GİRİŞ

Yapay zekâ teriminin ilk kez 1956 yılında ABD’li bilgisayar bilimci John McCarthy tarafından kullanıldığı düşünülmektedir (1). Yapay zekâ, karmaşık problemlerin çözümünde ve özellikle büyük miktarda verinin bulunduğu alanlarda kullanılabilen bir bilgisayar bilimi alanıdır. Tıp alanında yapay zekâ; tanı, hastaların izlenmesi ve tedavi süreçlerinin desteklenmesi gibi amaçlarla kullanılmakta olup yapay zekâ temelli tıbbi teknolojilere olan ilgi son yıllarda giderek artmıştır. Bu teknolojilerin klinik uygulamalara uygun şekilde entegre edilmesi ve hekimlerin bu gelişmelere uyum sağlaması önem taşımaktadır (2).

İnfeksiyon hastalıklarının önemi dünya genelinde özellikle COVID-19 pandemisiyle artmış ve bu süreçte Çin Halk Cumhuriyeti’nde yapay zekâ teknolojilerinin birçok klinikte tanısal görüntüleme, hasta takibi, prognoz öngörüsü ve kamu iletişimi amacıyla kullanıldığı, sağlık hizmetlerinin verimliliğini artırdığı bildirilmiştir (3). Öte yandan, bu teknolojiler yeni salgınların öngörülmesi, infeksiyonların yayılımı açısından yüksek riskli bölgeleri belirlemesi ve aşı geliştirme süreçleri gibi alanlarda da kullanılmaktadır. Ayrıca infekte bireylerin takibi ile yayılımın azalmasına yardımcı olarak potansiyel salgın oluşumunun önüne geçilebileceği de düşünülmektedir (4). 

COVID-19 pandemisinin başlangıcında yapay zekâ sayesinde radyolojik ve klinik bulgular, laboratuvar verileri ve temas geçmişi bilgilerinin birlikte değerlendirilmesine dayalı erken tanı yaklaşımları geliştirilmiştir. Pandemi sürecinde yapay zekâ, infeksiyonların yayılımının izlenmesi ve öngörülmesi, sağlık hizmetlerinin planlanması ve halk sağlığı acil durumlarına yanıt verilmesi gibi alanlarda da kullanılmıştır (3,5). Dünya Sağlık Örgütü tarafından pandemi döneminde geliştirilen yapay zekâ destekli sohbet robotu da halka güvenilir bilgi sağlanması ve halkın kaygısının azaltılması amacıyla kullanılan uygulamalara örnek oluşturmaktadır (3). Pandemi dönemiyle sınırlı olmaksızın, derin öğrenme yöntemleri sayesinde tüberküloz ve diğer bulaşıcı hastalıkların tanısında da yapay zekâdan yararlanılmaktadır. Sınırlı imkânlara sahip sağlık merkezlerinde yapay zekâ destekli görüntüleme ve tanı araçları hastalık taranmasında önemli bir potansiyele sahiptir. Yapay zekâ ayrıca yeni salgınların öngörülmesi, infeksiyonların yayılımı açısından yüksek riskli bölgelerin belirlenmesi, infekte bireylerin izlenmesi ve aşı geliştirme süreçleri gibi alanlarda kullanılmaktadır (5).

Mikrobiyolojik tanıda geleneksel kültür yöntemleri ile zaman zaman tanısal hatalar veya antimikrobiyal duyarlılık testlerinde gecikme gibi sorunlar yaşanabilmektedir. Yapay zekâ sayesinde mikrobiyolojik verileri doğru ve hızlı analiz edebilen hesaplama araçları geliştirilmiştir. Bu teknoloji sayesinde genetik diziler, mikrobiyolojik fenotipler ve klinik verilerden oluşan çeşitli veri kümelerinin hızlı analizi mümkün hale gelmiştir. Ayrıca yapay zekâ, kişiselleştirilmiş tıbbi yaklaşımların geliştirilmesine ve hastaya özgü verilere göre tedavi seçeneklerinin belirlenmesine katkı sağlayabilmektedir (6). Son yıllarda yapay zekâ teknolojilerinin mRNA aşılarının geliştirilmesindeki potansiyeli de araştırılmaktadır. Yapay zekâ temelli yaklaşımların mRNA aşılarının stabilitesinin artırılması, yarı ömrünün uzatılması, soğuk zincire bağımlılığın azaltılması ve üretim süresinin kısaltılmasına katkı sağlayabileceği bildirilmiştir (7). 

