Klinik karar destek sistemleri; uyarı, risk skoru, hatırlatma, öneri veya tahmin üreterek sağlık profesyonellerine bilgi desteği sağlar. Ancak bu sistemler klinik kararın yerine geçmez ve kullanılan verinin kalitesi ile sistemin tasarımına bağlı sınırlılıklar taşır.
Bu modül, karar desteği ile otomatik karar arasındaki farkı açıklar. Katılımcılar uyarı yorgunluğu, yanlış alarm, açıklanabilirlik, klinik bağlam ve insan denetimi başlıklarını örnek senaryolar üzerinden değerlendirir.
• KKDS türlerini ve temel işlevlerini tanıma.
• Kural, skor, uyarı, öneri ve tahmin mekanizmalarını ayırt etme.
• Karar desteği ile klinik karar arasındaki farkı açıklama.
• Uyarı yorgunluğu, yanlış alarm ve güvenilirlik risklerini değerlendirme.
• Bir KKDS çıktısı için güvenlik kontrol noktaları belirleme.
HEMBİLDER Aktif Üyelerine özeldir. Üyelerimizden,
• Hemşireler ve ebeler
• Klinik ve servis sorumluları
• Erken uyarı, risk skoru ve klinik izlem süreçlerinde görev alanlar
• Kalite yönetimi, hasta güvenliği ve klinik yönetişim ekipleri
• Sağlık bilişimi ve klinik bilgi sistemleri birimlerinde çalışanlar
• Üniversite ve meslek yüksekokullarında görev yapan akademisyenler katılabilir.
Kayıt öncesinde modülün kapsamını, hedef kitlesini ve beklenen çıktısını aşağıdaki bölümlerden inceleyebilirsiniz.
Karar destek sistemi kararın yerine geçmez; doğru kararı destekleyecek bilgiyi görünür kılar.
• KKDS’nin Amacı: Klinik karar destek sistemlerinin amacı.
• Kural Tabanlı Destek: Kural tabanlı karar desteği.
• Risk Skorları: Risk skoru ve erken uyarı sistemleri; veri, klinik bağlam ve uyarı ilişkisini mesleki örneklerle inceleme.
• Hatırlatma ve Öneri: Hatırlatma, öneri ve tahmin sistemleri.
• Karar–Destek Ayrımı: Karar desteği ile klinik karar farkı.
• Veri Kaynağı: Veri kaynağı ve veri kalitesi.
• Klinik Bağlam: Klinik bağlam ve zamanlama.
• Uyarı Yorgunluğu: Uyarı yorgunluğu; mesleki sorumluluk ilişkisini mesleki örneklerle inceleme.
• Yanlış Alarm: Yanlış alarm ve eksik alarm.
• İnsan Sorumluluğu: Açıklanabilirlik ve kullanıcı güveni.
• Destek Türünü Ayırt Etme: Klinik karar destek sistemlerinin amacı açıklayabilme.
• Uyarı Kaynağını Belirleme: Kural tabanlı karar desteği ayırt edebilme.
• Klinik Bağlamı İnceleme: Risk skoru ve erken uyarı sistemleri belirleyebilme.
• Skoru Yorumlama: Hatırlatma, öneri ve tahmin sistemleri değerlendirebilme.
• Alarm Riskini Sorgulama: Karar desteği ile klinik karar farkı ile veri, klinik bağlam ve uyarı arasındaki ilişkiyi sınıflandırabilme.
• Açıklanabilirliği Değerlendirme: Veri kaynağı ve veri kalitesi yorumlayabilme.
• İnsan Denetimini Tanımlama: Klinik bağlam ve zamanlama sorgulayabilme.
• Sorumlu Eylemi Belirleme: Uyarı yorgunluğu yapılandırabilme.
• Güvenlik Kontrolü Kurma: Yanlış alarm ve eksik alarm ile mesleki sorumluluk arasındaki ilişkiyi uyarlayabilme.
