{"id":32377,"date":"2026-09-29T11:24:15","date_gmt":"2026-09-29T08:24:15","guid":{"rendered":"https:\/\/www.klimikdergisi.org\/?p=32377"},"modified":"2026-09-29T16:32:24","modified_gmt":"2026-09-29T13:32:24","slug":"yapay-zeka-ve-infeksiyon-hastaliklari-bibliyometrisi","status":"publish","type":"post","link":"https:\/\/www.klimikdergisi.org\/tr\/2026\/09\/29\/yapay-zeka-ve-infeksiyon-hastaliklari-bibliyometrisi\/","title":{"rendered":"Yapay Zek\u00e2 ve \u0130nfeksiyon Hastal\u0131klar\u0131 Alan\u0131ndaki \u00c7al\u0131\u015fmalar\u0131n Bibliyometrik Analizi"},"content":{"rendered":"

G\u0130R\u0130\u015e<\/b><\/h2>\n

Yapay zek\u00e2 teriminin ilk kez 1956 y\u0131l\u0131nda ABD\u2019li bilgisayar bilimci John McCarthy taraf\u0131ndan kullan\u0131ld\u0131\u011f\u0131 d\u00fc\u015f\u00fcn\u00fclmektedir (1). Yapay zek\u00e2, karma\u015f\u0131k problemlerin \u00e7\u00f6z\u00fcm\u00fcnde ve \u00f6zellikle b\u00fcy\u00fck miktarda verinin bulundu\u011fu alanlarda kullan\u0131labilen bir bilgisayar bilimi alan\u0131d\u0131r. T\u0131p alan\u0131nda yapay zek\u00e2; tan\u0131, hastalar\u0131n izlenmesi ve tedavi s\u00fcre\u00e7lerinin desteklenmesi gibi ama\u00e7larla kullan\u0131lmakta olup yapay zek\u00e2 temelli t\u0131bbi teknolojilere olan ilgi son y\u0131llarda giderek artm\u0131\u015ft\u0131r. Bu teknolojilerin klinik uygulamalara uygun \u015fekilde entegre edilmesi ve hekimlerin bu geli\u015fmelere uyum sa\u011flamas\u0131 \u00f6nem ta\u015f\u0131maktad\u0131r (2).<\/p>\n

\u0130nfeksiyon hastal\u0131klar\u0131n\u0131n \u00f6nemi d\u00fcnya genelinde \u00f6zellikle COVID-19 pandemisiyle artm\u0131\u015f ve bu s\u00fcre\u00e7te \u00c7in Halk Cumhuriyeti\u2019nde yapay zek\u00e2 teknolojilerinin bir\u00e7ok klinikte tan\u0131sal g\u00f6r\u00fcnt\u00fcleme, hasta takibi, prognoz \u00f6ng\u00f6r\u00fcs\u00fc ve kamu ileti\u015fimi amac\u0131yla kullan\u0131ld\u0131\u011f\u0131, sa\u011fl\u0131k hizmetlerinin verimlili\u011fini art\u0131rd\u0131\u011f\u0131 bildirilmi\u015ftir (3). \u00d6te yandan, bu teknolojiler yeni salg\u0131nlar\u0131n \u00f6ng\u00f6r\u00fclmesi, infeksiyonlar\u0131n yay\u0131l\u0131m\u0131 a\u00e7\u0131s\u0131ndan y\u00fcksek riskli b\u00f6lgeleri belirlemesi ve a\u015f\u0131 geli\u015ftirme s\u00fcre\u00e7leri gibi alanlarda da kullan\u0131lmaktad\u0131r. Ayr\u0131ca infekte bireylerin takibi ile yay\u0131l\u0131m\u0131n azalmas\u0131na yard\u0131mc\u0131 olarak potansiyel salg\u0131n olu\u015fumunun \u00f6n\u00fcne ge\u00e7ilebilece\u011fi de d\u00fc\u015f\u00fcn\u00fclmektedir (4).\u00a0<\/span><\/p>\n

COVID-19 pandemisinin ba\u015flang\u0131c\u0131nda yapay zek\u00e2 sayesinde radyolojik ve klinik bulgular, laboratuvar verileri ve temas ge\u00e7mi\u015fi bilgilerinin birlikte de\u011ferlendirilmesine dayal\u0131 erken tan\u0131 yakla\u015f\u0131mlar\u0131 geli\u015ftirilmi\u015ftir. Pandemi s\u00fcrecinde yapay zek\u00e2, infeksiyonlar\u0131n yay\u0131l\u0131m\u0131n\u0131n izlenmesi ve \u00f6ng\u00f6r\u00fclmesi, sa\u011fl\u0131k hizmetlerinin planlanmas\u0131 ve halk sa\u011fl\u0131\u011f\u0131 acil durumlar\u0131na yan\u0131t verilmesi gibi alanlarda da kullan\u0131lm\u0131\u015ft\u0131r (3,5). D\u00fcnya Sa\u011fl\u0131k \u00d6rg\u00fct\u00fc taraf\u0131ndan pandemi d\u00f6neminde geli\u015ftirilen yapay zek\u00e2 destekli sohbet robotu da halka g\u00fcvenilir bilgi sa\u011flanmas\u0131 ve halk\u0131n kayg\u0131s\u0131n\u0131n azalt\u0131lmas\u0131 amac\u0131yla kullan\u0131lan uygulamalara \u00f6rnek olu\u015fturmaktad\u0131r (3). Pandemi d\u00f6nemiyle s\u0131n\u0131rl\u0131 olmaks\u0131z\u0131n, derin \u00f6\u011frenme y\u00f6ntemleri sayesinde t\u00fcberk\u00fcloz ve di\u011fer bula\u015f\u0131c\u0131 hastal\u0131klar\u0131n tan\u0131s\u0131nda da yapay zek\u00e2dan yararlan\u0131lmaktad\u0131r. S\u0131n\u0131rl\u0131 imk\u00e2nlara sahip sa\u011fl\u0131k merkezlerinde yapay zek\u00e2 destekli g\u00f6r\u00fcnt\u00fcleme ve tan\u0131 ara\u00e7lar\u0131 hastal\u0131k taranmas\u0131nda \u00f6nemli bir potansiyele sahiptir. Yapay zek\u00e2 ayr\u0131ca yeni salg\u0131nlar\u0131n \u00f6ng\u00f6r\u00fclmesi, infeksiyonlar\u0131n yay\u0131l\u0131m\u0131 a\u00e7\u0131s\u0131ndan y\u00fcksek riskli b\u00f6lgelerin belirlenmesi, infekte bireylerin izlenmesi ve a\u015f\u0131 geli\u015ftirme s\u00fcre\u00e7leri gibi alanlarda kullan\u0131lmaktad\u0131r (5).<\/p>\n