Sağlık sistemi üzerindeki yükün yanı sıra hekimlerin üzerindeki iş yükünü de azaltmak için tanı, prognoz, tedavi süreçlerinde yardımcı teknolojik araçlardan yararlanılabilir. Son yıllarda artan antibiyotik direncinin, akılcı antibiyotik kullanımının ve infeksiyon kontrol stratejilerinin önemi artmıştır. Öte yandan antibakteriyel ilaç geliştirme süreçlerinin hızlandırılması da en önemli stratejilerden biridir (8). 

Yapay zekânın sağlık hizmetlerine giderek daha fazla entegre edilmesi, beraberinde çeşitli etik sorunları da gündeme getirmektedir. Bu sorunlar arasında bilgilendirilmiş onam, etik ikilemlerin çözümü, tıbbi karar süreçlerinde sorumluluk ve kişisel sağlık verilerinin korunması yer almaktadır. Ayrıca düşük gelir düzeyinde birçok ülkenin bu teknolojilere erişiminin sınırlı olması, sağlık hizmetlerinde eşitsizlik açısından önem taşımaktadır. Hekimlerin bu teknolojiden yararlanırken özerklik, zarar vermeme ve adalet gibi tıbbi etik ilkeleri göz önünde bulundurması gerekmektedir (9). Yapay zekâ uygulamalarında kişisel sağlık verileri ve genetik bilgilerin kullanılabilmesi, veri gizliliği ve güvenliği konusunda da düzenleme ve denetim gereksinimini artırmaktadır. Örneğin Çin Halk Cumhuriyeti’nde kişisel gizliliği ve veri güvenliğini korumak için 2021 yılında Siber Güvenlik Yasası ve Veri Güvenliği Yasası yürürlüğe girmiştir (5). 

Yapay zekânın avantajlarının ve olası risklerinin birlikte değerlendirilebilmesi için uluslararası iş birliğinin geliştirilmesi, uygun düzenlemelerin yapılması, etik denetimin sürdürülmesi ve kamu okuryazarlığının artırılması önem taşımaktadır. Bu sayede yapay zekâdan etkin bir şekilde yararlanırken olası risklerin de azaltılması mümkün olabilir. Bilimsel literatürün kapsamlı biçimde incelenmesi, belirli bir alandaki mevcut bilgi birikiminin ve araştırma eğilimlerinin ortaya konulmasına olanak sağlamaktadır. Bibliyometrik analiz, bilimsel üretimin niceliksel olarak değerlendirilmesini ve araştırma alanlarının genel yapısının ortaya konulmasını sağlayan yöntemlerden biridir. Araştırmacılar bu analizler aracılığıyla genel bir bakış açısı elde eder, araştırma boşluklarını belirleyebilir ve yeni araştırma soruları geliştirebilirler (10). 

Bu çalışmada, infeksiyon hastalıkları ve yapay zekâ ile ilişkili yayınlar bibliyometrik olarak incelendi ve yazar, yayın, ülke, çalışma merkezi gibi parametreler değerlendirildi. Ayrıca yazarlar, merkezler ve ülkeler arasındaki iş birliği ile bilimsel üretkenliğin ortaya konulması amaçlandı. Çalışmanın mevcut bilimsel bilgi birikiminin genel bir çerçevesini sunması ve gelecekte yapılacak araştırmalara yol göstermesi beklenmektedir.

