GÜNCEL YAYIN Koruyucu Hekimlik, Yaşam Tarzı Tıbbı ve Hücresel Biyoloji
📅 15 Kasım 2026 · Bağımsız Editoryal Ağ
Koruyucu Hekimlik

Avrupa Hasta Organizasyonları Ağlarından Yola Çıkan Katılımcıların Sağlıkta Yapay Zekâ’ya Bakışı: Keşif Niteliğindeki Bir Anket Çalışması

✍️ Editör Masası • 📅 15 Kasım 2026 • ⏱️ 24 dk okuma
Avrupa Hasta Organizasyonları Ağlarından Yola Çıkan Katılımcıların Sağlıkta Yapay Zekâ’ya Bakışı: Keşif Niteliğindeki Bir Anket Çalışması

KISA ARAŞTIRMA RAPORU makalesi

Front. Digit. Health, 10 Kasım 2026

Sec. Health Communications and Behavior Change

Volume 8 – 2026 | https://doi.org/10.3389/fdgth.2026.1930473

  • JB

    Jolien Broekmans 1*

  • LD

    Lien De Proost 1

  • TA

    Tom Adriaenssens 2,3

  • YH

    Yann Heyer 4

  • IH

    Isabelle Huys 1

  • CL

    Claudia Louati 4

  • FT

    Flavia Topan 4

  • PS

    Peter Sinnaeve 2,3

  • 1. Department of Pharmaceutical and Pharmacological Sciences, KU Leuven, Leuven, Belgium

  • 2. Department of Cardiovascular Diseases, University Hospitals Leuven, Leuven, Belgium

  • 3. Department of Cardiovascular Medicine, KU Leuven, Leuven, Belgium

  • 4. European Patients’ Forum, EPF, Brussels, Belgium

Makale metrikleri

Özet

Arka Plan:

Sağlık alanında yapay zekanın (YZ) kullanımı hızla artmaktadır. Hastalar, YZ uygulamasına dair görüşlerinin araştırılması açısından önemli bir paydaş grubunu temsil etmektedir.

Hedef:

Bu keşif amaçlı anket, farklı Avrupa ülkelerinde hastaların sağlık alanında YZ kullanımıyla ilgili çeşitli konulara dair bakış açılarını incelemeyi amaçlamaktadır.

Yöntem:

Çevrimiçi bir anket, Nisan 2025’ten Ağustos 2025’e kadar Avrupa Hastaları Forumu (EPF) üye örgütleri aracılığıyla yayılmıştır.

Sonuçlar:

Toplam 874 katılımcı anketi tamamladı. Katılımcıların neredeyse tamamı, sağlıkta yapay zekânın kullanımının hem faydaları (93,48%) hem de kaygıları (97,71%) olduğunu belirtiyor. Belirtilen ilk üç fayda şunları içeriyordu: sağlık profesyonellerinin (HCP) daha kişiselleştirilmiş bakım sunmasına destek (64,65%), daha hızlı/daha doğru tanı (62,59%) ve hastaların kendi kendine yönetimi ile tedavi uyumuna destek (61,78%). Kaygılar açısından ilk üç ise şunları içeriyordu: insan empatisinin ve kişisel dokunuşun eksikliği (69,79%), önyargılı yapay zekâya dayalı kararlar (68,08%) ve yapay zekânın hatalı tanı koyması (59,27%). Katılımcıların çoğu, kendi bilgilerine göre kendi sağlık bakımlarında henüz yapay zekânın kullanıldığına tanık olmadıklarını belirtti (61,44%). Bilgi tercihleri, katılımcıların kendi bakımlarında yapay zekânın kullanıldığı konusunda bilgilendirilmek istediklerini gösteriyor: çoğunlukla çok başlangıç aşamasında (93,36%), sağlık profesyonelleri aracılığıyla (81,69%) ve hastalar için anlaşılır bilgilerle (67,73%).

Sonuçlar:

Bulgular, katılımcıların yapay zekânın sağlık alanına sağlayabileceği olası faydaları tanıdığını, ancak klinik uygulamaya entegrasyonuyla ilgili kaygılar da ifade ettiğini gösteriyor; bu da koşullu bir kabulle sonuçlanabilir. Bu bulgu, sağlıkta yapay zekânın kabulünü kolaylaştırmak ve güveni teşvik etmek amacıyla hastaların uygulama sürecinin tüm aşamalarına dahil edilmesinin önemini vurguluyor.

Giriş

Artificial intelligence (AI) is increasingly being integrated into healthcare systems, including applications related to diagnostics, clinical decision support, personalised treatment planning, administrative optimisation, and patient self-management (, ). AI technologies may have the potential to improve efficiency, diagnostic accuracy, and the overall quality of healthcare delivery (, ). However, beyond questions concerning the reliability and safety of AI technologies and the adequacy of the current regulatory framework, the rapid implementation of AI in healthcare has raised important ethical, societal, and relational questions regarding privacy, bias, accountability, transparency, and the future role of healthcare professionals (HCPs) ().

Bu nedenle, sağlık alanında yapay zekaya ilişkin hasta görüşlerini anlama yönünde artan bir ilgi ortaya konmuştur. Birçok yazar, yapay zeka sistemlerinin başarılı ve güvenilir biçimde hayata geçirilmesinin yalnızca teknik performansına değil, aynı zamanda hastaların kabulü, güveni ve bu araçların tasarımı ve geliştirilmesi ile yönetim ve uygulama süreçlerine anlamlı düzeyde katılımına bağlı olduğunu öne sürmektedir (–). Bu bağlamda hastalar, yalnızca yapay zeka destekli sağlık hizmetlerinin pasif alıcıları olarak değil, görüşleri yapay zeka uygulamalarının klinik pratikteki meşruiyetini ve kabul edilebilirliğini şekillendiren önemli paydaşlar olarak değerlendirilmelidir (, ).

Bugüne kadar yapılan çalışmalar, hastaların sağlık alanında yapay zekaya ilişkin tutumlarının sık sık hem iyimserliği hem de kaygıyı içerdiğini göstermektedir (–). Hastalar, yapay zekanın özellikle tanı doğruluğunun artırılması, sağlık çalışanlarını (HCP) desteklenmesi ve verimliliğin artırılması gibi konularda potansiyel faydaları sıklıkla kabul etmektedir (). Ancak niteliksel ve niceliksel çalışmalar, bu algılanan faydaların aynı zamanda insani etkileşimin kaybi, teknolojiye aşırı bağımlılık, önyargılı karar verme, gizlilik riskleri ve yapay zeka sistemlerinin şeffaflığın eksikliği gibi önemli kaygılarla birlikte geldiğini tutarlı biçimde ortaya koymaktadır (, –). Birçok çalışma ayrıca, hastaların yapay zekaya güveninin koşullu, mutlak olmadığınu ve insani gözetimin sürekliliğine ile anlamlı ve işbirliğine dayalı hasta-HCP ilişkisinin korunmasına güçlü biçimde bağlı kaldığını göstermektedir (–).