Mikrobiyolojik tan\u0131da geleneksel k\u00fclt\u00fcr y\u00f6ntemleri ile zaman zaman tan\u0131sal hatalar veya antimikrobiyal duyarl\u0131l\u0131k testlerinde gecikme gibi sorunlar ya\u015fanabilmektedir. Yapay zek\u00e2 sayesinde mikrobiyolojik verileri do\u011fru ve h\u0131zl\u0131 analiz edebilen hesaplama ara\u00e7lar\u0131 geli\u015ftirilmi\u015ftir. Bu teknoloji sayesinde genetik diziler, mikrobiyolojik fenotipler ve klinik verilerden olu\u015fan \u00e7e\u015fitli veri k\u00fcmelerinin h\u0131zl\u0131 analizi m\u00fcmk\u00fcn hale gelmi\u015ftir. Ayr\u0131ca yapay zek\u00e2, ki\u015fiselle\u015ftirilmi\u015f t\u0131bbi yakla\u015f\u0131mlar\u0131n geli\u015ftirilmesine ve hastaya \u00f6zg\u00fc verilere g\u00f6re tedavi se\u00e7eneklerinin belirlenmesine katk\u0131 sa\u011flayabilmektedir (6). Son y\u0131llarda yapay zek\u00e2 teknolojilerinin mRNA a\u015f\u0131lar\u0131n\u0131n geli\u015ftirilmesindeki potansiyeli de ara\u015ft\u0131r\u0131lmaktad\u0131r. Yapay zek\u00e2 temelli yakla\u015f\u0131mlar\u0131n mRNA a\u015f\u0131lar\u0131n\u0131n stabilitesinin art\u0131r\u0131lmas\u0131, yar\u0131 \u00f6mr\u00fcn\u00fcn uzat\u0131lmas\u0131, so\u011fuk zincire ba\u011f\u0131ml\u0131l\u0131\u011f\u0131n azalt\u0131lmas\u0131 ve \u00fcretim s\u00fcresinin k\u0131salt\u0131lmas\u0131na katk\u0131 sa\u011flayabilece\u011fi bildirilmi\u015ftir (7).\u00a0<\/span><\/p>\n

Sa\u011fl\u0131k sistemi \u00fczerindeki y\u00fck\u00fcn yan\u0131 s\u0131ra hekimlerin \u00fczerindeki i\u015f y\u00fck\u00fcn\u00fc de azaltmak i\u00e7in tan\u0131, prognoz, tedavi s\u00fcre\u00e7lerinde yard\u0131mc\u0131 teknolojik ara\u00e7lardan yararlan\u0131labilir. Son y\u0131llarda artan antibiyotik direncinin, ak\u0131lc\u0131 antibiyotik kullan\u0131m\u0131n\u0131n ve infeksiyon kontrol stratejilerinin \u00f6nemi artm\u0131\u015ft\u0131r. \u00d6te yandan antibakteriyel ila\u00e7 geli\u015ftirme s\u00fcre\u00e7lerinin h\u0131zland\u0131r\u0131lmas\u0131 da en \u00f6nemli stratejilerden biridir (8).\u00a0<\/span><\/p>\n

Yapay zek\u00e2n\u0131n sa\u011fl\u0131k hizmetlerine giderek daha fazla entegre edilmesi, beraberinde \u00e7e\u015fitli etik sorunlar\u0131 da g\u00fcndeme getirmektedir. Bu sorunlar aras\u0131nda bilgilendirilmi\u015f onam, etik ikilemlerin \u00e7\u00f6z\u00fcm\u00fc, t\u0131bbi karar s\u00fcre\u00e7lerinde sorumluluk ve ki\u015fisel sa\u011fl\u0131k verilerinin korunmas\u0131 yer almaktad\u0131r. Ayr\u0131ca d\u00fc\u015f\u00fck gelir d\u00fczeyinde bir\u00e7ok \u00fclkenin bu teknolojilere eri\u015fiminin s\u0131n\u0131rl\u0131 olmas\u0131, sa\u011fl\u0131k hizmetlerinde e\u015fitsizlik a\u00e7\u0131s\u0131ndan \u00f6nem ta\u015f\u0131maktad\u0131r. Hekimlerin bu teknolojiden yararlan\u0131rken \u00f6zerklik, zarar vermeme ve adalet gibi t\u0131bbi etik ilkeleri g\u00f6z \u00f6n\u00fcnde bulundurmas\u0131 gerekmektedir (9). Yapay zek\u00e2 uygulamalar\u0131nda ki\u015fisel sa\u011fl\u0131k verileri ve genetik bilgilerin kullan\u0131labilmesi, veri gizlili\u011fi ve g\u00fcvenli\u011fi konusunda da d\u00fczenleme ve denetim gereksinimini art\u0131rmaktad\u0131r. \u00d6rne\u011fin \u00c7in Halk Cumhuriyeti\u2019nde ki\u015fisel gizlili\u011fi ve veri g\u00fcvenli\u011fini korumak i\u00e7in 2021 y\u0131l\u0131nda Siber G\u00fcvenlik Yasas\u0131 ve Veri G\u00fcvenli\u011fi Yasas\u0131 y\u00fcr\u00fcrl\u00fc\u011fe girmi\u015ftir (5).\u00a0<\/span><\/p>\n