YÖNTEMLER

Çalışmada yapay zekâ ve infeksiyon hastalıkları konusunda Web of Science (WoS) veri tabanında indekslenen yayınların bibliyometrik analizi VOSviewer 1.6.20 (Centre for Science and Technology Studies, Leiden University, Leiden, Hollanda) kullanılarak yapıldı. Anahtar kelime olarak “artificial intelligence”, “machine learning”, “deep learning” terimlerinden en az biri ile “infection”, “microbiology”, “covid”, “bacteria” veya “virus” terimlerinden en az birinin başlık, özet ve anahtar kelimelerde yer aldığı yayınlar tarandı. 

1991–2025 yılları arasındaki yayınlar incelendi. WoS’un tıp kategorisinde düzenli indeksleme yapması, yapay zekâ çalışmalarının tıpta görünür hale gelmesi ve veri bütünlüğünün daha tutarlı olması sebebiyle 1991 yılından itibaren yayımlanan yayınlar incelendi. Doküman tipi “article” ve “review article” olarak; WoS indekslerinden Science Citation Index Expanded (SCIE) ve WOS kategori kısmından tıp alanında kategoriler seçildi. Bu kategoriler WoS sınıflandırmasında yer alan infeksiyon hastalıkları, mikrobiyoloji, immünoloji, farmakoloji başta olmak üzere tıp ile ilişkili temel alanları kapsamaktadır. Çalışmada dil kısıtlaması yapılmadı. Tıp dışındaki alanlara ait dergilerde yayımlanan çalışmalar analiz edilmedi. Görseller WoS ve VoSviewer programları ile oluşturuldu. Ortak yazar-kurum ve yazar-anahtar kelime ağ görselleştirme analizleri yapıldı. 

Bibliyometrik analiz kapsamında ortak yazar-kurum ve yazar-anahtar kelime analizleri gerçekleştirildi. Ortak yazar-kurum analizinde kurumlar arasındaki iş birliği, yazar-anahtar kelime analizinde ise anahtar kelimelerin birlikte kullanım ilişkileri değerlendirildi.

BULGULAR

Tablo 1. Yapay Zekâ ve İnfeksiyon Hastalıkları ile İlgili En Çok Atıf Alan İlk Beş Yayın

WoS veri tabanında yapılan tarama sonucunda arama kriterlerini karşılayan 5060 yayın saptandı. Yayınlar 1991–2025 yılları arasındaki dönemi kapsıyordu. En çok atıf alan yayın, 1989 atıfla, British Medical Journal’da yayımlanan “Prediction models for diagnosis and prognosis of covid-19 infection: systematic review and critical appraisal” başlıklı makaledir. En çok atıf alan ilk beş makale Tablo 1’de sunuldu. Kriterleri karşılayan ilk çalışma ise 1991 yılında yayımlanan “Experts systems and antibiotics susceptibility testing’’ başlıklı çalışmaydı. 

Şekil 1. Yapay Zekâ ve İnfeksiyon Hastalıkları ile İlgili Yayınların 2016–2025 Yılları Arasındaki Dağılım

Yayınların yıllara göre dağılımları incelendiğinde, en fazla yayının 1086 yayın (%21.4) ile 2024 yılında olduğu görüldü. 2025 yılında arama kriterlerini karşılayan 315 yayın (%6.2) saptandı. Son 10 yıldaki yayın sayıları Şekil 1’de sunuldu. Çalışmaların 4231’i (%83.6) özgün araştırma makalesi, 829’u (%16.3) derleme makale idi. Diğer yayın türlerinin sayısı düşük olduğu için analize dahil edilmedi. 

En çok yayın yapan kurum 203 (%4.0) yayın ile Harvard Tıp Fakültesi (Harvard Medical School) olarak saptandı. İkinci sırada Kaliforniya Üniversitesi sistemi (University of California system) yer aldı. Amerika Birleşik Devletleri dışındaki kurumlar arasında Çin Bilimler Akademisi (Chinese Academy of Sciences) ve Londra Üniversitesi (University of London) öne çıktı.

