// İçindekiler
Hastanede geçirdikleri birkaç gün boyunca 13 epilepsi hastası telefonlarına nöbet uyarıları aldı ve her birine evet ya da hayır diye yanıt verdi. Uyarıların üçte ikisinden fazlasına cevap geldi. Algoritma bu kısa yanıtlarla yeniden eğitildi ve bir simülasyonda yanlış alarmları yaklaşık yüzde 80 azaldı. Deneyimli uzmanların etiketleri buna yalnızca yüzde 2 daha ekledi. Ama bir ayrıntı var: yeni sürüm gerçek nöbetleri eskisinden daha iyi yakalamadı.
Katılımcıların hepsi Pennsylvania Üniversitesi Hastanesi’ndeki epilepsi izleme ünitesinde yatıyordu ve her birinde, kendi EEG’sine bağlı bir yapay zekâ asistanı bulunan bir telefon uygulaması vardı. Nörolog Brian Litt’in grubunun çalışması 13 Ekim 2026’da Nature Medicine’de yayımlandı . Yazarlar bunu bir kavram kanıtı olarak adlandırıyor: örneklem çok küçük ve her şey hastane içinde yaşandı. Platformu, Litt’in laboratuvarındaki biyomühendislik doktora öğrencileri Zack Goldblum ve Haoer Shi kurdu.
Herkesin nöbet beklediği koğuş
İnsanlar böyle bir üniteye tedavi olmak için değil, nöbetlerini gözetim altında geçirmek için yatırılır. Hasta, doktorlar nöbeti kayıtta yakalayıp nereden başladığını görebilsin diye başında elektrotlarla birkaç gün kamera karşısında kalır. EEG, yani elektroensefalografi, beynin elektriksel etkinliğini kaydeder; nöbet sırasında kayıttaki ritim, deneyimli bir doktorun hemen fark ettiği biçimde değişir. Açık veri kümesinin tanımına göre on bir katılımcının elektrotları kafa derisindeydi, ikisinin ise beynin içinde.
Kaydı bir dedektör program izler. Sık sık boşuna alarm verir; örneğin biri başını kaşıdığında ya da uykusunda döndüğünde hareket kayda gürültü bırakır. Her seferinde hemşire çağırırsanız akşama kadar kimse alarmlara inanmaz.
Doktorlar ve mühendisler genelde böyle bir dedektörü belirli bir kişiye göre ayarlar ve bu, yüz yüze aylarca programlama gerektirir. Litt’in ekibi, nöbetin gerçekten olup olmadığını kesin bilene sormayı önerdi. Bahis göründüğünden büyük: DSÖ’ye göre epilepsili insanların yüzde 70’e kadarı doğru teşhis ve tedaviyle nöbetsiz yaşayabilir. Nöbetlerin doğru kaydı bu teşhisin başladığı yerdir.
Aylarca ayar yerine üç düğme
Asıl bulgu en mütevazı eylemde saklı. Dedektör olası bir nöbet işaretlediğinde telefon soruyordu: bu gerçekten oldu mu? Hasta evet, hayır ya da emin değilim diyebiliyordu. MedicalXpress’in aktardığına göre hastalar bu soruların üçte ikisinden fazlasını yanıtladı.
Bu yanıtlar algoritma için ipucu oldu; tıpkı fotoğrafların altındaki, sinir ağına kedileri tanımayı öğreten alt yazılar gibi. Dedektör bunlarla yeniden eğitildikten sonra hastanede kalış süresince yaklaşık yüzde 80 daha az gereksiz alarm üretti. Bu rakam bir simülasyondan geliyor: ekip kayıtları sonradan yeniden eğitilmiş modele yeniden oynattı ve kaç alarm vereceğini saydı. Yani sistemin canlı davranışı hâlâ açık bir soru.
Yeni sürüm daha keskin değil, daha sakin oldu. Boşuna gürültü yapmayı bıraktı, ama gerçek nöbetleri eskisi kadar kaçırdı.
İnsanlar kendi beynine ne soruyor
Uygulama iki yönlü çalışıyor. Hasta bir soru yazıyor, yapay zekâ ajanı canlı EEG kaydına bakarak, bazen bir grafikle yanıtlıyor. Sohbetin arkasında OpenAI’nin GPT-4o-mini sürümlerinden biri vardı; ona hasta verisini saklamayı ve bu veriyle eğitim yapmayı sözleşmeyle yasaklayan özel bir kanaldan ulaşılıyordu. Medical Economics’in yazdığına göre her iki yöndeki her mesaj otomatik bir güvenlik denetiminden geçti.