Bu arada hastalar ve hasta örgütleri, giderek karmaşıklaşan çevrimiçi ortamda topluluklarının ihtiyaçlarına yanıt vermek ve hastaların güvenilir sağlık bilgilerine erişimine yardımcı olmak için giderek daha fazla yapay zeka aracını kullanmaktadır. Hasta örgütü Lupus Europe tarafından geliştirilen LupusGPT, kronik bir otoimmün hastalık olan lupus hakkında güvenilir, genel bilgiler sağlayan ücretsiz bir aracdan biridir ().

Ayrıca önceki araştırmalar, sağlık hizmetlerinde AI uygularken şeffaflığın, açıklanabilirliğin ve hastaların bilgilendirilmesinin önemini vurgulamaktadır. Hastalar genellikle bakım süreçlerine AI dahil olduğunda bilgilendirilmeyi ve klinik karar almaya yönelik anlaşılır ve ilgili açıklamalar almayı tercih etmektedir. Aynı zamanda, hastaların AI destekli sağlık bağlamlarında kabul edilebilir AI özerkliği ve sorumluluk düzeylerini nasıl algıladığına dair önemli belirsizlikler bulunmaktadır.

Sağlık hizmetlerinde AI’ya yönelik halk ve hastası tutumları konusunda artan literatür değerli içgörüler sunmakla birlikte, kanıtlar hâlâ parçalı ve çoğu zaman bağlama özgüdür; birçok çalışma belirli sağlık alanlarına, tek ülkeli ortamlara veya nitelikli örneklemelere odaklanmaktadır. Ayrıca hastaların görüşleri, AI teknolojilerine yönelik artan halk maruz kalması ve değişen sağlık hizmeti uygulama uygulamalarıyla paralel olarak hızlı bir şekilde evrilmektedir.

Bu nedenle bu keşif amaçlı çalışmanın amacı, hastaların AI’ya yönelik görüşlerini Avrupa Hastaları Forumu (EPF) tarafından koordine edilen bir Avrupa anketinden elde edilen veriler kullanarak incelemektir. Daha spesifik olarak çalışma, sağlık hizmetlerinde AI’ya ilişkili algılanan faydalar ve kaygılar, farklı AI uygulamalarına yönelik rahatlık düzeyleri, şeffaflık ve açıklanabilirliğe yönelik tutumlar, hastaların bilgilendirilmesi ve kontrolüne yönelik tercihler ve AI destekli sağlıkta insan gözetiminin önemi incelenmiştir. Amaç demografik veya hastalığa özgü alt gruplar arasındaki farkları analiz etmek değildi. Bu, EPF’in sağlık hizmetlerinde AI algılarına yönelik gerçekleştirdiği ikinci anketti; 2023 yılında hastası örgütleri ve birey hastası savunucuları arasında gerçekleştirilen ilk anketin bulgularıyla EPF’in 2023 yılında AI’ya yönelik konum metnini bilgilendirmiştir.

Yöntem

Bu çalışma, 2025 yılında EPF () tarafından yürütülen ve sağlık alanında yapay zekânın kullanımına dair hastaların bakış açısını araştıran çevrimiçi bir anketin bulgularını raporlamaktadır; bu anket, EPF’in sağlık alanında hasta merkezli yapay zekânın teşvik edilmesine yönelik daha geniş çalışmalarının bir parçasını oluşturmaktadır (). Anket, EPF personeli tarafından geliştirilmiş ve ardından yaklaşık 20 hasta örgütünden oluşan EPF’in Dijital Sağlık Çalışma Grubu tarafından açıklık, uygunluk ve amaca uygunluk açısından gözden geçirilmiştir. EPF personeli ve dijital sağlık politikasında aktif paydaşlardan ek bilgi alımında bulunulmuştur. Anket, SurveyMonkey üzerinde oluşturulmuş ve Nisan ile Ağustos 2025 tarihleri arasında e-posta ve EPF’in iç ve dış bültenleri aracılığıyla EPF üye örgütleri üzerinden açıkça dağıtılmıştır. Üyelerden anketi örgütleri ve üyeleri arasında daha geniş ölçekte yaymaları istenmiştir. Bu açık katılım yaklaşımı aynı zamanda, davetiye alan veya davetiye görüntülenen bireylerin toplam sayısının bilinmemesi nedeniyle yanıt oranının hesaplanamaması anlamına da gelmektedir. Tüm iletişimlerde anketin açıkça hastaları, bakıcıları ve hasta temsilcilerini hedeflediği belirtilmiştir. Anket İngilizce olarak geliştirilmiş ve ardından İngilizce, Almanca, Fransızca, Felemenkçe, İspanyolca, İtalyanca, Bulgarca, Çekçe, Yunanca, Estonca, Fince, Hırvatça, Letonca, Litvanca, Macarca, Makedonca, Lehçe, Portekizce, Romence, İsveççe, Sırpça, Slovakça, Slovence, Türkçe ve Ukraynaca dahil olmak üzere 25 dilde ChatGPT tarafından çevrilmiştir. Çeviriler, ilgili dilleri bilen EPF personeli veya üyeleri tarafından son hâle getirilmiştir. Anket formu çoktan seçmeli öğelerden oluşmakta ve son açık soru dışında tüm sorular zorunluydu; bu son soruda katılımcılar ek düşüncelerini paylaşabilmektedir (Destek dosyası I).

EPF, bu çalışmada toplanan verilerin veri sorumlusu olarak yer alırken, analizler KU Leuven araştırmacıları (A.L.) tarafından, anket verilerinin yorumlanması ise J.B. ve L.P. tarafından gerçekleştirildi. Anket verilerine yalnızca araştırma ekibinin yetkili üyeleri erişebildi. Betimleyici istatistikler, anket yanıtlarını nicel olarak özetlemek amacıyla kullanıldı. İsteğe bağlı serbest metin alanları, katılımcıların ek yorum veya açıklama eklemelerine olanak tanımak amacıyla tasarlanmış olsa da, önceden belirlenen nicel analizinin bir parçası değildi; bu nedenle bu yanıtlar analiz edilmedi. Keşif amaçlı istatistiksel analizler SAS yazılımı (Windows için SAS Sisteminin 9.4 sürümü) kullanılarak yürütüldü. İki değişkenli değişken arasındaki ilişkiler Spearman korelasyonlarıyla, iki kategorik değişken arasındaki ilişkiler ise Ki-kare testiyle nicel olarak ifade edildi. Bir değişkenli ile kategorik değişken arasında ilişki olması durumunda Mann–Whitney U testi kullanıldı (Destek Dosyası II). Çoklu karşılaştırmalar için Holm düzeltmesi uygulandı (Destek Dosyası III). Bu makalede bildirilen p-değerleri, Holm ile düzeltilmiş p-değerleridir. Her analiz, tamamlanmış olgu temeli üzerinde gerçekleştirildi ve anketin tamamını doldurmayan katılımcılar analizden çıkarıldı. ‘Sağlık hizmetlerinde AI ile ilgili endişeleriniz nelerdir?’ sorusunda ‘endişem yok’ seçeneğinin, diğer yanıtlama seçenekleriyle karşılıklı olarak dışlayıcı olması amaçlanmıştı. Bir katılımcı yine de ‘endişem yok’ ile birlikte bir veya daha fazla endişe işaretlediğinde, yalnızca belirtilen endişeler hesaba katıldı.