• KKDS Değerlendirme Kartı Hazırlama: Açıklanabilirlik ve kullanıcı güveni taslak hâline getirebilme.
Bu modül, klinik karar destek sistemleri (kkds) konusunu mesleki uygulamalarında kullanmak veya değerlendirmek isteyen katılımcılar için hazırlanmıştır.
HEMBİLDER Aktif Üyelerine özeldir. Üyelerimizden,
• Hemşireler ve ebeler
• Klinik ve servis sorumluları
• Erken uyarı, risk skoru ve klinik izlem süreçlerinde görev alanlar
• Kalite yönetimi, hasta güvenliği ve klinik yönetişim ekipleri
• Sağlık bilişimi ve klinik bilgi sistemleri birimlerinde çalışanlar
• Üniversite ve meslek yüksekokullarında görev yapan akademisyenler katılabilir.
Ön Bilgi Gereksinimi: Temel klinik süreç ve hasta izlem bilgisi yeterlidir. İleri düzey algoritma veya programlama bilgisi gerekmez.
Bilgiyi değere dönüştüren şey, onu doğru bağlamda uygulayabilmektir.
Sağlık Bilişimi Uzman Yardımcısı • Sağlık 4.0 A.Ş.
Buse SERT, teknoloji ve sağlık sektörünün kesişim noktasında yenilikçi çözümler üretmeye odaklanmış bir Yönetim Bilişim Sistemleri uzmanı, araştırmacı ve eğitmendir. Akademik eğitimi süresince dijital dönüşüm, yapay zekâ, büyük veri yönetimi ve sürdürülebilirlik gibi geleceğin teknolojilerine odaklanmış ve bu alanlardaki ulusal zirvelere aktif katılım sağlamıştır.
Sağlık sektöründe proaktif risk yönetimi, dijitalleşme stratejileri ve veri tabanlı yönetim sistemlerinin geliştirilmesinde aktif roller üstlenmektedir. Eğitmen kimliğiyle, bilişim sistemleri ve sağlık teknolojileri alanındaki güncel gelişmeleri, sektörel dinamikleri ve akademik birikimini yeni nesil uzmanlara ve kurumlara aktarmayı amaçlamaktadır. Katıldığı bilimsel platformlar, paneller ve sektörel etkinliklerle bilişim ekosisteminin gelişimine katkı sunmaya devam etmektedir.
Hemşirelikte Bilişim Derneği bünyesinde Eğitmen olarak görev almaya devam etmektedir.
Uzmanlık Alanları:
Sağlık Bilişimi ve Teknolojileri,
Yönetim Bilişim Sistemleri,
Sağlıkta Dijital Dönüşüm,
Proaktif Risk Yönetimi.
2022 - 2026 | Lisan, Ankara Medipol Üniversitesi İktisadi, İdari ve Sosyal Bilimler Fakültesi - Yönetim Bilişim Sistemleri
2025 - 2026 | Eğitim Programı, Marmara Üniversitesi Nüfus ve Sosyal Araştırmalar Enstitüsü Veri Analizi Okulu: "Panel Veri Analizi" ve "Yapay Zekâ ve Makine Öğrenmesi" modülleri
2026 - 2026 | Bildiri Sunucusu, V. Uluslararası Sağlık Bilimleri Öğrenci Kongresi (SAGOK 2026)-“Sağlıkta Veri Ekosistemleri: Avrupa eHealth Platformlarının Yapay Zekâ ve Araştırma Üzerindeki Rolü” Sunumu
2026 - 2026 | Proje Yürütücüsü, TÜBİTAK 2209-A Üniversite Öğrencileri Araştırma Projeleri Destekleme Programı- Hastalarda E-Sağlık Okuryazarlığı Düzeyinin Bilgi Asimetrisi ve Doktora Güven Üzerindeki Etkisi
2025 - Halen Devam Ediyor | Sağlık 4.0 A.Ş. , Sağlık Bilişimi Uzman Yardımcısı
Kavramları uzman rehberliğiyle örnekler üzerinden tartışmak, güvenli uygulamanın temelidir.