Yapay zek\u00e2n\u0131n avantajlar\u0131n\u0131n ve olas\u0131 risklerinin birlikte de\u011ferlendirilebilmesi i\u00e7in uluslararas\u0131 i\u015f birli\u011finin geli\u015ftirilmesi, uygun d\u00fczenlemelerin yap\u0131lmas\u0131, etik denetimin s\u00fcrd\u00fcr\u00fclmesi ve kamu okuryazarl\u0131\u011f\u0131n\u0131n art\u0131r\u0131lmas\u0131 \u00f6nem ta\u015f\u0131maktad\u0131r. Bu sayede yapay zek\u00e2dan etkin bir \u015fekilde yararlan\u0131rken olas\u0131 risklerin de azalt\u0131lmas\u0131 m\u00fcmk\u00fcn olabilir. Bilimsel literat\u00fcr\u00fcn kapsaml\u0131 bi\u00e7imde incelenmesi, belirli bir alandaki mevcut bilgi birikiminin ve ara\u015ft\u0131rma e\u011filimlerinin ortaya konulmas\u0131na olanak sa\u011flamaktad\u0131r. Bibliyometrik analiz, bilimsel \u00fcretimin niceliksel olarak de\u011ferlendirilmesini ve ara\u015ft\u0131rma alanlar\u0131n\u0131n genel yap\u0131s\u0131n\u0131n ortaya konulmas\u0131n\u0131 sa\u011flayan y\u00f6ntemlerden biridir. Ara\u015ft\u0131rmac\u0131lar bu analizler arac\u0131l\u0131\u011f\u0131yla genel bir bak\u0131\u015f a\u00e7\u0131s\u0131 elde eder, ara\u015ft\u0131rma bo\u015fluklar\u0131n\u0131 belirleyebilir ve yeni ara\u015ft\u0131rma sorular\u0131 geli\u015ftirebilirler (10).\u00a0<\/span><\/p>\n

Bu \u00e7al\u0131\u015fmada, infeksiyon hastal\u0131klar\u0131 ve yapay zek\u00e2 ile ili\u015fkili yay\u0131nlar bibliyometrik olarak incelendi ve yazar, yay\u0131n, \u00fclke, \u00e7al\u0131\u015fma merkezi gibi parametreler de\u011ferlendirildi. Ayr\u0131ca yazarlar, merkezler ve \u00fclkeler aras\u0131ndaki i\u015f birli\u011fi ile bilimsel \u00fcretkenli\u011fin ortaya konulmas\u0131 ama\u00e7land\u0131. \u00c7al\u0131\u015fman\u0131n mevcut bilimsel bilgi birikiminin genel bir \u00e7er\u00e7evesini sunmas\u0131 ve gelecekte yap\u0131lacak ara\u015ft\u0131rmalara yol g\u00f6stermesi beklenmektedir.<\/p>\n

Y\u00d6NTEMLER<\/b><\/h2>\n

\u00c7al\u0131\u015fmada yapay zek\u00e2 ve infeksiyon hastal\u0131klar\u0131 konusunda Web of Science (WoS) veri taban\u0131nda indekslenen yay\u0131nlar\u0131n bibliyometrik analizi VOSviewer 1.6.20 (Centre for Science and Technology Studies, Leiden University, Leiden, Hollanda) kullan\u0131larak yap\u0131ld\u0131. Anahtar kelime olarak \u201cartificial intelligence\u201d, \u201cmachine learning\u201d, \u201cdeep learning\u201d terimlerinden en az biri ile \u201cinfection\u201d, \u201cmicrobiology\u201d, \u201ccovid\u201d, \u201cbacteria\u201d veya \u201cvirus\u201d terimlerinden en az birinin ba\u015fl\u0131k, \u00f6zet ve anahtar kelimelerde yer ald\u0131\u011f\u0131 yay\u0131nlar tarand\u0131.\u00a0<\/span><\/p>\n