Bu anket, EPF’nin sağlık hizmetlerinde yapay zeka konusundaki politika ve savunuculuk çalışmalarını bilgilendirmek amacıyla keşif amaçlı bir danışma süreci olarak geliştirildi; bu nedenle kurumsal bir araştırma etik kuruluna sunulmadı. Katılım gönüllüydü ve onay, katılımcılara anketin amacı, amaçlanan kullanımı ve hedef kitabi hakkında bilgi verildikten sonra anonim sorunun doldurulmasıyla ortaya çıkarıldı. Hiçbir demografik veya sağlık bilgisi toplanmadı.

Bu anketten elde edilen betimleyici bulgulardan bir kısmı, EPF tarafından AI Survey Report 2026 () içinde daha önce paylaşılmıştır. Bu makale, anket verilerinin EPF raporu içinde yer almayan ek betimleyici ve çıkarımsal analizleri de içeren genişletilmiş bir bilimsel analizini sunmaktadır.

Bulgular

Anket katılımcılarının özellikleri

Anketi toplamda 874 katılımcı tamamen doldurmuştur (bkz. Tablo 1). Katılımcılar çeşitli Avrupa ülkelerini temsil etmekte olup, en büyük oranlar Fransa (%47,1), Slovenya (%11,2) ve Almanya (%6,3) kaynaklıdır. Katılımcıların yalnızca az bir kısmı sağlıkta yapay zekanın nasıl uygulandığına dair bilgi konusunda oldukça güvendlilerini belirtmelerine rağmen (%16,4), çoğu konuya dair en azından bir düzeyde aşinalık olduğunu bildirmiştir. En büyük grup, belli ölçüde güvendlilerini ancak daha fazla bilgi almak istediklerini ifade etmiş (%44,6), %39,0’ı ise pek güvenilir olmadığını ya da hiç güvenilir olmadığını bildirmiştir. Çoğu katılımcı, bildiğine göre kendi sağlık hizmetlerinde henüz yapay zeka kullanımı yaşamadıklarını da belirtmiş (%61,4), buna karşılık %21,7 yapay zekanın kendi bakım süreçlerinde yer alıp almadığından emin değildir.

Tablo 1

Anket katılımcılarının özellikleri % Katılımcılar Katılımcı sayısı (n = 874)
Kalma ülkesi
Fransa 47,14 412
Slovenya 11,21 98
Almanya 6,29 55
Austria 0,69 6
Belçika 3,32 29
Bosna-Herzegovina 0,11 1
Bulgaristan 0,46 4
Hırvatistan 0,57 5
Kıbrıs 0,11 1
Czechia 0.34 3
Denmark 0.34 3
Estonia 0.23 2
Finland 5.15 45
Greece 1.60 14
Hungary 0.11 1
Iceland 0.11 1
Ireland 1.03 9
Italy 2.06 18
Kosovo 0.34 3
Latvia 0.80 7
Lithuania 0.11 1
Luxembourg 0.11 1
Malta 2.06 18
Netherlands 2.52 22
North Macedonia 0.23 2
Norway 0.57 5
Poland 0.92 8
Portugal 0.34 3
Romania 0.92 8
Serbia 0.11 1
Slovakia 0.46 4
Spain 3.43 30
Sweden 0.46 4
Switzerland 0.92 8
Turkey 0.23 2
United Kingdom (UK) 3.43 30
Diğer 1.14 10
Sağlık alanında AI uygulamasına dair bilgiye güven
Çok güveniyorum 16.36 143
Kısmen güveniyorum 44.62 390
Çok da güvenmiyorum 29.75 260
Hiç güvenmiyorum 9.27 81
Sağlık deneyimlerimde AI’ın yer almasına dair bilgi
Evet 16.82 147
Hayır 61.44 537
Emin değilim 21.74 190

Cevap verenlerin özellikleri.

Anketin Fransız cevap verenleri aşırı temsil etmesi nedeniyle, bu etkinin anket sonuçları üzerindeki etkisini test etmek için Fransa hariç tutularak duyarlılık analizi yapıldı. Birincil analizin tüm anlamlı ilişkileri, duyarlılık analizinde istatistiksel olarak anlamlı kalmıştır (bkz. Destek Dosyası IV).

Sağlık alanında AI’ın sağladığı yararlar

Respondentlerin neredeyse tamamı (%93,5) yapay zekanın tıpta faydalar sağlayabileceğine inanıyordu. En sık belirtilen faydalar, sağlık çalışanlarına (HCP) daha kişiselleştirilmiş bakım sunmada destek (64,7%), daha hızlı ve daha doğru tanı koyma (62,6%) ve hastaların kendi kendine yönetim ile tedavi uyumunu destekleme (61,8%) şeklindeydi (Şekil 1). Respondentlerin yarısından fazlası ayrıca araştırma ve yenilikle ilgili faydaları (%57,6) ve tıbbi bakımın örgütlenmesi ile sunulmasının iyileştirilmesini (%53,4) belirtti. Daha az sayıda respondent, politika yapımını iyileştirme (%49,2) veya halk sağlığı tehditlerini öngörme (%38,6) gibi daha geniş sistem düzeyinde uygulamaları belirtti. Algılanan fayda sayısı ile respondentlerin yapay zeka kullanımına rahat hissettiği tıp alanlarının sayısı arasında güçlü bir pozitif korelasyon gözlemlendi (Spearman’ın ρ = 0,672, %95 IG [0,634-0,707], p < 0,0001); bu, daha fazla fayda algılamanın yapay zeka uygulamalarının kullanımına dair daha yüksek rahatlık düzeyleriyle ilişkili olduğunu gösteriyor.

Şekil 1

Tıbbi uygulamalar boyunca yapay zeka kullanımına rahatlık

Sağlık alanında yapay zekâya duyulan rahatlık, kullanım bağlamına göre değişkenlik gösteriyordu. Katılımcılar, rahatlıkların en yüksek düzeyde test sonuçlarının ve tıbbi görüntülerin analiz edilmesinde yapay zekâ kullanımı için bildirildiğini (%72,1), bunu idari görevler (%58,8), hastalıkların tanı konulması (%54,4) ve kişiselleştirilmiş tedavi planlarının geliştirilmesi (%54,1)’nin izlediğini belirtti (Şekil 1). Buna karşılık, sağlık durumlarının izlenmesi ve öngörülmesi (%42,8), yapay zekâ destekli ameliyatlar (%42,6) ve ilaçların veya tedavi ayarlamalarının önerilmesi (%41,9) için daha düşük rahatlık düzeyleri gözlemlendi. Yapay zekâ tabanlı ruh sağlığı desteği, örneğin sohbet botları veya sanal terapi için bildirilen rahatlık düzeyi en düşük düzeydeydi (%23,1). Yapay zekâ tanısıyla ilişkilendirilen rahatlık, tanı doğruluğu algılarıyla anlamlı biçimde ilişkiliydi. Daha hızlı ve daha doğru bir tanıyı bir avantaj olarak belirleyen katılımcılar, yapay zekâ hastalıkları tanıması konusunda rahat hissetme eğilimi daha yüksekti (OR = 16,889, %95 IG [11,863-24,046], p < 0,0001); buna karşılık, hatalı yapay zekâ tanılarından endişe duyan katılımcılar ise yapay zekâ destekli tanı konusunda anlamlı biçimde daha az rahat hissetti (OR = 0,512, %95 IG [0,388-0,675], p < 0,0001).