Bu modül, yapay zekâ ve bilişim yetkinliklerinin aşamalı gelişimini hedefleyen program bütününün bir parçasıdır.
Sağlık hizmetlerinde dijital dönüşümün ne anlama geldiğini, hemşirelik ve ebelik uygulamalarını nasıl etkilediğini ve mesleki süreçlerde hangi yeni yetkinlikleri gerektirdiğini ele alır. Katılımcılar kendi çalışma alanlarındaki dijital uygulamaları bakım kalitesi, veri kullanımı ve hasta…
Yapay zekâ, makine öğrenmesi, derin öğrenme ve üretken yapay zekâ kavramlarını sağlık bağlamında anlaşılır bir dille ele alır. Katılımcılar yapay zekânın ne yaptığını, ne yapamadığını ve bir çıktının neden insan değerlendirmesi gerektirdiğini öğrenir.
Elektronik sağlık kayıtlarının yapısını, veri kalitesini, güvenliğini ve klinik kullanım değerini ele alır. Katılımcılar eksik, tutarsız veya standart dışı kayıtların bakım, raporlama ve karar süreçlerine etkisini değerlendirmeyi öğrenir.
Metin, görsel, sunum, araştırma ve içerik üretiminde kullanılan üretken yapay zekâ araçlarını karşılaştırmalı olarak ele alır. Katılımcılar bir göreve uygun aracı seçmeyi, çıktıyı doğrulamayı ve hassas verileri koruyarak güvenli kullanım planı oluşturmayı öğrenir.
Yapay zekânın kalite göstergeleri, olay bildirimleri, risk örüntüleri ve erken uyarı süreçlerine nasıl destek olabileceğini ele alır. Katılımcılar teknoloji desteğini insan sorumluluğu, veri kalitesi ve güvenlik kontrolleriyle birlikte değerlendirmeyi öğrenir.
Üretken yapay zekâdan daha açık, amaca uygun ve doğrulanabilir çıktılar almak için prompt tasarımının temel bileşenlerini ele alır. Katılımcılar amaç, bağlam, görev, kısıt ve çıktı biçimini kullanarak kendi çalışma ihtiyaçlarına uygun promptlar geliştirir.
Klinik karar destek sistemlerinin veri, kural, skor, uyarı ve öneri üretme mantığını ele alır. Katılımcılar bir KKDS çıktısını klinik bağlam, veri kalitesi, yanlış alarm ve insan sorumluluğu açısından değerlendirmeyi öğrenir.
Yapay zekânın iş yükü tahmini, vardiya planlama, beceri eşleştirme ve kapasite yönetimine sağlayabileceği desteği ele alır. Katılımcılar planlama çıktılarını adalet, güvenlik, çalışan refahı ve yönetici sorumluluğu açısından değerlendirmeyi öğrenir.
Yapay zekâ araçlarının araştırma sorusu geliştirme, literatür keşfi, kaynak düzenleme ve bilimsel değerlendirme süreçlerinde sorumlu kullanımını ele alır. Katılımcılar kaynak uydurma, yanlış atıf ve doğrulanmamış özet risklerine karşı kontrollü bir çalışma akışı geliştirir.
Yapay zekânın öğrenme hedefi, ders planı, vaka, soru, rubrik ve geri bildirim geliştirme süreçlerinde pedagojik amaçla kullanımını ele alır. Katılımcılar hedef–içerik–etkinlik–değerlendirme uyumunu koruyan bir eğitim taslağı oluşturur.
Modüller birbirini tamamlayacak biçimde planlanmıştır. Her modüle ayrı katılım mümkün olsa da programın tamamı kavramsal temelden uygulamaya uzanan bütünlüklü bir gelişim yolu sunar.