1991\u20132025 y\u0131llar\u0131 aras\u0131ndaki yay\u0131nlar incelendi. WoS\u2019un t\u0131p kategorisinde d\u00fczenli indeksleme yapmas\u0131, yapay zek\u00e2 \u00e7al\u0131\u015fmalar\u0131n\u0131n t\u0131pta g\u00f6r\u00fcn\u00fcr hale gelmesi ve veri b\u00fct\u00fcnl\u00fc\u011f\u00fcn\u00fcn daha tutarl\u0131 olmas\u0131 sebebiyle 1991 y\u0131l\u0131ndan itibaren yay\u0131mlanan yay\u0131nlar incelendi. Dok\u00fcman tipi \u201carticle\u201d ve \u201creview article\u201d olarak; WoS indekslerinden Science Citation Index Expanded (SCIE) ve WOS kategori k\u0131sm\u0131ndan t\u0131p alan\u0131nda kategoriler se\u00e7ildi. Bu kategoriler WoS s\u0131n\u0131fland\u0131rmas\u0131nda yer alan infeksiyon hastal\u0131klar\u0131, mikrobiyoloji, imm\u00fcnoloji, farmakoloji ba\u015fta olmak \u00fczere t\u0131p ile ili\u015fkili temel alanlar\u0131 kapsamaktad\u0131r. \u00c7al\u0131\u015fmada dil k\u0131s\u0131tlamas\u0131 yap\u0131lmad\u0131. T\u0131p d\u0131\u015f\u0131ndaki alanlara ait dergilerde yay\u0131mlanan \u00e7al\u0131\u015fmalar analiz edilmedi. G\u00f6rseller WoS ve VoSviewer programlar\u0131 ile olu\u015fturuldu. Ortak yazar-kurum ve yazar-anahtar kelime a\u011f g\u00f6rselle\u015ftirme analizleri yap\u0131ld\u0131.\u00a0<\/span><\/p>\n

Bibliyometrik analiz kapsam\u0131nda ortak yazar-kurum ve yazar-anahtar kelime analizleri ger\u00e7ekle\u015ftirildi. Ortak yazar-kurum analizinde kurumlar aras\u0131ndaki i\u015f birli\u011fi, yazar-anahtar kelime analizinde ise anahtar kelimelerin birlikte kullan\u0131m ili\u015fkileri de\u011ferlendirildi.<\/p>\n

BULGULAR<\/b><\/h2>\n
\"\"<\/a>

Tablo 1.<\/strong> Yapay Zek\u00e2 ve \u0130nfeksiyon Hastal\u0131klar\u0131 ile \u0130lgili En \u00c7ok At\u0131f Alan \u0130lk Be\u015f Yay\u0131n<\/p><\/div>\n

WoS veri taban\u0131nda yap\u0131lan tarama sonucunda arama kriterlerini kar\u015f\u0131layan 5060 yay\u0131n saptand\u0131. Yay\u0131nlar 1991\u20132025 y\u0131llar\u0131 aras\u0131ndaki d\u00f6nemi kaps\u0131yordu. En \u00e7ok at\u0131f alan yay\u0131n, 1989 at\u0131fla, British Medical Journal<\/i>\u2019da yay\u0131mlanan \u201cPrediction models for diagnosis and prognosis of covid-19 infection: systematic review and critical appraisal\u201d ba\u015fl\u0131kl\u0131 makaledir. En \u00e7ok at\u0131f alan ilk be\u015f makale Tablo 1\u2019de sunuldu. Kriterleri kar\u015f\u0131layan ilk \u00e7al\u0131\u015fma ise 1991 y\u0131l\u0131nda yay\u0131mlanan \u201cExperts systems and antibiotics susceptibility testing\u2019\u2019 ba\u015fl\u0131kl\u0131 \u00e7al\u0131\u015fmayd\u0131.\u00a0<\/span><\/p>\n

\"\"<\/a>

\u015eekil 1.<\/strong> Yapay Zek\u00e2 ve \u0130nfeksiyon Hastal\u0131klar\u0131 ile \u0130lgili Yay\u0131nlar\u0131n 2016\u20132025 Y\u0131llar\u0131 Aras\u0131ndaki Da\u011f\u0131l\u0131m<\/p><\/div>\n

Yay\u0131nlar\u0131n y\u0131llara g\u00f6re da\u011f\u0131l\u0131mlar\u0131 incelendi\u011finde, en fazla yay\u0131n\u0131n 1086 yay\u0131n (%21.4) ile 2024 y\u0131l\u0131nda oldu\u011fu g\u00f6r\u00fcld\u00fc. 2025 y\u0131l\u0131nda arama kriterlerini kar\u015f\u0131layan 315 yay\u0131n (%6.2) saptand\u0131. Son 10 y\u0131ldaki yay\u0131n say\u0131lar\u0131 \u015eekil 1\u2019de sunuldu. \u00c7al\u0131\u015fmalar\u0131n 4231\u2019i (%83.6) \u00f6zg\u00fcn ara\u015ft\u0131rma makalesi, 829\u2019u (%16.3) derleme makale idi. Di\u011fer yay\u0131n t\u00fcrlerinin say\u0131s\u0131 d\u00fc\u015f\u00fck oldu\u011fu i\u00e7in analize dahil edilmedi.\u00a0<\/span><\/p>\n

En \u00e7ok yay\u0131n yapan kurum 203 (%4.0) yay\u0131n ile Harvard T\u0131p Fak\u00fcltesi (Harvard Medical School) olarak saptand\u0131. \u0130kinci s\u0131rada Kaliforniya \u00dcniversitesi sistemi (University of California system) yer ald\u0131. Amerika Birle\u015fik Devletleri d\u0131\u015f\u0131ndaki kurumlar aras\u0131nda \u00c7in Bilimler Akademisi (Chinese Academy of Sciences) ve Londra \u00dcniversitesi (University of London) \u00f6ne \u00e7\u0131kt\u0131.<\/p>\n

\"\"<\/a>

\u015eekil 2.<\/strong> Yapay Zek\u00e2 ve \u0130nfeksiyon Hastal\u0131klar\u0131 ile \u0130lgili Yay\u0131nlar\u0131n Web of Science (WoS) Kategorilerine G\u00f6re Da\u011f\u0131l\u0131m\u0131<\/p><\/div>\n