Sağlık alanında yapay zekâya ilişkin kaygılar

Yapay zekânın olası faydalarına dair genel olarak olumlu görüşlere rağmen, sağlık alanında yapay zekâya ilişkin kaygılar yaygındı ve yanıt verenlerin %97,7’si en az bir kaygı bildirdi. En sık bildirilen kaygılar, insani empati ve kişileşmiş etkileşimin kaybedilmesi potansiyeli (%69,8), önyargılı yapay zekâya dayalı kararlara (%68,1), hatalı tanı koymaya (%59,3) ve gizlilik, veri güvenliği ve siber güvenliğe ilişkin risklere (%56,3) ilişkindi (Şekil 1). Yanıt verenlerin yaklaşık yarısı, sağlık hizmeti sunucularının yapay zekâ sistemlerine aşırı derecede güvellenmesi veya sağlık amaçları için özel olarak onaylanmayan yapay zekâ araçlarını kullanması durumunda kaygı duyduklarını belirtti (her ikisi de %50,6). Adil olma ve açıklanabilirlik konularına dair kaygılar özellikle öne çıktı. Yanıt verenlerin çoğu, yapay zekâ sistemlerinin belli hasta gruplarına karşı önyargılı veya adil olmamasından birazdan çok kaygılı olma düzeyinde kaygı duyduklarını (%69,7) 1 ve yapay zekânın açıklamak veya anlamak zor olan kararlara varmasından kaygı duyduklarını (%88,1) bildirdi. Yine de yanıt verenlerin %91,3’ü en az bir kaygıyla birlikte en az bir fayda bildirdiğinden, sağlık alanında yapay zekâ kullanımına dair fayda ve kaygının bir arada var olduğu açıkça görülüyor. Ayrıca, algılanan fayda sayısı ile kaygı sayısı arasında anlamlı bir pozitif korelasyon da bulundu (Spearman’ın ρ = 0,102, %95 IG [0,035–0,167], p = 0,0105).

Şeffaflık ve insani gözetim üzerinde durma

Cevap verenler, sağlık alanında yapay zekânın kullanımına ilişkin şeffaflık konusunda güçlü bir tercih belirttiler. Şekil 2, cevap verenlerin çoğunun bilgiyi doğrudan sağlık hizmeti sağlayan (HCP) aracılığıyla almayı tercih ettiğini (%81,7), bunu tedaviden önce yapay zekâya özel onam formlarının izlediğini (%61,4) göstermektedir. Buna ek olarak, katılımcıların %93,4’ü hastaların yapay zekânın kullanımından ziyaret veya tedavinin en başında haberdar edilmesi gerektiğine inanmaktadır. Çoğu cevap veren ayrıca yapay zekânın kullanımına ilişkin basitleştirilmiş, hastaya uygun açıklamaları tercih ederken (%67,7), dördüncü bir kısım daha detaylı teknik açıklamaları tercih etti (%24,4). Hastaların yapay zekânın kullanımına ilişkin kontrolü sorulduğunda, %38,4 hastaların tanı veya tedaviyi doğrudan etkilediğinde yapay zekânın kullanılıp kullanılmayacağını belirleyebilmesi gerektiğini, %30,3 ise hastaların yapay zekâya ilişkin tüm müdahaleler üzerinde tam kontrolü koruması gerektiğini düşünmektedir. Detaylı teknik açıklamaları tercih eden cevap verenler, hastaların yapay zekânın kullanımına ilişkin tam kontrolü benimsemeye eğilimli olma olasılığı anlamlı derecede yüksekti (χ²(3) = 29,786, Cramer’s V = 0,185, p < 0,0001). Diğer analizler, tüm olası kanallar aracılığıyla haberdar tiên cevap verenlerin ortalamaya daha yüksek sayıda endişe bildirdiğini göstermiştir (ortalama fark = 0,912, %95 GA [0,591–1,233], p < 0,0001).

Şekil 2

Otonom yapay zekâ kararlarına ilişkin rahatlık

Respondentler, doğrudan sağlık hizmeti sağlayıcısı (HCP) katılımı olmadan bir yapay zeka sisteminden tanı almanın rahatlığı konusunda sınırlı düzeyde rahat olduklarını bildirdi. Böyle bir tanı alma konusunda biraz ya da tamamen rahat olduğunu belirten yalnızca %16,6 iken, %72,8 biraz rahatsız olduğunu ya da hiç rahatsız olmadığını belirtti. Benzer şekilde, bir yapay zeka sistemi ile bir HCP’nin bir tanı veya tedavi önerisi konusunda farklı görüş bildirmesi durumunda nasıl tepki verecekleri sorulduğunda, çoğu respondent ya başka bir doktora ikinci görüş istemeyi (%50,8) ya da karar vermeden önce her ikisinden de açıklama almağı (%26,1) tercih etti. Yalnızca %0,3 yapay zeka sistemine yalnızca dayanacaklarını belirtti. Doğrudan HCP katılımı olmadan bir yapay zeka sisteminden tanı alma konusunda daha rahat olduğunu bildiren respondentler, yapay zeka kullanımına关联ili algılanan faydaları anlamlı derecede daha fazla belirledi (ortalama fark = 1.013, %95 IG [0.631-1.394], p < 0.0001).

Hastaların yapay zeka okuryazarlığını desteklemek için tercih edilen yaklaşımlar

Respondentlerden, sağlık alanında yapay zeka okuryazarlığını artırabileceğine inandıkları stratejileri belirtmeleri istendi. En sık seçilen yaklaşımlar, erişilebilir eğitim materyalleri ve hastalar için uygun kaynaklar (%73,3), yapay zeka okuryazarlığının sağlık eğitimine entegre edilmesi (%62,1) ve yapay zeka ile ilgili özel destek hizmetleri sağlanması (%52,0) şeklindeydi.

Tartışma

Bu keşif amaçlı anket, ankete katılanların sağlıkta yapay zekânın (YZ) kullanımına dair görüşlerine dair ilk içgörüleri sunmaktadır. Genel olarak katılımcılar, YZ’nin özellikle tanı desteği, kişiselleştirilmiş bakım ve sağlık hizmetlerinde verimlilik açısından önemli potansiyel faydaları tanımlarken, aynı zamanda insani etkileşimin kaybedilmesi, önyargılı karar verme, açıklanabilirlik ve YZ sistemlerine aşırı bağımlılık riskiyle ilgili kaygıları da yan yana taşımaktadırlar. Genel bulgular, katılımcıların YZ’ye dair rahatlığının uygulamalara göre değiştiğini ve bunun süreklilik gösteren insani gözetim, şeffaflık ve anlamlı hasta bilgilenmesine güçlü biçimde bağlı olduğunu göstermektedir. Bununla birlikte, algılanan fayda sayısı ile katılımcıların rahat hissettiği YZ uygulama sayısı arasında bulunan güçlü korelasyon, bu korelasyonun birden fazla yanıt seçeneğini seçme eğiliminden kaynaklanabileceği düşünülerek dikkatle yorumlanmalıdır.