Sohbetlerin çoğu nöbetler, uyku, ruh hali ve enerji üzerineydi. Tipik bir soru: dün gece nöbet geçirdim mi? Konuşmanın büyük kısmını, mesajların yaklaşık yüzde 69’unu sistemin kendisi yaptı: uyarılar, günde üç kez anketler ve yanıtlar. Basit bir yanıt yaklaşık 2 saniyede geliyordu; bir hemşirenin odaya yürümesinden daha hızlı. Sistemi EEG kaydını karıştırmaya iten bir soru, örneğin “ne kadar uyudum?”, yaklaşık 9 saniye sürdü. On üç kişiden beşi sistemi eve götürüp götüremeyeceklerini kendiliğinden sordu. Ekibin yanıtı “henüz değil” oldu, ama çalışma o yöne gidiyor; Goldblum bunu Medical Economics’e verdiği röportajda anlatıyor. Kullanılabilirlik anketini yalnızca beş katılımcı doldurdu ve uygulamaya ortalama 100 üzerinden 83 puan verdi.
// Deney rakamlarla
Tıbbi cihazlar neden sessiz kalıyor
Litt fikri basitçe özetliyor: hastalar çoğu zaman hastalıklarının sensörlerin doğrudan ölçemediği yönlerini anlar. Bunlar onun sözleri, Pennsylvania Üniversitesi’nin duyurusunda geçiyor. İnsan, nöbetten önce kötü uyuduğunu ya da ilacını atladığını bilir. Cihaz ise yalnızca kayıttaki bir çizgiyi görür.
Ters yöndeki kanal da neredeyse yok. ABD’de epilepsi için onaylı üç implant cihaz var: vagus siniri uyarımı, yanıt veren nöro-uyarım (RNS) ve derin beyin uyarımı. Yazarlara göre bunların hiçbiri hastalarla gerçek zamanlı bilgi paylaşamıyor. Yani insan kendi cihazından bir şey öğrenecekse bunu ancak doktor aracılığıyla yapabiliyor. Litt bunu açıkça söylüyor: veriler, davranışın sağlığı nasıl etkilediğine dair pek çok ipucu saklıyor, ama hastaların şu anda bunları anında öğrenme imkânı yok; NIH onu böyle aktarıyor .
Sistem nasıl kurulmuş
Sistem üç parçadan oluşuyor. Bir yazılım EEG elektrotlarından gelen sinyali sürekli yakalıyor. ABD’nin tıbbi gizlilik kurallarına uyan güvenli bir bulut ortamı kaydı neredeyse gerçek zamanlı analiz ediyor. Üçüncü parça, hastanın yapay zekâ ajanına mesaj attığı akıllı telefon uygulaması; ajan soruları yanıtlıyor ve kendi bildirimlerini gönderiyor. Katılımcıların kayıtları diğer araştırmacılara açık. Çalışma, 5,6 milyon dolarlık bir NIH Pioneer Ödülü ile finanse ediliyor ve erken bir sürümü Ocak 2026’da medRxiv’de ön baskı olarak, daha da iddialı bir başlıkla çıkmıştı: “Hastalarla konuşan ve epilepsiyi birlikte yönetmeyi öğrenen implant cihaz”.
Deneyin henüz göstermediği şeyler
DSÖ’ye göre dünyada yaklaşık 50 milyon kişi epilepsi hastası. Bu yüzden çalışmayı bir tedavi haberi olarak okumak cazip. Oysa konu başka. On üç hasta bir hastanede, personel gözetiminde birkaç gün geçirdi ve deney, insanların daha az nöbet geçirip geçirmeyeceğini göstermek üzere tasarlanmamıştı.
Bunu, minimal invaziv EEG ve giyilebilir sensörlerle yapılacak sonraki ayakta tedavi çalışmaları sınayacak. Gündelik hayatta önemli olanı sayacaklar: nöbetlerin ne sıklıkta ve ne şiddette olduğunu, kaç ambulans çağrısına ve hastane ziyaretine gerek kaldığını. Ardından yazarlar bu tür bir diyalogla Parkinson hastalığı için derin beyin uyarımını otomatik ayarlamak istiyor. Kalp pili ve insülin pompası kullananlara da yardımı olabileceğine inanıyorlar. Düzenleyicilerin bu tür sistemleri aşamalı olarak, önce yalnızca tavsiye veren ve kendi başına hiçbir karar almayan sistemlerle başlayarak onaylayacağını bekliyorlar.
Bu tür cihazlar yıllarca vücut hakkında sessizce veri toplar. Bu denemede ise bir cihaz sahibine neler olduğunu sordu ve sahibinin yanıtları onu daha isabetli hâle getirdi.
