak (ön baskı) | -%19 | medRxiv ön baskısı, Washington University 2026 |
| 5 akademik sistemde not asistanını benimseyen klinisyenler | %21,1 | JAMA, çok merkezli çalışma 2026 |
| Aktif ortam dinlemeli yapay zekâ kullanıcısı olan Providence klinisyenleri, Oca 2024 ile Mar 2025 | %0,1’den %28,8’e | JAMA Network Open, Husa ve ark. 2026 |
| Faturalama kodları, tıbbi dosyalar veya ziyaret notları için yapay zekâ kullanan hekimler | %28 | AMA, Artırılmış Zekâ Hekim Anketi 2026 |
| Haftalık RVU, aracı kullanmaya başlayanlar ile başlamayanlar (UCSF) | +1,81 | JAMA Network Open, UCSF 2026 |
| Hekim başına yıllık tahmini ek gelir (UCSF) | Yaklaşık $3.044 | JAMA Network Open, UCSF 2026 |
| İncelenen yapay zekâ notlarında eksiklik / halüsinasyon / ciddi veya yakın risk oluşturan hata | %18 / %11,5 / %5,3 | JMIR Medical Informatics, UC Davis 2026 |
| Doğrulanmış hata içeren notlar, 3 ticari not asistanı (ön baskı) | %31,3 | arXiv ön baskısı 2026 |
| Ortam kaydına hasta onamı (ABD denemesi) | %99,92 | NEJM AI, Afshar ve ark. 2025 |
| Ayrıntılı ile temel bilgilendirmeden sonra hasta onamı (NYU) | %55,3 ile %81,6 | JAMA Network Open, NYU Langone 2025 |
| Yapay zekâ not asistanının gelecekte kullanımına isteksiz Kanadalı yetişkinler | %61,8 | JAMIA 2026 |
| Onamlarının sorulmasını isteyen Birleşik Krallık’taki yetişkinler | %81 | Healthwatch England 2026 |
Metodoloji ve Kaynaklar
Randomize denemelere ve hakemli sağlık sistemi çalışmalarına öncelik verdik, basın bültenlerini yalnızca adı belli bir makaleyi özetlediklerinde kullandık ve ön baskıları ile satıcıya özgü raporları öyle olduklarını belirterek etiketledik. Bu derlemedeki hiçbir rakam VoxBooster verisinden gelmiyor.
- NEJM AI, Lukac ve ark. 2025, Ambient AI Scribes in Clinical Practice: A Randomized Trial (UCLA), ayrıca UCLA Health basın bülteni
- NEJM AI, Afshar ve ark. 2025, A Pragmatic Randomized Controlled Trial of Ambient AI to Improve Health Practitioner Well-Being (University of Wisconsin)
- JAMA 2026, Changes in Clinician Time Expenditure and Visit Quantity With Adoption of AI-Powered Scribes: A Multisite Study
- JAMA Network Open, Olson ve ark. 2025, Use of Ambient AI Scribes to Reduce Administrative Burden and Professional Burnout
- JAMA Network Open, Duggan ve ark. 2025, Clinician Experiences With Ambient Scribe Technology (Penn Medicine)
- JAMA Network Open, Husa ve ark. 2026, Ambient AI Use and Clinician Documentation Burden, Productivity, and Efficiency (Providence)
- JAMA Network Open 2026, Ambient AI Scribes and Physician Financial Productivity (UCSF)
- medRxiv ön baskısı 2026, Longitudinal Effects of Ambient AI Scribe Use in Primary Care (Washington University), hakem değerlendirmesinden geçmemiştir
- The Permanente Medical Group, NEJM Catalyst bir yıllık değerlendirme 2025, Kaiser Permanente Division of Research tarafından özetlendi
- AMA, Artırılmış Zekâ Hekim Anketi 2026
- AMA, hekimlerin yapay zekâ kullanımları ve Hattiesburg Clinic pilotu üzerine rapor 2025
- AMA, Permanente 10 haftalık pilot üzerine rapor 2024
- Mass General Brigham, You ve ark. JAMA Network Open 2025 üzerine basın bülteni (Mass General Brigham ve Emory)
- JMIR Medical Informatics 2026, Quality of Clinical Notes Created by Ambient Listening Generative AI (UC Davis)
- JAMA Network Open 2026, Ambient Scribe Technology in Simulated Patient Encounters Across Specialties (Veterans Health Administration)
- arXiv ön baskısı 2026, One note in three: a verified census of three deployed AI scribes, hakem değerlendirmesinden geçmemiştir
- JAMA Network Open 2025, Informed Consent for Ambient Documentation Using Generative AI in Ambulatory Care (NYU Langone)
- JAMIA 2026, Patient attitudes toward ambient AI scribes in clinical care (Kanada anketi)
- Healthwatch England 2026, What does the public think about AI scribe use in healthcare (YouGov anketi)
- KLAS Research, Suki ROI Validations 2026, HIT Consultant’ın aktardığı satıcıya özgü rapor
- Veri notu: buradaki etki büyüklüklerinin çoğu, kendi isteğiyle aracı benimseyenlerin yer aldığı randomize olmayan öncesi-sonrası veya gözlemsel tasarımlardan geliyor; dolayısıyla bunlar nedensellik kanıtı değil, ilişkilerdir; yalnızca UCLA ve Wisconsin denemeleri randomize. Penn makalesi özetinde mesai dışı çalışmada %30,0 azalma bildiriyor, ancak Tablo 2’de -%16,9 veriyor; ayrıca özeti “iş günü başına” derken tablo “planlı gün başına” diyor. Olson çalışması haftalık mesai dışı değişimini iş günü başına 10,8 dakikaya çeviriyor, bu türetilmiş bir tahmin ve yazarlarından birkaçının, çalışılan not asistanının satıcısıyla bağları var. VA simülasyon makalesi nöroloji skorunu metinde 42,2, tablosunda 41,2 olarak veriyor. Mass General Brigham ve Emory’deki tükenmişlik anketlerinin yanıt oranları %11 ile %30 arasındaydı. Washington University ve arXiv çalışmaları ön baskıdır ve hakem değerlendirmesinden önce değişebilir; KLAS rakamları ise tek bir satıcının müşterilerini anlatıyor. Permanente hekim anketi (102 katılımcı) ve hasta anketi (118 katılımcı) rakamları tek bir tıbbi gruptan küçük örneklemlerdir. Beklenen en önemli yeni veriler, bir sonraki AMA artırılmış zekâ anketi ile en sağlam tahminleri benimsemeden yalnızca yaklaşık 5 ay sonrasına ulaşan beş sistemli JAMA kohortunun daha uzun takibidir.
Son güncelleme: 24 Ekim 2026. Bu derlemeyi üç ayda bir güncelliyoruz ve bir sonraki yenilemenin, AMA 2027 Artırılmış Zekâ Hekim Anketi’ni yayımladığında yapılması bekleniyor.