Çalışma, yapay zekânın yalnızca tıbbi bilgi öğretmek için değil; empati, damgalamadan kaçınma ve hasta merkezli iletişimin çalışılabileceği güvenli bir simülasyon ortamı oluşturmak için de kullanılabileceğine işaret ediyor.
Yapay zekânın tıp eğitimindeki rolü hızla değişiyor.
Bir süre öncesine kadar öğrencilerin tıbbi sorularına yanıt veren veya karmaşık konuları açıklayan bir yardımcı olarak tartışılan üretken yapay zekâ, artık klinik eğitimin farklı bir alanında deneniyor: Hasta rolünde.
Türkiye’den yayımlanan yeni bir çalışma bunun dikkat çekici örneklerinden birini ortaya koydu.
Aydın Adnan Menderes Üniversitesi Tıp Fakültesi Tıp Eğitimi Anabilim Dalı araştırmacıları, ChatGPT-4o’yu HIV ile yaşayan standardize bir hasta olarak yapılandırdı ve tıp öğrencilerinin bu sanal hastayla gerçekleştirdiği görüşmeleri değerlendirdi.
Araştırma 8 Eylül 2026’da uluslararası hakemli AIDS Care dergisinde yayımlandı.
277 tıp öğrencisi AI hastayla görüştü
Çalışmaya üçüncü sınıfta eğitim gören tıp öğrencileri katıldı.
Toplam 277 öğrenci, HIV ile yaşayan bir kişiyi temsil edecek şekilde yapılandırılan yapay zekâ destekli hasta ile metin tabanlı klinik görüşme gerçekleştirdi.
Bunlardan 260 öğrencinin verileri nicel değerlendirmeye dahil edildi. Ayrıca 30 öğrencinin katıldığı iki odak grup görüşmesi gerçekleştirildi.
Amaç yalnızca öğrencilerin HIV hakkındaki tıbbi bilgisini ölçmek değildi.
Araştırmacılar öğrencilerin hasta merkezli iletişim kurabilme, yargılayıcı olmayan bir yaklaşım gösterebilme, hastanın kaygılarına yanıt verebilme ve stigma konusunda duyarlı bir görüşme yürütebilme becerilerini de değerlendirdi.
Yapay zekâ bu kez soruları yanıtlamadı, hasta oldu
Çalışmayı klasik ChatGPT kullanımından ayıran temel nokta burada ortaya çıkıyor.
Öğrenci yapay zekâya “HIV nedir?” veya “Tedavisi nasıl yapılır?” diye sormuyor.
Bu kez roller değişiyor.
Yapay zekâ HIV ile yaşayan hastayı temsil ederken tıp öğrencisi hekim rolünü üstleniyor.
Öğrencinin doğru soruyu bulması, hastanın kaygılarını anlaması, tıbbi bilgiyi uygun biçimde aktarması ve görüşmeyi damgalayıcı olmayan bir dille yürütmesi gerekiyor.
Böylece yapay zekâ bir bilgi kaynağından ziyade klinik iletişimin prova edilebildiği simülasyon aracına dönüşüyor.
En güçlü alanlardan biri yargılamadan iletişim
Araştırmanın sonuçları öğrencilerin bazı iletişim alanlarında diğerlerinden daha güçlü olduğunu gösterdi.
Öğrenciler özellikle destekleyici ve yargılayıcı olmayan iletişim ile hastanın endişelerine uygun yanıt verme alanlarında daha yüksek performans gösterdi.
Buna karşılık HIV hakkında doğru bilgi aktarma ve açık uçlu sorular kullanma konusunda daha düşük performans saptandı.
Bu ayrım tıp eğitimi açısından önemli.
Çünkü iyi bir hasta görüşmesi yalnızca doğru tıbbi bilgiye sahip olmayı değil, o bilgiyi hastanın anlayabileceği ve kendisini güvende hissedebileceği biçimde aktarabilmeyi de gerektiriyor.
Öğrencinin kendisini değerlendirmesi yeterli olmayabilir
Çalışmanın dikkat çekici bulgularından biri de öğrencilerin kendi performansları hakkındaki değerlendirmeleriyle eğiticilerin değerlendirmeleri arasındaki fark oldu.
Öğrencilerin kendilerine verdikleri puanlarla eğitici değerlendirmeleri arasındaki ilişki oldukça zayıf bulundu.
Bu sonuç, klinik iletişim eğitiminde yalnızca “Nasıl yaptığınızı düşünüyorsunuz?” sorusunun yeterli olmayabileceğini gösteriyor.