\"\"<\/a>

\u015eekil 3.<\/strong> Yapay Zek\u00e2 ve \u0130nfeksiyon Hastal\u0131klar\u0131 ile \u0130lgili Yay\u0131nlar\u0131n Yazar-Anahtar Kelime Ortakl\u0131k Analizi<\/p><\/div>\n

En \u00e7ok yay\u0131n yapan \u00fclke 1546 yay\u0131n (%30.5) ile ABD olarak saptand\u0131. \u0130kinci s\u0131rada 1263 yay\u0131n (%24.9) ile \u00c7in Halk Cumhuriyeti yer ald\u0131. T\u00fcrkiye 65 yay\u0131n (%1.2) ile 27. s\u0131rada idi. Kendi kategori sistemine g\u00f6re WoS\u2019un yay\u0131nlar\u0131n\u0131n 780\u2019i mikrobiyoloji, 750\u2019si genel dahili t\u0131p, 591\u2019i molek\u00fcler biyoloji ve biyokimya, 500\u2019\u00fc infeksiyon hastal\u0131klar\u0131 kategorisinde idi; WoS kategorilerine g\u00f6re ilk 10 alan \u015eekil 2\u2019de sunuldu. Yay\u0131nlarda en s\u0131k kullan\u0131lan anahtar kelimeler aras\u0131nda, arama stratejisinde kullan\u0131lan terimlerin d\u0131\u015f\u0131nda, \u201cpn\u00f6moni\u201d, \u201csepsis\u201d, \u201cprognoz\u201d, \u201cantimikrobiyal diren\u00e7\u201d ve \u201cila\u00e7 ke\u015ffi\u201d \u00f6ne \u00e7\u0131kt\u0131 (\u015eekil 3).<\/p>\n

\"\"<\/a>

\u015eekil 4.<\/strong> Yapay Zek\u00e2 ve \u0130nfeksiyon Hastal\u0131klar\u0131 ile \u0130lgili Yay\u0131nlar\u0131n Ortak Yazar-Kurum Analizi<\/p><\/div>\n

Ortak yazar-kurum analizi \u015eekil 4\u2019te sunuldu. Kurumlar aras\u0131ndaki i\u015f birli\u011fi a\u011f\u0131nda Harvard T\u0131p Fak\u00fcltesi, Johns Hopkins \u00dcniversitesi (Johns Hopkins University), Londra Imperial College (Imperial College London) ve \u00c7in Bilimler Akademisi (Chinese Academy of Sciences) gibi kurumlar\u0131n \u00f6ne \u00e7\u0131kt\u0131\u011f\u0131 g\u00f6r\u00fcld\u00fc. A\u011fda \u00f6zellikle ABD, Avrupa ve \u00c7in\u2019deki kurumlar aras\u0131nda belirgin i\u015f birli\u011fi ba\u011flant\u0131lar\u0131 oldu\u011fu g\u00f6zlendi.<\/p>\n

\u0130RDELEME<\/b><\/h2>\n

\u00c7al\u0131\u015fmam\u0131zda 1991\u20132025 y\u0131llar\u0131 aras\u0131nda WoS veri taban\u0131nda indekslenen yay\u0131nlar bibliyometrik olarak analiz edildi. Yay\u0131n say\u0131s\u0131n\u0131n \u00f6zellikle son 5 y\u0131lda artt\u0131\u011f\u0131 g\u00f6r\u00fcld\u00fc. \u00c7al\u0131\u015fmalar\u0131n b\u00fcy\u00fck b\u00f6l\u00fcm\u00fcn\u00fcn ABD ve \u00c7in Halk Cumhuriyeti\u2019nden oldu\u011fu saptand\u0131. En fazla yay\u0131n\u0131n ABD adresli oldu\u011fu g\u00f6r\u00fcld\u00fc. Bu durum, yapay zek\u00e2 teknolojilerinin geli\u015fiminde ABD\u2019nin \u00f6nc\u00fc olmas\u0131 ve bu \u00fclkede bilimsel \u00e7al\u0131\u015fmalar\u0131n fazla y\u00fcr\u00fct\u00fclmesiyle ili\u015fkili olabilir. T\u00fcrkiye\u2019den 65 yay\u0131n bulundu\u011fu saptand\u0131. T\u00fcrkiye adresli yay\u0131nlar aras\u0131nda 31 at\u0131f alan \u201cComputer-aided detection and classification of monkeypox and chickenpox lesion in human subjects using deep learning framework\u201d ba\u015fl\u0131kl\u0131 \u00e7al\u0131\u015fmada, yapay zek\u00e2 destekli dijital cilt g\u00f6r\u00fcnt\u00fcleme sistemi kullan\u0131larak maymun \u00e7i\u00e7e\u011fi ve su\u00e7i\u00e7e\u011fi lezyonlar\u0131n\u0131n tan\u0131mlanmas\u0131 ve s\u0131n\u0131fland\u0131r\u0131lmas\u0131 ele al\u0131nm\u0131\u015ft\u0131r (11).\u00a0<\/span><\/p>\n