Bulgularımız, hasta güveninin sağlıkta YZ’ye belirli ön koşullarla geldiğini öne süren önceki araştırmalarla uyumludur. Katılımcılar, YZ destekli tanı ve klinik desteğin potansiyel değerini tanımlamalarına rağmen, sağlık çalışanlarının (ÇS) doğrudan katılımı olmadan tamamen otonom YZ karar vermeye çoğu zaman rahat etmemektedir. Benzer şekilde, YZ sistemleri ile ÇS’ler arasındaki uyumsuzlukla karşılaştıklarında, yalnızca YZ’ye güvenmek yerine büyük çoğunlukla ya klinik yargıyı ya da paylaşımlı açıklamayı tercih etmektedirler. Sonuç olarak, ÇS’leri yalnızca teknik karar vericiler değil, aynı zamanda YZ destekli bakımı bağlamlandıran, yorumlayan ve aktaran, ilişkisel aktörler olarak görmekteydiler.

Olası empati ve kişisel etkileşimin kaybedilmesine ilişkin kaygılar, ankette belirgin biçimde öne çıkmaktadır. Bu bulgu, YZ’nin hasta-ÇS ilişkisini zayıflatma veya bakımın insani boyutunu azaltma korkusunu öne çıkaran önceki niteliksel ve niceliksel çalışmalarla tutarlıdır.

Dikkat çeken bir nokta olarak, katılımcıların tıbbi görüntüleme analizleri veya idari görevler gibi teknik veya destekleyici olarak algılanan yapay zeka uygulamalarına, mental sağlık desteği gibi duygusal açıdan hassas veya ilişkisel boyutları içeren uygulamalara kıyasla belirgin ölçüde daha rahat oldukları görülmektedir. Benzer şekilde, Scott ve arkadaşlarının çalışması, hasta-hekim ilişkisini etkileyen veya klinik kararlara doğrudan yön veren yapay zeka uygulamalarının, daha teknik görevlere kıyasla daha olumlu karşılanmadığını ortaya koymaktadır ().

Erken açıklamaya dair güçlü tercih, anlaşılır açıklamalar ve hekim önderliğinde iletişim, yapay zeka destekli sağlık hizmetinde şeffaflığın önemini bir kez daha vurgulamaktadır. Bu bulgu, Stroud ve arkadaşlarının hastaların yapay zeka ile ilgili bilgi ihtiyaçlarını incelediği nitel bir çalışmanın bulguları ile uyumludur (). Ayrıca katılımcılar yalnızca yapay zekanın kullanılıp kullanılmadığını bilmek istememekte, aynı zamanda nasıl kullanıldığını da bilmek istemektedir; açıklamalar ideal olarak anlaşılır, klinik açıdan anlamlı ve mevcut sağlık ilişkileri içinde yer almalıdır. Şeffaflığın önemli bir faktör gibi görünmesine rağmen, birçok katılımcı sağlık hizmetleri içinde zaten bir yapay zeka ile karşılaşıp karşılaşmadıklarını bilmediklerini belirtmektedir. Bu bulgu, güncel uygulama ile hasta beklentileri arasındaki olası bir kopukluğu işaret etmekte; katılımcılar, yapay zekanın kendi bakım süreçlerine katkısının olup olmadığını bilme konusunda açık bir istek ifade etmektedir.

Yanıtlayanlar ayrıca AI okuryazarlığını, özellikle erişilebilir eğitim materyalleri ve hastalar için uygun kaynaklar aracılığıyla önemli bir öncelik olarak görüyor. AI okuryazarlığına dair tartışmalar genellikle öncelikle sağlık çalışanlarına odaklansa da, mevcut bulgular hastaların da AI destekli sağlık kararlarına anlamlı biçimde katılabilmek için yeterli düzeyde anlayış geliştirmek istediğini gösteriyor. Hasta örgütleri, bu ihtiyacı karşılamaya başlarak AI hakkında özelleştirilmiş bilgileri sade dilde sunmaya başladı (). Ancak bulgular, AI hakkında güvenilir ve anlaşılır bilginin hastalar için yaygın biçimde erişilebilir olması için daha fazla çaba gerektiğini işaret ediyor. Hryciw ve arkadaşları da bu tür hasta odaklı eğitim kaynaklarının daha bilinçli kararları kolaylaştırabileceğini ve hastaların AI tarafından üretilen bulguları anlamalarını iyileştirebileceğini vurguladı ().

Güçlü ve zayıf yanlar

Bu çalışmanın güçlü yanlarından biri, EPF aracılığıyla yürütülmesi ve Avrupa genelinde geniş bir hasta örgütü ağına yayılma imkanı sunmasıydı. Bu sayede anket, Avrupa örgütleri aracılığıyla seçilen yanıtlayanlardan perspectives aldı ve sağlık alanında AI’ya dair görüşleri hakkında değerli bir keşif düzeyinde içgörü sağladı.

Bununla birlikte, birkaç kısıtlamanın kabul edilmesi gerekmektedir. Çalışma, hasta örgütleri ve çevrimiçi yayılım kanalları aracılığıyla seçilen bir kolay örneğe dayanıyordu; bu da (kendi kendine) seçim yanlılığını ortaya çıkarmış olabilir. Dijital sağlık veya AI ile ilgili konulara daha güçlü bir ilgi duyan katılımcıların katılma olasılığının daha yüksek olması, olası olarak yanıt vermeme yanlılığını da beraberinde getirmiş olabilir. Anketin hedef kitledinin hastalar, bakıcılar veya hasta temsilcileri olduğu konusunda açık bir iletişim sağlanmış olsa da, katılımcıların bu statüyü onaylamaları gerekmediğinden, diğer bireylerin katılımı da dışlanamaz. Ayrıca, bazı ülkeler diğerlerinden daha güçlü şekilde temsil edilmiş, bu da bulguların daha geniş Avrupa hasta popülasyonuna genellenmesini sınırlamıştır. Ülke dağılımındaki bu dengesizlik, örneğin ulusal örgütler tarafından yürütülen yayılım farklarını, AI ve dijital sağlık konularına yönelik ilgideki farklılıkları veya diğer ülkeye özgü faktörleri yansıtıyor olabilir. Sağlık sistemlerindeki farklılıklar, AI’ya yabancı olma düzeyi ve ülkelerdeki yerel uygulama çeşitlilikleri nedeniyle, ülke ve dil gibi değişkenler AI’ya yönelik tutumları da etkilemiş olabilir. Buna ek olarak, katılımcıların ‘AI’ teriminin geniş anlamını yorumlamalarındaki olası farklılıkların da göz önünde bulundurulması gerekmektedir.