Öğrenci görüşmenin başarılı geçtiğini düşünebilir ancak deneyimli bir eğitici; kullanılmayan açık uçlu soruları, eksik bilgilendirmeyi veya iletişim sırasında gözden kaçan başka noktaları fark edebilir.
Bu nedenle yapay zekâ destekli simülasyonların gelecekteki önemli kullanım alanlarından biri, öğrencinin kendi performansını yapılandırılmış dış geri bildirimle karşılaştırmasına yardımcı olmak olabilir.
Empati ve etik duyarlılık da gündeme geldi
Araştırmanın odak grup görüşmeleri, öğrencilerin deneyimine daha yakından bakılmasını sağladı.
Bu görüşmelerde empati, etik duyarlılık ve doğru soruları oluşturma konusunda yaşanan güçlükler öne çıktı.
HIV bunun için özellikle önemli bir klinik örnek.
HIV ile yaşayan kişiler yalnızca hastalığın tıbbi sonuçlarıyla değil, damgalanma ve ayrımcılıkla da karşılaşabiliyor.
Hekimin kullandığı dil, soruları nasıl yönelttiği ve hastaya yaklaşımı bu nedenle klinik görüşmenin önemli bir parçasını oluşturuyor.
Öğrencinin bu tür hassas görüşmeleri gerçek hastayla karşılaşmadan önce kontrollü bir ortamda çalışabilmesi, simülasyon temelli eğitimin önemli kullanım alanlarından biri olabilir.
Gerçek hastanın yerini alması amaçlanmıyor
Bununla birlikte araştırmanın sonuçlarını “yapay zekâ gerçek hastanın veya standardize hastanın yerini alıyor” şeklinde yorumlamak doğru değil.
Çalışma tek merkezde gerçekleştirildi ve kontrol grubu içermeyen kesitsel karma yöntemli bir araştırmaydı. Dolayısıyla bu verilerden AI destekli simülasyonun geleneksel eğitime üstün olduğu sonucu çıkarılamaz.
Metin tabanlı yapay zekâ görüşmelerinin bir başka önemli sınırı da gerçek klinik iletişimin tamamını yansıtamaması.
Yüz ifadesi, ses tonu, göz teması, beden dili ve görüşme sırasında oluşan insani etkileşimin birçok unsuru metin tabanlı bir ortamda sınırlı kalıyor.
Bu nedenle yapay zekâ destekli hastaların en gerçekçi kullanım alanlarından biri, gerçek hasta ve standardize hasta eğitimlerinin yerine geçmekten çok öğrencilerin daha fazla tekrar yapmasını sağlayan tamamlayıcı bir basamak olabilir.
Türkiye’den tıp eğitiminde dikkat çekici örnek
Araştırmanın Türkiye açısından bir başka önemi de yapay zekânın tıp eğitimindeki kullanımına ilişkin yerli bir uygulamayı ortaya koyması.
Aynı araştırma grubu daha önce ChatGPT-4o’nun intörn hekimlerin klinik vaka yönetimi eğitiminde standardize hasta olarak kullanılmasını da incelemişti.
Yeni çalışma ise yaklaşımı üçüncü sınıf tıp öğrencilerine ve iletişimin özellikle hassas olduğu HIV alanına taşıyor.
Böylece tartışma yalnızca “Tıp öğrencileri yapay zekâyı kullanmalı mı?” sorusunun ötesine geçiyor.
Asıl soru giderek değişiyor:
Yapay zekâ, öğrencinin gerçek hastanın karşısına çıkmadan önce zor görüşmeleri tekrar tekrar çalışabileceği güvenli bir eğitim ortamına dönüştürülebilir mi?
Bu sorunun kesin yanıtı için kontrollü ve çok merkezli yeni araştırmalara ihtiyaç var.
Ancak Aydın Adnan Menderes Üniversitesi’nden yayımlanan çalışma, yapay zekânın geleceğin tıp eğitiminde yalnızca bilgi veren bir araç olarak değil, zaman zaman öğrencinin karşısına “hasta” olarak çıkan bir eğitim teknolojisi şeklinde de yer alabileceğini gösteren Türkiye’den dikkat çekici bir örnek oluşturuyor.
KAYNAKLAR
AIDS Care — Stigma-sensitive communication in medical students: an AI-supported simulation of a patient living with HIV, 2026.
Aydın Adnan Menderes Üniversitesi Tıp Fakültesi, Tıp Eğitimi Anabilim Dalı.
BMC Medical Education — ChatGPT-4o’nun intörn hekimlerin klinik vaka yönetimi eğitiminde standardize hasta olarak kullanımını inceleyen çalışma, 2025.