\u00c7al\u0131\u015fmam\u0131zda yapay zek\u00e2 ve infeksiyon hastal\u0131klar\u0131 alan\u0131nda yap\u0131lan yay\u0131nlar\u0131n son 10 y\u0131ldaki da\u011f\u0131l\u0131m\u0131 ortaya konuldu. Yay\u0131n say\u0131s\u0131nda 2020 y\u0131l\u0131ndan itibaren belirgin bir art\u0131\u015f oldu\u011fu ve \u00f6zellikle 2021\u20132024 y\u0131llar\u0131 aras\u0131nda yay\u0131n say\u0131s\u0131n\u0131n en y\u00fcksek d\u00fczeye ula\u015ft\u0131\u011f\u0131 g\u00f6r\u00fcld\u00fc. Bu art\u0131\u015f, COVID-19 pandemisi s\u0131ras\u0131nda yapay zek\u00e2 temelli tan\u0131 ve prognoz \u00e7al\u0131\u015fmalar\u0131na olan ilginin artmas\u0131yla ili\u015fkili olabilir. 2025 y\u0131l\u0131nda pandemi etkisinin azalmas\u0131yla \u00e7al\u0131\u015fma say\u0131s\u0131nda d\u00fc\u015f\u00fc\u015f g\u00f6zlendi. Son y\u0131llarda yay\u0131n say\u0131s\u0131ndaki genel art\u0131\u015f, yapay zek\u00e2 ve infeksiyon hastal\u0131klar\u0131 aras\u0131ndaki ara\u015ft\u0131rma alan\u0131n\u0131n giderek geni\u015fledi\u011fini g\u00f6stermektedir (\u015eekil 1).<\/p>\n

\u00c7al\u0131\u015fmam\u0131zda yapay zek\u00e2 ve infeksiyon hastal\u0131klar\u0131 alan\u0131ndaki yay\u0131nlar\u0131n en fazla mikrobiyoloji, genel dahili t\u0131p ile molek\u00fcler biyoloji ve biyokimya kategorilerinde yo\u011funla\u015ft\u0131\u011f\u0131 g\u00f6r\u00fcld\u00fc. Bu da\u011f\u0131l\u0131m, yapay zek\u00e2 \u00e7al\u0131\u015fmalar\u0131n\u0131n \u00f6zellikle mikrobiyolojik tan\u0131 ve molek\u00fcler d\u00fczeydeki analizle ili\u015fkili alanlarda yo\u011funla\u015ft\u0131\u011f\u0131n\u0131 d\u00fc\u015f\u00fcnd\u00fcrmektedir. Yay\u0131nlar\u0131n farkl\u0131 t\u0131bbi ve temel bilim kategorilerine da\u011f\u0131lm\u0131\u015f olmas\u0131, yapay zek\u00e2 uygulamalar\u0131n\u0131n infeksiyon hastal\u0131klar\u0131nda birden fazla disiplini kapsayan bir ara\u015ft\u0131rma alan\u0131 oldu\u011funu g\u00f6stermektedir. Viroloji ve biyoteknoloji alanlar\u0131ndaki g\u00f6rece d\u00fc\u015f\u00fck say\u0131lar, bu alt alanlarda yapay zek\u00e2 uygulamalar\u0131n\u0131n hen\u00fcz geli\u015fme a\u015famas\u0131nda oldu\u011funu ve gelecekte bu alanlarda ara\u015ft\u0131rma f\u0131rsat\u0131 olabilece\u011fini g\u00f6stermektedir (\u015eekil 2).<\/p>\n

Anahtar kelime da\u011f\u0131l\u0131m\u0131nda COVID-19 ile ili\u015fkili \u00e7al\u0131\u015fmalar\u0131n belirgin bi\u00e7imde \u00f6ne \u00e7\u0131kt\u0131\u011f\u0131 g\u00f6r\u00fcld\u00fc. Antibiyotik direnci ve yeni ila\u00e7 geli\u015ftirilmesinde yapay zek\u00e2 kullan\u0131m\u0131yla ili\u015fkili anahtar kelimelerin de \u00f6ne \u00e7\u0131kmas\u0131, yapay zek\u00e2 uygulamalar\u0131n\u0131n bu alanlarda da ara\u015ft\u0131r\u0131ld\u0131\u011f\u0131n\u0131 d\u00fc\u015f\u00fcnd\u00fcrmektedir. \u00d6zellikle antimikrobiyal direncin giderek artmas\u0131, diren\u00e7 mekanizmalar\u0131n\u0131n daha iyi anla\u015f\u0131lmas\u0131 ve yeni antibiyotiklerin geli\u015ftirilmesine y\u00f6nelik ara\u015ft\u0131rmalar\u0131n \u00f6nemini art\u0131rmaktad\u0131r.\u00a0<\/span><\/p>\n

Bilimsel \u00e7al\u0131\u015fmalarda ileri d\u00fczeyde olan ABD ve \u00c7in Halk Cumhuriyeti gibi \u00fclkelerin hem yay\u0131n say\u0131s\u0131 hem de yazarlar aras\u0131ndaki i\u015f birli\u011fi a\u00e7\u0131s\u0131ndan \u00f6ne \u00e7\u0131kmas\u0131, bu \u00fclkelerin alandaki bilimsel \u00fcretkenli\u011finin ve ara\u015ft\u0131rma a\u011flar\u0131n\u0131n daha g\u00fc\u00e7l\u00fc oldu\u011funu d\u00fc\u015f\u00fcnd\u00fcrmektedir.\u00a0<\/span><\/p>\n

\u00c7al\u0131\u015fmam\u0131zda en \u00e7ok at\u0131f alan yay\u0131n incelendi\u011finde, COVID-19 tan\u0131s\u0131 koyma, prognozu ve hastaneye yat\u0131\u015f\u0131n \u00f6ng\u00f6r\u00fclmesinde kullan\u0131lan modellemeleri de\u011ferlendiren bir sistematik derleme oldu\u011fu g\u00f6r\u00fcld\u00fc. Bu \u00e7al\u0131\u015fmada, COVID-19 tan\u0131s\u0131nda kullan\u0131lan modellemelerin bir b\u00f6l\u00fcm\u00fcn\u00fcn bilgisayarl\u0131 tomografi g\u00f6r\u00fcnt\u00fclerine dayal\u0131 yapay zek\u00e2 tabanl\u0131 modeller oldu\u011fu g\u00f6r\u00fcld\u00fc (12).\u00a0<\/span><\/p>\n