Şekil 2. Yapay Zekâ ve İnfeksiyon Hastalıkları ile İlgili Yayınların Web of Science (WoS) Kategorilerine Göre Dağılımı

Şekil 3. Yapay Zekâ ve İnfeksiyon Hastalıkları ile İlgili Yayınların Yazar-Anahtar Kelime Ortaklık Analizi

En çok yayın yapan ülke 1546 yayın (%30.5) ile ABD olarak saptandı. İkinci sırada 1263 yayın (%24.9) ile Çin Halk Cumhuriyeti yer aldı. Türkiye 65 yayın (%1.2) ile 27. sırada idi. Kendi kategori sistemine göre WoS’un yayınlarının 780’i mikrobiyoloji, 750’si genel dahili tıp, 591’i moleküler biyoloji ve biyokimya, 500’ü infeksiyon hastalıkları kategorisinde idi; WoS kategorilerine göre ilk 10 alan Şekil 2’de sunuldu. Yayınlarda en sık kullanılan anahtar kelimeler arasında, arama stratejisinde kullanılan terimlerin dışında, “pnömoni”, “sepsis”, “prognoz”, “antimikrobiyal direnç” ve “ilaç keşfi” öne çıktı (Şekil 3).

Şekil 4. Yapay Zekâ ve İnfeksiyon Hastalıkları ile İlgili Yayınların Ortak Yazar-Kurum Analizi

Ortak yazar-kurum analizi Şekil 4’te sunuldu. Kurumlar arasındaki iş birliği ağında Harvard Tıp Fakültesi, Johns Hopkins Üniversitesi (Johns Hopkins University), Londra Imperial College (Imperial College London) ve Çin Bilimler Akademisi (Chinese Academy of Sciences) gibi kurumların öne çıktığı görüldü. Ağda özellikle ABD, Avrupa ve Çin’deki kurumlar arasında belirgin iş birliği bağlantıları olduğu gözlendi.

İRDELEME

Çalışmamızda 1991–2025 yılları arasında WoS veri tabanında indekslenen yayınlar bibliyometrik olarak analiz edildi. Yayın sayısının özellikle son 5 yılda arttığı görüldü. Çalışmaların büyük bölümünün ABD ve Çin Halk Cumhuriyeti’nden olduğu saptandı. En fazla yayının ABD adresli olduğu görüldü. Bu durum, yapay zekâ teknolojilerinin gelişiminde ABD’nin öncü olması ve bu ülkede bilimsel çalışmaların fazla yürütülmesiyle ilişkili olabilir. Türkiye’den 65 yayın bulunduğu saptandı. Türkiye adresli yayınlar arasında 31 atıf alan “Computer-aided detection and classification of monkeypox and chickenpox lesion in human subjects using deep learning framework” başlıklı çalışmada, yapay zekâ destekli dijital cilt görüntüleme sistemi kullanılarak maymun çiçeği ve suçiçeği lezyonlarının tanımlanması ve sınıflandırılması ele alınmıştır (11). 

Çalışmamızda yapay zekâ ve infeksiyon hastalıkları alanında yapılan yayınların son 10 yıldaki dağılımı ortaya konuldu. Yayın sayısında 2020 yılından itibaren belirgin bir artış olduğu ve özellikle 2021–2024 yılları arasında yayın sayısının en yüksek düzeye ulaştığı görüldü. Bu artış, COVID-19 pandemisi sırasında yapay zekâ temelli tanı ve prognoz çalışmalarına olan ilginin artmasıyla ilişkili olabilir. 2025 yılında pandemi etkisinin azalmasıyla çalışma sayısında düşüş gözlendi. Son yıllarda yayın sayısındaki genel artış, yapay zekâ ve infeksiyon hastalıkları arasındaki araştırma alanının giderek genişlediğini göstermektedir (Şekil 1).