Anket aracı, keşif ve politika odaklı amaçlar için geliştirilmiş olup, bir araştırma aracı olarak resmen geçerliliği test edilmemiştir. Anket maddelerinden bazıları, dikkatli yorum gerektiren birleşik kavramları içermekte; ancak uzun çoklu seçim listelerinin kullanımı da yanıt seçenekleri veya onay etkileri ortaya çıkarmış olabilir, buna göre katılımcıların birden fazla seçeneği seçme olasılığının daha yüksek olması söz konusu olabilir. Bu durum, algılanan faydalar, kaygılar ve kabul edilebilir AI uygulamalarına ilişkin türetilmiş sayıları etkilemiş olabilir. Bazı katılımcılar, diğer yanıt seçenekleriyle birlikte “kaygı yok” seçeneğini işaretlemiş ve böylece iç tutarsız yanıtlar ortaya çıkmıştır. Ayrıca, anketin anonim olması nedeniyle yinelenen başvurular tespit edilip kaldırılamamıştır. Son olarak, çeşitli keşif niteliğindeki ilişki analizleri yürütülmüş olsa da, çalışma nedensel ilişkiler kurmak üzere tasarlanmamıştır.

Bu sınırlamalara rağmen, bulgular Avrupa hasta örgütleri aracılığıyla katılımcı olarak sağlanan bireylerin sağlıkta yapay zekâya ilişkin beklentileri, kaygıları ve öncelikleri hakkında değerli keşif niteliğindeki içgörüler sunmakta ve gelecekteki hasta merkezli uygulama stratejileri, yönetim çerçeveleri ile araştırma girişimlerini bilgilendirmeye yardımcı olabilir.

Sonuç

Bu keşif amaçlı anket, Avrupa hasta ağlarındaki hastaların genel olarak AI’nın sağlık hizmetlerindeki potansiyel faydalarını tanıdığını, özellikle tanı desteği ve kişiselleştirilmiş bakım açısından öne çıktığını göstermektedir. Bununla birlikte, katılımcılar şeffaflık, açıklanabilirlik, süregelen insan gözetimi ve hasta-hekim ilişkisinin korunması konularında net tercihler ortaya koymuştur. Bulgular, güvene destek olan, anlamlı iletişimi sağlayan ve AI destekli kararlar için açık sorumluluk belirleyen hasta merkezli uygulama stratejilerinin önemini vurgulamaktadır. Bu nedenle, bu teknolojilerin hastaların ihtiyaç ve kaygılarına yanıt vermesini sağlamak için hastaların bu teknolojilerin geliştirilmesi, uygulanması ve değerlendirilmesine anlamlı biçimde dahil edilmesi önemlidir. Hasta örgütleri ayrıca AI hakkında bilgi sağlama, AI okuryazarlığını güçlendirme ve bu araçları daha iyi bakım sunumu potansiyelini gerçekleştirmeye aktif biçimde kullanma konusunda önemli bir rol üstlenebilir. Büyük ve temsilî örnekleri içeren gelecekteki araştırmalar, çeşitli hasta popülasyonları ve hizmet sistemleri arasındaki farkları inceleyebilir ve hastaların AI’ya dair algılarının hizmetlerde artan uygulama ile nasıl değiştiğini gözlemlayebilir.

Açıklamalar

Veri erişilebilirliği açıklaması

Bu makalenin sonuçlarını destekleyen ham veriler, authors tarafından gereksiz bir şart koşulmadan kullanılabilir hale getirilecektir.

Ahlak açıklaması

İnsanlarla yürütülen çalışmalarda etik kurul onayı gerekli görülmemiştir, çünkü bu anket, EPF’nin sağlıkta yapay zeka konusundaki politika ve savunuculuk çalışmalarını bilgilendirmeyi amaçlayan keşif amaçlı bir görüşme çalışması olarak hazırlanmıştır. Bu nedenle kurumsal bir araştırma etik kuruluna sunulmamıştır. Çalışmalar yerel mevzuat ve kurumsal gerekliliklere uygun olarak yürütülmüştür. Katılımın gönüllü olması ve katılımcıların amacın, kullanılacak amaç ve hedef kitle hakkında bilgilendirilmesinin ardından anonim anketi doldurmasıyla rızanın ortaya çıkarılması nedeniyle, ulusal mevzuat ve kurumsal gereliliklere uygun olarak katılımcılardan veya katılımcıların yasal veli/ yakınlarından yazılı rıza talep edilmemiştir.

Yazar katkıları

JB: Kavramsal çerçeve, Soruşturma, İnceleme ve düzenleme, Orijinal taslak, Görselleştirme, Proje yönetimi. LP: Kavramsal çerçeve, Görselleştirme, Soruşturma, Proje yönetimi, Orijinal taslak, İnceleme ve düzenleme. TA: İnceleme ve düzenleme. YH: İnceleme ve düzenleme, Metodoloji, Proje yönetimi. IH: Kaynaklar, İnceleme ve düzenleme. CL: İnceleme ve düzenleme, Veri yönetimi, Metodoloji, Gözetim, Kavramsal çerçeve, Proje yönetimi, Soruşturma, Kaynaklar, Yazılım. FT: İnceleme ve düzenleme, Veri yönetimi, Metodoloji, Gözetim, Kavramsal çerçeve, Proje yönetimi, Soruşturma, Kaynaklar, Yazılım. PS: Gözetim, Kaynaklar, İnceleme ve düzenleme.

Finansman

Yazar(lar), bu çalışma ve/veya yayını için finansal destek alınmadığını beyan etmiştir.

Teşekkürler

Yazarlar, anketi hazırlayan ve Avrupa Hastaları Forumu (EPF) için verileri toplayan Milana Truç’a teşekkür eder. EPF’ye anket verilerini sağlaması ve bu proje boyunca değerli işbirliğini sunması için teşekkür eder. Özellikle Gözde Susuzlu’ya müteşekkiriz. Ayrıca resmi istatistiksel analizleri yürüten KU Leuven’den Annouschka Laenen’e de teşekkür ederiz.

Çatışma

Yazar(lar), bu çalışmanın ticari veya finansal herhangi bir ilişki olmadan yürütüldüğünü, bunun potansiyel bir çatışma interesti olarak değerlendirilemeyeceğini beyan etmektedir.

IH adlı yazar, gönderim sırasında Frontiers’ın editorial kurul üyesi olduğunu beyan etmektedir. Bunun hakem değerlendirme süreci ve nihai karar üzerinde hiçbir etkisi olmamıştır.

Üretken yapay zekâ ifadesi

Yazar(lar), bu makalenin oluşturulmasında üretken yapay zekânın kullanıldığını beyan etmektedir. ChatGPT (sürüm GPT-5.5; model: GPT-5.5; kaynak: OpenAI, https://openai.com) yalnızca dil düzenleme amaçları için kullanılmıştır.

Bu makaledeki figürlerle birlikte sağlanan alternatif metin (alt text) Frontiers tarafından yapay zekânın desteğiyle oluşturulmuş olup, mümkün olduğunca yazarların incelemesini de içeren doğruluk sağlamak için makul çabalar gösterilmiştir. Herhangi bir sorunu tespit ederseniz, lütfen bizimle iletişime geçin.

Yayıncının notu

Bu makalede ifade edilen tüm iddialar yalnızca yazarlarınkidir ve onların bağlı oldukları kuruluşların, ya da yayncının, editörlerin ve hakemlerin görüşlerini mutlaka yansıtmaz. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisinin yapabileceği herhangi bir iddia, yayncı tarafından garanti edilmez veya desteklenmez.