Bir ba\u015fka y\u00fcksek at\u0131fl\u0131 makale olan \u201cA deep learning approach to antibiotic discovery\u201d ba\u015fl\u0131kl\u0131 \u00e7al\u0131\u015fma incelendi\u011finde antibiyotik direnci ve yeni antibiyotik ke\u015ffi \u00fczerine odaklan\u0131ld\u0131\u011f\u0131 g\u00f6r\u00fcld\u00fc. Antibakteriyel aktiviteye sahip molek\u00fclleri tahmin etmek amac\u0131yla yapay zek\u00e2 destekli bir y\u00f6ntemle kimyasal veriler i\u00e7eren dijital bir k\u00fct\u00fcphane taranm\u0131\u015f ve \u201cHalicin\u201d adl\u0131 bir molek\u00fcl ke\u015ffedilmi\u015ftir. Halicin ile yap\u0131lan in vitro<\/i> hayvan \u00e7al\u0131\u015fmalar\u0131nda, molek\u00fcl\u00fcn Clostridioides difficile<\/i> ve diren\u00e7li Acinetobacter baumannii<\/i>\u2019ye kar\u015f\u0131 etkili oldu\u011fu g\u00f6sterilmi\u015ftir (13).\u00a0<\/span><\/p>\n

Hepatit B virusuna ba\u011fl\u0131 sekonder hepatosel\u00fcler karsinom (hepatocellular carcinoma, HCC) geli\u015fen hastalar\u0131n de\u011ferlendirildi\u011fi bir ba\u015fka \u00e7al\u0131\u015fmada, metastatik olan ve olmayan HCC \u00f6rneklerinin gen ekspresyon profilleri yapay zek\u00e2 tabanl\u0131 sistemle analiz edilmi\u015f ve metastaz ve hasta sa\u011fkal\u0131m\u0131 ile ili\u015fkili genler belirlenmi\u015ftir. \u00c7al\u0131\u015fmada osteopontin geninin metastatik HCC i\u00e7in hem tan\u0131sal bir belirte\u00e7 hem de potansiyel bir tedavi hedefi olabilece\u011fi bildirilmi\u015ftir (14). Bu yay\u0131nlardan da anla\u015f\u0131laca\u011f\u0131 gibi, yapay zek\u00e2 ile infeksiyon hastal\u0131klar\u0131 alan\u0131nda \u00e7ok farkl\u0131 konularda \u00e7al\u0131\u015fmalar yap\u0131lmaktad\u0131r. Analizimizde ABD merkezli \u00fcniversitelerin yay\u0131n konusunda \u00fcst s\u0131ralarda yer ald\u0131\u011f\u0131 g\u00f6r\u00fcld\u00fc. Bu durum, s\u00f6z konusu \u00fclkelerdeki yapay zek\u00e2 teknolojilerine eri\u015fim ve teknik altyap\u0131n\u0131n geli\u015fmi\u015f olmas\u0131, geni\u015f veri kaynaklar\u0131n\u0131n bulunmas\u0131 ve bilimsel ara\u015ft\u0131rma kapasitesinin y\u00fcksek olmas\u0131 gibi fakt\u00f6rlerle ili\u015fkili olabilir.<\/p>\n

Analizimizde WoS kategorileri a\u00e7\u0131s\u0131ndan en fazla yay\u0131n\u0131n mikrobiyoloji alan\u0131nda oldu\u011fu g\u00f6r\u00fcld\u00fc; WoS kategorileri, yay\u0131nlar\u0131n konu alanlar\u0131na g\u00f6re s\u0131n\u0131fland\u0131r\u0131lmas\u0131n\u0131 sa\u011flamaktad\u0131r. Yay\u0131nlar\u0131n birden fazla kategori alt\u0131nda s\u0131n\u0131fland\u0131r\u0131labilmesi ve baz\u0131 yay\u0131nlar\u0131n belirli kategorilerde yer almamas\u0131, bu da\u011f\u0131l\u0131m\u0131n yorumlanmas\u0131nda dikkate al\u0131nmas\u0131 gereken metodolojik bir k\u0131s\u0131tl\u0131l\u0131kt\u0131r. Bununla birlikte, yay\u0131nlar\u0131n genel da\u011f\u0131l\u0131m\u0131 de\u011ferlendirildi\u011finde mikrobiyoloji, genel dahili t\u0131p, molek\u00fcler biyoloji ve infeksiyon hastal\u0131klar\u0131 kategorilerinin \u00f6ne \u00e7\u0131kt\u0131\u011f\u0131 g\u00f6r\u00fclmektedir.<\/p>\n