Çalışmamızda yapay zekâ ve infeksiyon hastalıkları alanındaki yayınların en fazla mikrobiyoloji, genel dahili tıp ile moleküler biyoloji ve biyokimya kategorilerinde yoğunlaştığı görüldü. Bu dağılım, yapay zekâ çalışmalarının özellikle mikrobiyolojik tanı ve moleküler düzeydeki analizle ilişkili alanlarda yoğunlaştığını düşündürmektedir. Yayınların farklı tıbbi ve temel bilim kategorilerine dağılmış olması, yapay zekâ uygulamalarının infeksiyon hastalıklarında birden fazla disiplini kapsayan bir araştırma alanı olduğunu göstermektedir. Viroloji ve biyoteknoloji alanlarındaki görece düşük sayılar, bu alt alanlarda yapay zekâ uygulamalarının henüz gelişme aşamasında olduğunu ve gelecekte bu alanlarda araştırma fırsatı olabileceğini göstermektedir (Şekil 2).

Anahtar kelime dağılımında COVID-19 ile ilişkili çalışmaların belirgin biçimde öne çıktığı görüldü. Antibiyotik direnci ve yeni ilaç geliştirilmesinde yapay zekâ kullanımıyla ilişkili anahtar kelimelerin de öne çıkması, yapay zekâ uygulamalarının bu alanlarda da araştırıldığını düşündürmektedir. Özellikle antimikrobiyal direncin giderek artması, direnç mekanizmalarının daha iyi anlaşılması ve yeni antibiyotiklerin geliştirilmesine yönelik araştırmaların önemini artırmaktadır. 

Bilimsel çalışmalarda ileri düzeyde olan ABD ve Çin Halk Cumhuriyeti gibi ülkelerin hem yayın sayısı hem de yazarlar arasındaki iş birliği açısından öne çıkması, bu ülkelerin alandaki bilimsel üretkenliğinin ve araştırma ağlarının daha güçlü olduğunu düşündürmektedir. 

Çalışmamızda en çok atıf alan yayın incelendiğinde, COVID-19 tanısı koyma, prognozu ve hastaneye yatışın öngörülmesinde kullanılan modellemeleri değerlendiren bir sistematik derleme olduğu görüldü. Bu çalışmada, COVID-19 tanısında kullanılan modellemelerin bir bölümünün bilgisayarlı tomografi görüntülerine dayalı yapay zekâ tabanlı modeller olduğu görüldü (12). 

Bir başka yüksek atıflı makale olan “A deep learning approach to antibiotic discovery” başlıklı çalışma incelendiğinde antibiyotik direnci ve yeni antibiyotik keşfi üzerine odaklanıldığı görüldü. Antibakteriyel aktiviteye sahip molekülleri tahmin etmek amacıyla yapay zekâ destekli bir yöntemle kimyasal veriler içeren dijital bir kütüphane taranmış ve “Halicin” adlı bir molekül keşfedilmiştir. Halicin ile yapılan in vitro hayvan çalışmalarında, molekülün Clostridioides difficile ve dirençli Acinetobacter baumannii’ye karşı etkili olduğu gösterilmiştir (13). 

Hepatit B virusuna bağlı sekonder hepatoselüler karsinom (hepatocellular carcinoma, HCC) gelişen hastaların değerlendirildiği bir başka çalışmada, metastatik olan ve olmayan HCC örneklerinin gen ekspresyon profilleri yapay zekâ tabanlı sistemle analiz edilmiş ve metastaz ve hasta sağkalımı ile ilişkili genler belirlenmiştir. Çalışmada osteopontin geninin metastatik HCC için hem tanısal bir belirteç hem de potansiyel bir tedavi hedefi olabileceği bildirilmiştir (14). Bu yayınlardan da anlaşılacağı gibi, yapay zekâ ile infeksiyon hastalıkları alanında çok farklı konularda çalışmalar yapılmaktadır. Analizimizde ABD merkezli üniversitelerin yayın konusunda üst sıralarda yer aldığı görüldü. Bu durum, söz konusu ülkelerdeki yapay zekâ teknolojilerine erişim ve teknik altyapının gelişmiş olması, geniş veri kaynaklarının bulunması ve bilimsel araştırma kapasitesinin yüksek olması gibi faktörlerle ilişkili olabilir.

