Bir Sonraki Salgın Hastanede Değil, Veride Başlayacak

Bir salgının ilk sinyali genellikle zayıftır. Tek bir pnömoni kümesi, olağandışı ilaç satışı, yerel dilde yayımlanmış kısa bir haber, veterinerin sahadan gelen fotoğraflı bildirimi veya atık suda düşük düzeyde bir nükleik asit sinyali tek başına kesinlik taşımaz. Analitik kimyada düşük konsantrasyonlu bir pikin gerçek analit mi, gürültü mü olduğuna karar vermek için kör numune, tekrar ölçüm ve doğrulama yöntemleri gerekir. Salgın istihbaratında da sinyalin doğrulanması, bağlama yerleştirilmesi ve eyleme dönüştürülmesi gerekir.

HealthMap adlı çalışmanın erken dönem dönüşleri, internet haberleri ile uzman ve resmî uyarıları otomatik biçimde toplayıp sınıflandırmanın mümkün olduğunu gösterdi. Sistem 778 raporu, 87 hastalık kategorisi ve 89 ülke üzerinden değerlendirdi; otomatik sınıflandırıcı yüzde 84 doğruluğa ulaştı. Daha düzenli yapıdaki ProMED iletilerinde doğruluk yüzde 91, Google News kaynaklarında ise yüzde 81 idi [1]. Bu fark, makine öğrenmesi metotlarının yalnızca algoritmaya değil, kaynak verinin yapısına da bağımlı olduğunu açıkça göstermektedir.

Wuhan örneğinin doğru okunması

COVID-19’un ilk günlerinde sık sık “yapay zekâ pandemiyi önceden bildi” şeklinde haberler yayınlanmıştı. Gerçek ise çok daha katmanlıydı ve o kadar da kolay değildi. ProMED, Wuhan’daki nedeni bilinmeyen pnömoni kümesini 30 Aralık 2019’da duyurdu. Bogoch ve arkadaşları kısa süre içinde hava yolculuğu verileriyle olası uluslararası yayılımı değerlendirdi [2]. WIRED, BlueDot algoritmasının müşterilerine 31 Aralık’ta uyarı gönderdiğini ve çok dilli haberler, resmî açıklamalar, hayvan hastalığı ağları ile uçuş verilerini kullandığını bildirdi [3]. Bu, erken sinyal yakalamanın güçlü bir örneğidir, ancak belirli bir patojeni, salgının büyüklüğünü ve zaman çizelgesini önceden kesin biçimde tahmin ettiği anlamına gelmemektedir.

Yazılım açısından burada en kritik ayrım “algılama(detection)” ile “tahmin(prediction)” arasındadır. Algılama yöntemi, mevcut verideki olağandışı örüntüyü bulur. Tahmin yöntemi ise henüz gerçekleşmemiş bir sonucu olasılıklara dayanarak tahmin eder. Bir sistemin erken uyarı vermesi; yanlış alarm oranı, kaçırdığı olaylar, uyarının ne kadar erken verildiği ve karar vericiye sağladığı fayda birlikte ölçülmeden başarı sayılmaz.

Salgın istihbaratının veri hattı

İyi bir erken uyarı sistemi, tek bir yapay zekâ modelinden çok üretim kalitesinde bir veri hattına benzer. Kaynaklar alınır, dil ve konum belirlenir, kopyalar ayıklanır, zaman, hastalık ve coğrafya etiketlenir, olağandışılık puanı hesaplanır, ardından insan uzmanlar sinyali doğrular. Bir hata yalnızca yanlış sınıflandırma değildir. Yanlış coğrafi kodlama, gecikmiş zaman damgası, haberin tekrar yayımlanması veya siyasi nedenlerle eksik bildirim de modeli yanıltabilir.

ABD’de 97 ilçe üzerinde dijital izleri değerlendiren bir çalışma, bazı uyarıların salgının başlangıcından 1-6 hafta önce üretilebildiğini gösterdi. Aynı çalışma yanlış alarmları da açıkça tanımladı [4]. Bilimsel olarak kıymetli olan tam da budur: yalnızca isabetli örnekleri anlatmak yerine başarısızlık uzayını ölçmek.

DSÖ’nün Epidemic Intelligence from Open Sources  (EIOS) sisteminin 2.0 sürümü 2025’te yeni veri kaynakları ve yapay zekâ işlevleriyle devreye alındı. Sistem o tarihte 110’dan fazla üye devlet ve yaklaşık 30 kuruluş veya ağ tarafından kullanılıyordu [5]. DSÖ’nün Halk Sağlığı İstihbaratı Yetkinlik Çerçevesi ise işi dört teknik fiile indirger: tespit et, doğrula, analiz et ve değerlendir. Ek olarak, bunlara işbirlikçi bilgi paylaşımını da ekler [6]. Bu çerçeve, “algoritma buldu, karar verildi” gibi tehlikeli bir kısayolu reddeder.

Bir sonraki salgın hastanede görünmeden önce veride iz bırakabilir. Fakat veri kendi başına konuşmaz. Güvenilir kaynaklar, doğru ölçüm, şeffaf algoritma, alan uzmanı doğrulaması ve önceden tanımlanmış eylem eşikleri gerekir. Erken uyarının değeri, ne kadar dramatik göründüğünde değil, doğru kişiye doğru zamanda doğrulanabilir bir karar avantajı sağlayıp sağlamadığında ölçülür.

Seçkin Kılıç PhD

Kimyager - Yazar · 17 Ağustos 2026