Ekleme materyali

Bu makalenin Ekleme Materyaline şu çevrimiçi adresen ulaşılabilir: https://www.frontiersin.org/articles/10.3389/fdgth.2026.1930473/full#supplementary-material

Dipnotlar

1.^Bir anket programlama hatası nedeniyle, 81 katılımcının başlangıçta seçtiği yanıt, özgür metin alanında yanıtına açıklama eklediklerinde saklanmamıştır. Bu nedenle, bildirilen yüzde, seçili yanıtı saklanan 793 katılımcının 553’ünü temsil etmektedir.

  • 1.

    VarnosfaderaniSMForouzanfarM. The role of AI in hospitals and clinics: transforming healthcare in the 21st century. Bioengineering. (2024) 11(4):337. 10.3390/BIOENGINEERING11040337

    • CrossRef
    • Google Scholar
    • View reference in article
  • 2.

    Bhagat S, Kanya L, D. Geleceği yönlendirmek: yapay zekânın hastane yönetimi üzerindeki dönüştürücü etkisi – kapsamlı bir derleme. Cureus. (2024) 16(2):e54518. 10.7759/CUREUS.54518

    • CrossRef
    • Google Scholar
  • 3.

    Bekbolatova M, Mayer J, Ng CW, Toma M. Sağlıkta yapay zekânın dönüştürücü potansiyeli: tanımlar, uygulamalar ve etik ortam ile kamu görüşleriyle yol alma. Healthcare (Basel). (2024) 12(2):125. 10.3390/HEALTHCARE12020125

    • CrossRef
    • Google Scholar
  • 4.

    Yelne S, Chaudhary M, Dod K, Sayyad A, Sharma R. Yapay zekânın gücünü kullanma: bakım bilimi ve sağlıkta etkisi ve zorlukları hakkındaki kapsamlı derleme. Cureus. (2023) 15(11):e49252. 10.7759/CUREUS.49252

    • CrossRef
    • Google Scholar
  • 5.

    Vo V, Chen G, Aquino YJ, Carter S, Do QN, Woode M. Sağlıkta yapay zekânın kullanımına yönelik çok paydaşlı tercihler: sistematik derleme ve tematik analiz. Soc Sci Med. (2023) 338:116357. 10.1016/j.socscimed.2023.116357

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 6.

    Camaradou JC, L Hogg H, D. Yorum: hastaların yapay zekân görüşleri; ne öğrendik ve nasıl ilerlemeliyiz? Adv Ther. (2023) 40(6):2563–72. 10.1007/S12325-023-02511-3

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 7.

    Adus S, Macklin J, Pinto A. Hastaların yapay zekânın (YZ) sağlık bakımında geliştirilmesine nasıl katılabilecekleri ve katılmaları gerektiğine dair hastanın görüşlerini araştırma. BMC Health Serv Res. (2023) 23:1163. 10.1186/S12913-023-10098-2

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 8.

    Jeyakumar T, Younus S, Zhang M, Clare M, Charow R, Karsan I ve ark. Yapay zekâ ile desteklenecek geleceğe hazırlanmak: sağlık bakım ortamlarında yapay zekâ teknolojilerinin benimsenmesinde katılım ve sağlık profesyonellerinin eğitimi konusunda hastaların görüşleri. JMIR AI. (2023) 2:e40973. 10.2196/40973

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 9.

    Banerjee S, Alsop P, Jones L, Cardinal R. Yapay zekâya güven oluşturmak için hastaların ve halkın katılımı: bir çerçeve, araçlar ve vaka çalışmaları. Patterns. (2022) 3(6):100506. 10.1016/J.PATTER.2022.100506

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 10.

    Foresman G, Biro J, Tran A, MacRae K, Kazi S, Schubel L ve ark. Bakım alanında yapay zekâya ilişkin hastanın görüşleri: tanısal iletişim ve araçların uygulanması için odak grup çalışması. J Particip Med. (2025) 17:e69564. 10.2196/69564

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 11.

    Khullar D, Casalino LP, Qian Y, Lu Y, Krumholz HM, Aneja S. Sağlık alanında yapay zekâya ilişkin hastaların görüşleri. JAMA Netw Open. (2022) 5(5):e2210309. 10.1001/JAMANETWORKOPEN.2022.10309

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 12.

    Fritsch S, Blankenheim A, Wahl A, Hetfeld P, Maassen O, Deffges ve ark. Sağlık alanında yapay zekâya ilişkin tutumlar ve algılar: hastalar arasında kesit araştırması. Digit Health. (2022) :8. 10.1177/20552076221116772

    • CrossRef
    • Google Scholar
    • Makalede referansı görüntüle
  • 13.

    Richardson JP, Smith C, Curtis S, Watson S, Zhu X, Barry B ve ark. Sağlık alanında yapay zekâ kullanımına ilişkin hastaların kaygıları. NPJ Digit Med. (2021) 4:140. 10.1038/S41746-021-00509-1

    • CrossRef
    • Google Scholar
  • 14.

    Moy S, Irannejad M, Jeanneret Manning S, Farahani M, Ahmed Y, Gao E ve ark. Sağlık hizmetlerinde yapay zekânın kullanımına dair hastaların görüşleri: bir tarama derlemesi. J Patient Cent Res Rev. (2024) 11(1):51–62. 10.17294/2330-0698.2029

    • CrossRef
    • Google Scholar
    • Kaynağa makalede bakın
  • 15.

    Fazakarley CA, Breen M, Thompson B, Leeson P, Williamson V. Sağlık hizmetlerinde yapay zekânın kullanımına dair inançlar, deneyimler ve kaygılar: nitel bir sentez. Digit Health. (2024) 10. 10.1177/20552076241230075

    • CrossRef
    • Google Scholar
    • Kaynağa makalede bakın
  • 16.

    Gundlack J, Negash S, Thiel C, Buch C, Schildmann J, Unverzagt S ve ark. Tıbbi bakımda yapay zekâ: hastaların bakım veren ilişkileri ve etik konularına dair algıları. Nitel bir çalışma. Health Expect. (2025) 28(2):e70216. 10.1111/HEX.70216

    • CrossRef
    • Google Scholar
    • Kaynağa makalede bakın
  • 17.

    Witkowski K, Okhai R, Neely S. Sağlık hizmetlerinde yapay zekâya dair kamuoyu algıları: etik kaygılar ve hastanın merkezine koyulan bakıma yönelik fırsatlar. BMC Med Ethics. (2024) 25(1):74. 10.1186/S12910-024-01066-4

    • CrossRef
    • Google Scholar
    • Kaynağa makalede bakın
  • 18.

    Čartolovni A, Malešević A, Poslon L. Hasta-hekim ilişkisine yapay zekânın etkisine dair kritik analiz: çok paydaşlı nitel bir çalışma. Digit Health. (2023):9. 10.1177/20552076231220833

    • CrossRef
    • Google Scholar
    • Kaynağa makalede bakın
  • 19.

    Nong P, Ji M. Hizmet sunulan yapay zekâya dair beklentiler ve güvenin rolü: hastaların yapay zekânın maliyet, erişim ve hasta-sunucu ilişkileri üzerindeki etkisine dair görüşlerini anlama. J Am Med Inform Assoc. (2025) 32(5):795–9. 10.1093/JAMIA/OCAF031

    • CrossRef
    • Google Scholar
    • Kaynağa makalede bakın
  • 20.