Analizimizde WoS kategorileri açısından en fazla yayının mikrobiyoloji alanında olduğu görüldü; WoS kategorileri, yayınların konu alanlarına göre sınıflandırılmasını sağlamaktadır. Yayınların birden fazla kategori altında sınıflandırılabilmesi ve bazı yayınların belirli kategorilerde yer almaması, bu dağılımın yorumlanmasında dikkate alınması gereken metodolojik bir kısıtlılıktır. Bununla birlikte, yayınların genel dağılımı değerlendirildiğinde mikrobiyoloji, genel dahili tıp, moleküler biyoloji ve infeksiyon hastalıkları kategorilerinin öne çıktığı görülmektedir.

Şekil 3’te sunulan yazar-anahtar kelime analizinde, yayınlarda en az 10 kez kullanılan anahtar kelimeler değerlendirildi. COVID-19’un yapay zekâ ile birlikte sık kullanılan anahtar kelimeler arasında yer alması, pandemi döneminde bu konuya yönelik yayın sayısındaki artışla ilişkili olabilir. Yapay zekâ, makine öğrenmesi, tanı ve COVID-19 terimlerinin yüksek bağlantı yoğunluğu, bu kavramların alanın temel araştırma eksenleri arasında yer aldığını düşündürmektedir. Yeşil kümede pnömoni, radyoloji, bilgisayarlı tomografi (BT), derin öğrenme gibi terimlerin birlikte yer alması, yapay zekânın görüntüleme temelli tanı süreçleriyle ilişkisini göstermektedir. Kırmızı kümede; sepsis, risk faktörleri, prognoz, biyobelirteçler gibi anahtar kelimelerin öne çıkması, mortalite ve prognozun öngörülmesine yönelik çalışmaların ön planda olduğunu göstermektedir. Sarı kümede ise antibiyotik direnci, ilaç keşfi ve mikrobiyom anahtar kelimelerinin birlikte yer alması, günümüzde önemli bir sorun olan dirençli bakteriyel infeksiyonlara karşı yeni tedavi seçeneklerinin geliştirilmesinde yapay zekâ temelli yaklaşımların artan rolünü göstermektedir.

Şekil 4’te sunulan ortak yazar-kurum analizinde farklı kurumlar arasındaki ortak yayın üretim kapasitesi ve iş birliği ilişkileri değerlendirildi. Harvard Tıp Fakültesi hem yayın sayısı hem iş birliği ağı açısından ABD’de öne çıktı. Çin Bilimler Akademisi Asya’da, Oxford Üniversitesi ise Avrupa’da yayın ortaklıkları fazla olan kurumlar olarak tespit edildi. ABD üniversiteleri arasındaki daha yoğun iş birliği ağı, bu kurumların daha sistematik ve fazla çalışma yaptıklarını düşündürmektedir. Taradığımız bilimsel yayınlarda ABD ve Çin Halk Cumhuriyeti merkezi bir konumda yer almaktadır. Çin Halk Cumhuriyeti’nde bulunan üniversitelerin daha çok kendi aralarında ve izole bir şekilde yayın yaptığı tespit edildi. 