7. modül, programın kavramdan uygulamaya uzanan gelişim yolunda yeni bir adım sunar.
Aşağıdaki hedeflerden biri sizin için önemliyse bu modül doğru bir başlangıç veya gelişim adımı olabilir:
Doğru eğitim kararı, beklenen kazanım ile gerçek ihtiyacın buluştuğu noktada verilir.
Program, Klinik Karar Destek Sistemleri konusunu kavramdan uygulamaya taşıyan aşamalı bir öğrenme akışıyla ilerler.
Kurs öncesinde günlük çalışma sırasında karşılaştığınız bir klinik uyarı, risk skoru, hatırlatma veya karar destek örneğini kişisel bilgi içermeden düşünmeniz önerilir. Eğitim sırasında bu örnek; veri, klinik bağlam, alarm güvenilirliği ve sorumlu eylem açısından değerlendirilecektir. Uygulamalarda gerçek hasta verisi, kişisel veri veya kurumunuza ait gizli bilgiler kullanılmamalıdır. Yapay zekâ tarafından üretilen tüm içerikler uzman değerlendirmesi ve doğrulama gerektirir.
Her bölüm, öğrenilen bilgiyi bir sonraki uygulama adımına taşımak üzere tasarlanmıştır.
Bir klinik uyarı veya öneriyi veri, bağlam ve güvenlik açısından sorgulayabilirsiniz. Hero alanında kısa biçimde verilen bu kazanım, aşağıdaki düşünme akışı ve örnek çıktı üzerinden ayrıntılandırılır. Klinik karar desteği güvenlik değerlendirme kartı hazırlamayı görürsünüz. Bu çalışma, katılımcının öğrendiklerini kendi mesleki bağlamına uyarlayabileceği başlangıç düzeyinde bir taslak oluşturmasını hedefler.
Aşağıdaki dört adım, modül bilgisini uygulanabilir bir çalışma taslağına dönüştürmek için kullanılabilir.
Aşağıdaki satırlar, modül sonunda hazırlanabilecek örnek çalışma taslağının temel bölümlerini gösterir.
Modülün değeri, sonunda elinizde kalan “Klinik Karar Desteği Güvenlik Değerlendirme Kartı” ile görünür hâle gelir.
Programın diğer modülleri, yapay zekâ ve bilişim yetkinliklerini farklı sağlık, yönetim, araştırma ve eğitim bağlamlarında geliştirmeyi amaçlar.
Sağlık hizmetlerinde dijital dönüşümün ne anlama geldiğini, hemşirelik ve ebelik uygulamalarını nasıl etkilediğini ve mesleki süreçlerde hangi yeni yetkinlikleri gerektirdiğini ele alır. Katılımcılar kendi çalışma alanlarındaki dijital uygulamaları bakım kalitesi, veri kullanımı ve hasta…
Yapay zekâ, makine öğrenmesi, derin öğrenme ve üretken yapay zekâ kavramlarını sağlık bağlamında anlaşılır bir dille ele alır. Katılımcılar yapay zekânın ne yaptığını, ne yapamadığını ve bir çıktının neden insan değerlendirmesi gerektirdiğini öğrenir.
Elektronik sağlık kayıtlarının yapısını, veri kalitesini, güvenliğini ve klinik kullanım değerini ele alır. Katılımcılar eksik, tutarsız veya standart dışı kayıtların bakım, raporlama ve karar süreçlerine etkisini değerlendirmeyi öğrenir.
Metin, görsel, sunum, araştırma ve içerik üretiminde kullanılan üretken yapay zekâ araçlarını karşılaştırmalı olarak ele alır. Katılımcılar bir göreve uygun aracı seçmeyi, çıktıyı doğrulamayı ve hassas verileri koruyarak güvenli kullanım planı oluşturmayı öğrenir.