    Schneider D, Liedtke W, Klausen L, Lipprandt M, Funer F, Bratan T ve ark. Sağlık hizmetlerinde yapay zekânın kullanımına ilişkin kararsızlık: AI-CDSS kullanılarak güven, sorumluluk ve kendi kendine karar verme açısından hastaların görüşlerini anlamaya yönelik nitel bir çalışma. Digit Health. (2025) :11. 10.1177/20552076251339522

    • CrossRef
    • Google Scholar
    • Referansı makalede görüntüle
  • 21.

    Lupus GPT. Erişilebilir (2026): Çevrimiçi erişim: https://lupusgpt.org/ (Erişim tarihi: 31 Ağustos 2026).

    • Google Scholar
    • Referansı makalede görüntüle
  • 22.

    Robinson R, Iday C, Lee S, Williams IC, Wright M, An ve ark. Sağlık hizmetlerinde yapay zekâ: hastaların bilgi ihtiyaçlarının anlaşılması ve anlaşılır şeffaflığın tasarlanması—nitel çalışma. JMIR AI. (2023) 2:e46487. 10.2196/46487

    • CrossRef
    • Google Scholar
    • Referansı makalede görüntüle
  • 23.

    Park HJ. Tıbbi yapay zekânın rızaya dayalı aydınlatması konusunda hastaların görüşleri: web tabanlı bir deney. Digit Health. (2024) 10. 10.1177/20552076241247938

    • CrossRef
    • Google Scholar
    • Referansı makalede görüntüle
  • 24.

    Osnat B. Sağlık hizmetlerinde yapay zekânın hastaların görüşleri: faydalar, etik kaygılar ve uygulama stratejileri açısından küresel bir tarama çalışması. Int J Med Inform. (2025) 203:106007. 10.1016/j.ijmedinf.2025.106007

    • CrossRef
    • Google Scholar
    • Referansı makalede görüntüle
  • 25.

    Sağlık Hizmetlerinde Yapay Zekâ. İşbirliğinde Tasarım ve Sorumlu Uygulama Hastaları Odaklı Bakımı İleri Seviyeye Taşıma (2023)

    • Google Scholar
    • Referansı makalede görüntüle
  • 26.

    Yapay Zekâ Anket Raporu. Erişilebilir (2026): Çevrimiçi erişim: https://www.eu-patient.eu/ai-knowledgehub/epf_aiwork/ai-survey-report-2026/ (Erişim tarihi: 10 Haziran 2026).

    • Google Scholar
    • Referansı makalede görüntüle
  • 27.

    EPF’de Yapay Zeka Üzerine Çalışmalar. Erişim tarihi (2026): Çevrimiçi erişim: https://www.eu-patient.eu/ai-knowledgehub/epf_aiwork/ (Erişim tarihi: 10 Haziran 2026).

    • Google Scholar
    • Makaledeki referansı görüntüle
  • 28.

    Scott, IACarter, S, Coiera, E. Klinik uygulamada yapay zeka konusunda paydaş tutumlarının incelenmesi. BMJ Health Care Inform. (2021) 28(1):100450. 10.1136/BMJHCI-2021-100450

    • CrossRef
    • Google Scholar
    • Makaledeki referansı görüntüle
  • 29.

    Stroud, A, Minteer, S, Zhu, X, Ridgeway, J L, Miller, J E, Barry, B A. Şeffaf ve güvenilir kardiyovasküler yapay zeka için hasta bilgi ihtiyaçları: nitel bir çalışma. PLOS Digit Health. (2025) 4(4):e0000826. 10.1371/JOURNAL.PDIG.0000826

    • CrossRef
    • Google Scholar
    • Makaledeki referansı görüntüle
  • 30.

    Dijital Sağlık Dönüşümü ve zorlukları. Ek Okuma: Sağlıkta Veri ve Yapay Zeka | EUPATI Open Classroom. Erişim tarihi (2026): Çevrimiçi erişim: https://learning.eupati.eu/mod/page/view.php?id=1347 (Erişim tarihi: 2 Eylül 2026).

    • Google Scholar
    • Makaledeki referansı görüntüle
  • 31.

    Hryciw, B, Fortin, Z, Ghossein, J, Kyeremanteng, K. Yapay zeka çağında doktor-hasta etkileşimleri: yenilik ve uzmanlıkla başa çıkma. Front Med (Lausanne). (2023):10. 10.3389/FMED.2023.1241508/FULL

    • CrossRef
    • Google Scholar
    • Makaledeki referansı görüntüle

Özet

Anhtar Kelimeler

yapay zeka, sağlık, hasta bakış açıları, hastalar, bakış açıları, anket

Başvuru

Broekmans J, De Proost L, Adriaenssens T, Heyer Y, Huys I, Louati C, Topan F ve Sinnaeve P (2026) Avrupa hasta örgütü ağları aracılığıyla seçilen yanıtlayıcıların sağlıkta yapay zeka konusundaki görüşleri: keşif amaçlı bir anketten yansımalar. Front. Digit. Health 8:1930473. doi: 10.3389/fdgth.2026.1930473

Müracat Tarihi

07 Temmuz 2026

Güncelleme Tarihi

06 Ekim 2026

Kabul Tarihi

23 Ekim 2026

Yayın Tarihi

10 Kasım 2026

8 – 2026

Javier Fagundo-Rivera, Huelva Üniversitesi, İspanya

Eirini C. Schiza, Kıbrıs Üniversitesi – Tıp Fakültesi, Kıbrıs

Miguel Garrido, Sevilla Üniversitesi, İspanya

© 2026 Broekmans, De Proost, Adriaenssens, Heyer, Huys, Louati, Topan ve Sinnaeve.

Bu, Creative Commons Atıf Lisansı (CC BY) koşulları altında açık erişimli bir makale olarak dağıtılmıştır. Kabul görmüş akademik uygulamalar doğrultusunda, özgün yazar(lar)ın ve telif hakkı sahib(lar)ının belirtilmesi ve bu dergideki özgün yayının atıf edilmesi koşuluyla, diğer forumlarda kullanım, dağıtım veya çoğaltma izinlidir. Bu koşullara uymayan herhangi bir kullanım, dağıtım veya çoğaltma izinlidir.

*İletişim: Jolien Broekmans contact.isabellehuys@kuleuven.be

Frontiers | What respondents recruited through European patient organisation networks think about AI in healthcare: reflections from an expl
Frontiers | What respondents recruited through European patient organisation networks think about AI in healthcare: reflections from an expl

Bu makalede ifade edilen tüm iddialar yalnızca yazarların görüşlerini yansıtır ve bağlı oldukları kuruluşların, yayıncının, editörlerin veya değerlendirenlerin görüşlerini zorunlu olarak yansıtmaz. Bu makalede değerlendirilebilecek herhangi bir ürün veya üreticisinin yapabileceği herhangi bir iddia, yayıncı tarafından garanti edilmez veya desteklenmez.

İlginizi Çekebilir: Elektronik Sağlık Kayıtları Simülasyonunun Sağlık Hizmeti Eğitiminde Kullanımı: Gelişim, Uygulama ve Değerlendirme →
Kaynak: Frontiersin ↗
BENZER İNCELEMELER

İlgili Diğer Rehberler