Yayın sayısında da ilk sırada yer alan Harvard Tıp Fakültesi kurumlar arası ortak yazarlık analizinde de öne çıkan kurum olarak dikkat çekmektedir. Bu örüntü, infeksiyon hastalıkları araştırmalarının çok merkezli ve küresel bir karakter kazandığını düşündürmektedir. Klinik açıdan bu tür iş birlikleri, veri paylaşımı ve çok uluslu kohort çalışmalarının oluşturulması açısından önem taşımaktadır. Örüntünün periferinde yer alan ve sınırlı sayıda iş birliği bağlantısı olan merkezlerin, yapay zekâ temelli infeksiyon hastalıkları araştırmalarında uluslararası iş birliği açısından daha sınırlı bir konumda olduğu görülmektedir ve bu merkezlerin gelecekte uluslararası çalışmalar ve veri paylaşımı açısından potansiyel taşıdığı düşünülebilir. 

Analiz sonuçlarına göre yayınların çoğunun COVID-19 pandemisi sürecinde yapıldığı görüldü. Antibiyotik direnci, yeni antimikrobiyal ajanların geliştirilmesi, salgın yönetimi, görüntüleme, sepsis tanı ve prognoz algoritmaları gibi alanlarda da yayınlar olmakla birlikte bu konularda daha fazla araştırmaya ihtiyaç olduğu görülmektedir. Multidisipliner bir alan olan yapay zekâ konusunda daha fazla deneyime sahip olduğu görülen ülkeler, merkezler ve yazarlarla iş birliği yapılarak ortak araştırmalar ve yayınlar gerçekleştirilebilir. 

Bibliyometrik analiz, belirli bir alandaki bilimsel üretimin genel yapısını ve araştırma eğilimlerini değerlendirmeye olanak sağlayan bir yöntemdir. Öte yandan günümüzde araştırma performansının incelenmesi, farklı merkez ve yazarlar arasındaki iş birliklerinin belirlenmesi ve bilimsel üretimin görselleştirilmesi için veri tabanlı yazılım araçlarından yararlanılmaktadır (10). Farklı disiplinlerde geniş bir kullanım alanına sahip olan bibliyometrik analiz, politika yapıcılar için fon tahsisi ve araştırma önceliklerinin belirlenmesine, kurumlar için ise araştırma üretkenliğinin değerlendirilmesine ve iş birliği fırsatlarının belirlenmesine katkı sağlayabilir. Ayrıca farklı kurumlar arasındaki bilimsel bilgi paylaşımının ve iş birliklerinin incelenmesine olanak tanır (15).

Bu çalışma, infeksiyon hastalıkları alanında yapay zekâ hakkında güncel araştırma eğilimlerini ve metodolojik yaklaşımı ortaya koyarak gelecekteki araştırmalara yol gösterici bir çerçeve sunmaktadır. Politika yapıcılar açısından bakıldığında, belirli araştırma temalarına yoğunlaşıldığı ve bazı konuların görece daha az temsil edildiği görüldü. Bu durum, araştırma desteklerinin daha dengeli planlanması gerektiğini gösterebilir. Ayrıca ulusal ve uluslararası araştırma iş birliklerinin teşvik edilmesi, bilgi üretiminin yayılmasını hızlandırabilir.

Çalışmamızın kısıtlığı, yalnızca WoS’ta indekslenen yayınların değerlendirilmiş olmasıdır. Scopus ve PubMed gibi diğer veri tabanlarında indekslenen ancak WoS’ta yer almayan çalışmalar dahil edilmedi. Bu nedenle çalışmamız bilimsel literatürün bütününü temsil etmemektedir.

Bu çalışmada, infeksiyon hastalıkları ve yapay zekâ ile ilişkili yayınlar bibliyometrik olarak incelendi ve yazar, yayın, ülke ve çalışma merkezi gibi parametreler değerlendirildi. Literatürde çalışmamıza benzer bir analiz tespit edilmedi. Çalışmamızda sunulan verilerin, infeksiyon hastalıkları ve klinik mikrobiyoloji alanında çalışan hekimlerin yapay zekâ çalışmaları hakkında farkındalığının artmasına ve konuyla ilgili yeni araştırmalara yol göstermesine katkı sağlayacağını düşünüyoruz.