Yapay zekânın kalite göstergeleri, olay bildirimleri, risk örüntüleri ve erken uyarı süreçlerine nasıl destek olabileceğini ele alır. Katılımcılar teknoloji desteğini insan sorumluluğu, veri kalitesi ve güvenlik kontrolleriyle birlikte değerlendirmeyi öğrenir.
Üretken yapay zekâdan daha açık, amaca uygun ve doğrulanabilir çıktılar almak için prompt tasarımının temel bileşenlerini ele alır. Katılımcılar amaç, bağlam, görev, kısıt ve çıktı biçimini kullanarak kendi çalışma ihtiyaçlarına uygun promptlar geliştirir.
Yapay zekânın iş yükü tahmini, vardiya planlama, beceri eşleştirme ve kapasite yönetimine sağlayabileceği desteği ele alır. Katılımcılar planlama çıktılarını adalet, güvenlik, çalışan refahı ve yönetici sorumluluğu açısından değerlendirmeyi öğrenir.
Yapay zekâ araçlarının araştırma sorusu geliştirme, literatür keşfi, kaynak düzenleme ve bilimsel değerlendirme süreçlerinde sorumlu kullanımını ele alır. Katılımcılar kaynak uydurma, yanlış atıf ve doğrulanmamış özet risklerine karşı kontrollü bir çalışma akışı geliştirir.
Yapay zekânın öğrenme hedefi, ders planı, vaka, soru, rubrik ve geri bildirim geliştirme süreçlerinde pedagojik amaçla kullanımını ele alır. Katılımcılar hedef–içerik–etkinlik–değerlendirme uyumunu koruyan bir eğitim taslağı oluşturur.
Serinin diğer modülleri, bu kazanımı farklı uygulama alanlarıyla tamamlar.
Evet. Her modüle ayrı kayıt olunabilir. Bununla birlikte modüller birbirini tamamlayan bir öğrenme yolu oluşturur.
Evet. Modül kendi temel çerçevesini sunacak biçimde hazırlanmıştır. Önceki veya sonraki modüller konuyu farklı yönleriyle derinleştirir.
Modül sonunda konuya özgü bir kontrol listesi, değerlendirme kartı, matris, plan veya uygulama taslağı oluşturmanız hedeflenir.
Evet. Kavramlar örnekler, kısa değerlendirmeler ve katılımcının kendi çalışma alanına uyarlayabileceği uygulamalarla desteklenir.
Hayır. Modüle özgü ön bilgi gereksinimi ilgili sayfada ayrıca belirtilir; genel olarak ileri düzey yazılım veya programlama bilgisi aranmaz.
Katılım ve belgelendirme koşullarını sağlayan katılımcılar için sistemde tanımlanan katılım belgesi süreci uygulanır.
Hayır. Sistem bilgi, uyarı veya öneri sağlayabilir; klinik karar ve sorumluluk sağlık profesyonelindedir.
Çok sayıda, tekrarlayan veya düşük değerli uyarının kullanıcıların uyarılara duyarlılığını azaltmasıdır.
Veri kaynağı, klinik bağlam, sistemin amacı, açıklanabilirlik ve yerel doğrulama sonuçları birlikte değerlendirilmelidir.
Kişisel veri içermeyen kurgusal veya anonimleştirilmiş senaryolar üzerinden karar destek değerlendirmesi yapılabilir.
Sorularınızı netleştirmek, öğrenme yolculuğuna güvenle başlamanın ilk adımıdır.
Bu modül, klinik karar destek sistemlerinin çalışma mantığı, kullanım alanları, güvenlik boyutu ve hemşirelik uygulamalarındaki yeri konusunda temel bir çerçeve kurmanıza ve kendi çalışma alanınıza uyarlanabilir bir çıktı geliştirmenize yardımcı olur. Öğrendiklerinizi güvenli, etik ve insan denetimini koruyan bir yaklaşımla uygulamaya dönüştürün.
Klinik karar desteği, insan sorumluluğunu azaltmaz; doğru zamanda daha güçlü değerlendirme yapmayı destekler.