\u015eekil 3\u2019te sunulan yazar-anahtar kelime analizinde, yay\u0131nlarda en az 10 kez kullan\u0131lan anahtar kelimeler de\u011ferlendirildi. COVID-19\u2019un yapay zek\u00e2 ile birlikte s\u0131k kullan\u0131lan anahtar kelimeler aras\u0131nda yer almas\u0131, pandemi d\u00f6neminde bu konuya y\u00f6nelik yay\u0131n say\u0131s\u0131ndaki art\u0131\u015fla ili\u015fkili olabilir. Yapay zek\u00e2, makine \u00f6\u011frenmesi, tan\u0131 ve COVID-19 terimlerinin y\u00fcksek ba\u011flant\u0131 yo\u011funlu\u011fu, bu kavramlar\u0131n alan\u0131n temel ara\u015ft\u0131rma eksenleri aras\u0131nda yer ald\u0131\u011f\u0131n\u0131 d\u00fc\u015f\u00fcnd\u00fcrmektedir. Ye\u015fil k\u00fcmede pn\u00f6moni, radyoloji, bilgisayarl\u0131 tomografi (BT), derin \u00f6\u011frenme gibi terimlerin birlikte yer almas\u0131, yapay zek\u00e2n\u0131n g\u00f6r\u00fcnt\u00fcleme temelli tan\u0131 s\u00fcre\u00e7leriyle ili\u015fkisini g\u00f6stermektedir. K\u0131rm\u0131z\u0131 k\u00fcmede; sepsis, risk fakt\u00f6rleri, prognoz, biyobelirte\u00e7ler gibi anahtar kelimelerin \u00f6ne \u00e7\u0131kmas\u0131, mortalite ve prognozun \u00f6ng\u00f6r\u00fclmesine y\u00f6nelik \u00e7al\u0131\u015fmalar\u0131n \u00f6n planda oldu\u011funu g\u00f6stermektedir. Sar\u0131 k\u00fcmede ise antibiyotik direnci, ila\u00e7 ke\u015ffi ve mikrobiyom anahtar kelimelerinin birlikte yer almas\u0131, g\u00fcn\u00fcm\u00fczde \u00f6nemli bir sorun olan diren\u00e7li bakteriyel infeksiyonlara kar\u015f\u0131 yeni tedavi se\u00e7eneklerinin geli\u015ftirilmesinde yapay zek\u00e2 temelli yakla\u015f\u0131mlar\u0131n artan rol\u00fcn\u00fc g\u00f6stermektedir.<\/p>\n

\u015eekil 4\u2019te sunulan ortak yazar-kurum analizinde farkl\u0131 kurumlar aras\u0131ndaki ortak yay\u0131n \u00fcretim kapasitesi ve i\u015f birli\u011fi ili\u015fkileri de\u011ferlendirildi. Harvard T\u0131p Fak\u00fcltesi hem yay\u0131n say\u0131s\u0131 hem i\u015f birli\u011fi a\u011f\u0131 a\u00e7\u0131s\u0131ndan ABD\u2019de \u00f6ne \u00e7\u0131kt\u0131. \u00c7in Bilimler Akademisi Asya\u2019da, Oxford \u00dcniversitesi ise Avrupa\u2019da yay\u0131n ortakl\u0131klar\u0131 fazla olan kurumlar olarak tespit edildi. ABD \u00fcniversiteleri aras\u0131ndaki daha yo\u011fun i\u015f birli\u011fi a\u011f\u0131, bu kurumlar\u0131n daha sistematik ve fazla \u00e7al\u0131\u015fma yapt\u0131klar\u0131n\u0131 d\u00fc\u015f\u00fcnd\u00fcrmektedir. Tarad\u0131\u011f\u0131m\u0131z bilimsel yay\u0131nlarda ABD ve \u00c7in Halk Cumhuriyeti merkezi bir konumda yer almaktad\u0131r. \u00c7in Halk Cumhuriyeti\u2019nde bulunan \u00fcniversitelerin daha \u00e7ok kendi aralar\u0131nda ve izole bir \u015fekilde yay\u0131n yapt\u0131\u011f\u0131 tespit edildi.\u00a0<\/span><\/p>\n

Yay\u0131n say\u0131s\u0131nda da ilk s\u0131rada yer alan Harvard T\u0131p Fak\u00fcltesi kurumlar aras\u0131 ortak yazarl\u0131k analizinde de \u00f6ne \u00e7\u0131kan kurum olarak dikkat \u00e7ekmektedir. Bu \u00f6r\u00fcnt\u00fc, infeksiyon hastal\u0131klar\u0131 ara\u015ft\u0131rmalar\u0131n\u0131n \u00e7ok merkezli ve k\u00fcresel bir karakter kazand\u0131\u011f\u0131n\u0131 d\u00fc\u015f\u00fcnd\u00fcrmektedir. Klinik a\u00e7\u0131dan bu t\u00fcr i\u015f birlikleri, veri payla\u015f\u0131m\u0131 ve \u00e7ok uluslu kohort \u00e7al\u0131\u015fmalar\u0131n\u0131n olu\u015fturulmas\u0131 a\u00e7\u0131s\u0131ndan \u00f6nem ta\u015f\u0131maktad\u0131r. \u00d6r\u00fcnt\u00fcn\u00fcn periferinde yer alan ve s\u0131n\u0131rl\u0131 say\u0131da i\u015f birli\u011fi ba\u011flant\u0131s\u0131 olan merkezlerin, yapay zek\u00e2 temelli infeksiyon hastal\u0131klar\u0131 ara\u015ft\u0131rmalar\u0131nda uluslararas\u0131 i\u015f birli\u011fi a\u00e7\u0131s\u0131ndan daha s\u0131n\u0131rl\u0131 bir konumda oldu\u011fu g\u00f6r\u00fclmektedir ve bu merkezlerin gelecekte uluslararas\u0131 \u00e7al\u0131\u015fmalar ve veri payla\u015f\u0131m\u0131 a\u00e7\u0131s\u0131ndan potansiyel ta\u015f\u0131d\u0131\u011f\u0131 d\u00fc\u015f\u00fcn\u00fclebilir.\u00a0<\/span><\/p>\n

Analiz sonu\u00e7lar\u0131na g\u00f6re yay\u0131nlar\u0131n \u00e7o\u011funun COVID-19 pandemisi s\u00fcrecinde yap\u0131ld\u0131\u011f\u0131 g\u00f6r\u00fcld\u00fc. