Tıp ve sağlık eğitiminde kaliteyi uzun yıllar standartlar üzerinden konuştuk. Programları değerlendirdik, çıktıları izledik ve kurumların kendilerini sorgulamalarını istedik. Bu yaklaşım hâlâ vazgeçilmezdir. Fakat önümüzde yeni bir eşik var.

Yapay zekâ eğitimin araçlarını değiştirmekle kalmıyor; öğrenmenin, ölçmenin ve değerlendirmenin mantığını da dönüştürüyor.

Bu değişim, akreditasyonu da yeniden düşünmemizi gerektiriyor.

Akreditasyon bazen yanlış biçimde bir sonuç belgesi gibi algılanıyor. Oysa gerçek değeri, kurumun sürekli olarak kendisini sorgulamasında yatmaktadır. Kalite güvencesi de denetim tarihinden kısa süre önce başlayan bir hazırlık faaliyeti değildir.

Kalite, kurumun gündelik davranışıdır.

Tıp eğitiminde bunun ayrı bir anlamı vardır. Çünkü burada değerlendirilen eğitimin sonucu, sonunda insan hayatına dokunur. Bir programın başarısı yalnızca derslerin eksiksiz yürütülmesiyle ölçülemez.

Mezunun ne bildiği elbette önemlidir. Fakat bildiğini nasıl kullandığı daha belirleyicidir. Belirsizlik karşısındaki muhakemesi, kanıtı değerlendirme biçimi ve kararlarının sorumluluğunu taşıyabilmesi de değerlendirilmelidir.

Yapay zekâ bu noktada iki farklı kapı açıyor.

İlk kapı, kalite güvencesinin kendisine açılıyor.

Eğitim kurumları artık büyük miktarda veri üretiyor. Sınavlar, beceri değerlendirmeleri, öğrenci geri bildirimleri, program çıktıları ve klinik eğitim verileri bunun yalnızca bir bölümüdür.

Bu verilerin önemli bir kısmı birbirinden kopuk sistemlerde kalıyor. Böyle olunca kurum çok şey ölçüyor, fakat kendisi hakkında aynı ölçüde öğrenemiyor.

Yapay zekâ bu dağınık tabloyu anlamlandırmada kullanılabilir. Tekrarlayan sorunları daha erken işaretleyebilir. Değerlendirme sonuçlarındaki beklenmedik örüntüleri görünür hâle getirebilir.

Programdaki bir zayıflığın hangi aşamada ortaya çıktığını araştırmaya yardımcı olabilir. Öğrenci grupları arasındaki açıklanamayan başarı farklılıklarını gösterebilir. Zaman içinde ortaya çıkan eğilimlerin daha erken fark edilmesini sağlayabilir.

Burada önemli bir fırsat görüyorum.

Akreditasyon, belirli yıllarda çekilen kurumsal bir fotoğraf olmaktan çıkabilir. Sürekli çalışan bir kalite izleme sistemine dönüşebilir.

Öz değerlendirme de geçmişi anlatan bir dosya olmaktan uzaklaşabilir.

Kurum, kendi eğitim süreçlerini yaşayan veriler üzerinden sürekli izleyebilir ve kendi kendisinden öğrenebilir.

Fakat ikinci kapı çok daha önemlidir.

Yapay zekâ yalnızca değerlendirme sistemlerini değil, değerlendirdiğimiz öğrenciyi de değiştiriyor.

Bir öğrenci artık saniyeler içinde güçlü görünen cevaplar üretebiliyor. Klinik senaryolar geliştirebiliyor. Bilgiyi özetleyebiliyor, olası seçenekleri karşılaştırabiliyor ve karar desteği alabiliyor.

Bu durumda eski değerlendirme yöntemlerinin bazılarının ayırt ediciliğini kaybetmesi kaçınılmazdır.

Geleceğin sağlık profesyoneline yalnızca “Ne biliyorsun?” diye soramayız.

“Bu bilginin güvenilir olduğunu nasıl anladın?” sorusunu da sormalıyız.

Bir yapay zekâ sisteminin hatasını fark edebiliyor mu?

Kaynağın güvenilirliğini değerlendirebiliyor mu?

Üretilen bilginin doğruluğunu başka kanıtlarla sınayabiliyor mu?

Algoritmanın önerisini hastanın klinik bağlamı içinde sorgulayabiliyor mu?

Ve daha önemlisi, son kararın sorumluluğunu üstlenebiliyor mu?

Bunlar artık yalnızca bir teknoloji dersinin konuları değildir. Mesleki yeterliğin yeni bileşenleri olmaya adaydır.

Bu nedenle akreditasyon standartlarının da zamanla değişmesi kaçınılmaz görünüyor.

Bir kurumda yapay zekâ kullanılması tek başına kalite göstergesi sayılamaz. Hatta kontrolsüz veya amaçsız kullanıldığında bunun tam tersi sonuçlar ortaya çıkabilir.

Asıl sorulması gereken soru daha zordur:

Kurum, öğrencisine yapay zekâyla birlikte düşünmeyi mi öğretiyor?

Yoksa düşünme görevini yapay zekâya devretmeyi mi?

Bu ayrım, tıp ve sağlık eğitiminin geleceğinde belirleyici olacaktır.

Kalite güvencesinde de benzer bir sınır çizmeliyiz.

Yapay zekâ değerlendiricinin yerine geçmemelidir. Değerlendiricinin gözden kaçırabileceği ilişkileri görünür kılan bir karar destek aracı olarak kullanılmalıdır.

Çünkü algoritma bir örüntüyü bulabilir. Fakat her örüntü eğitimsel anlam taşımaz.

Eğitimde anlamlandırma hâlâ insan muhakemesine ihtiyaç duyar.

Üstelik verinin kendisi de tarafsız değildir.

Geçmiş uygulamaların eksikliklerini taşıyabilir. Ölçülmeyen yetkinlikleri görünmez bırakabilir. Belirli öğrenci grupları açısından sistematik farklılıklar üretebilir.

Bu nedenle geleceğin kalite sistemleri yalnızca eğitim programlarını değil, kullanılan algoritmaları da sorgulamak zorundadır.

Veri güvenliği, mahremiyet, algoritmik önyargı, açıklanabilirlik, ölçme geçerliği, eşitlik ve insan gözetimi artık kalite güvencesinin dışında düşünülemez.

Buradan daha geniş bir noktaya ulaşabiliriz.

Yapay zekâ çağında akreditasyonun görevi teknoloji kullanımını onaylamak değildir.

Asıl görev, teknoloji kullanılırken eğitimin insani ve mesleki sorumluluğunu korumaktır.

Tıp ve sağlık eğitiminde çok şey otomatikleşebilir. Geri bildirim hızlanabilir. Program değerlendirmeleri daha güçlü verilerle yapılabilir. Riskler daha erken görülebilir.

Fakat güven otomatikleştirilemez.

Bir hastanın karşısındaki sağlık profesyonelinden beklediğimiz şey hâlâ aynıdır.

Yetkin olmasını isteriz.

Kararının gerekçesini bilmesini isteriz.

Belirsizlik karşısında muhakeme edebilmesini isteriz.

Ve sorumluluğunu bir algoritmaya devretmemesini bekleriz.

Akreditasyon kurumları önümüzdeki dönemde bu güvenin yeni ölçülerini geliştirmek zorunda kalacaktır.

Belki geleceğin en güçlü eğitim kurumu en fazla veri toplayan kurum olmayacaktır.

Kendi verisinden öğrenebilen kurum olacaktır.

Sorununu dış değerlendirme gelmeden önce fark edebilen kurum olacaktır.

Hatasını saklayan değil, hatasından öğrenen kurum olacaktır.

Akreditasyonun geleceğini de burada görüyorum.

Duvarlara asılan belgelerden yaşayan kalite sistemlerine geçmeliyiz. Yapay zekâyı bu dönüşümün amacı olarak değil, araçlarından biri olarak görmeliyiz.

Çünkü tıp ve sağlık eğitiminde değişmeyecek bir ölçümüz vardır:

Yetiştirdiğimiz insanın bilgisine, muhakemesine, mesleki sorumluluğuna ve insanlığına güvenebilmek.

Yapay zekâ tıp alanında bugün pek çok işi yapabilir, yarın çok daha fazlasını yapacaktır. Bir insanın sözlerini, yüz ifadesini ve hatta empatik bir iletişimin biçimini taklit etmesi de mümkündür.

Fakat şefkat yalnızca doğru cümleyi kurmak değildir.

Merhamet yalnızca uygun bir yüz ifadesi değildir.

Hastanın korkusunu fark etmek, gerektiğinde yanında susabilmek, omzuna dokunurken bunun insani ve etik sorumluluğunu taşımak bir bakım ilişkisinin parçasıdır.

Bir algoritma bu davranışları taklit edebilir; fakat onların ahlaki sorumluluğunu üstlenemez.

Bu nedenle gerek eğitimde gerek kalite güvencesinde ilk sorulardan biri şu olmalıdır:

Yetiştirdiğimiz sağlık profesyoneli yalnızca doğru karar verebiliyor mu, yoksa karşısındaki insanı da görebiliyor mu?

Çünkü tıp, bilgiyle başlar; muhakemeyle güçlenir, fakat insanla tamamlanır.

Ve belki yapay zekâ çağının bize hatırlatacağı en önemli gerçek de budur:

Asıl değişim, yapay zekânın ne kadar geliştiğiyle değil, onu geliştiren ve kullanan insanın düşünme biçiminin nasıl değiştiğiyle başlayacaktır.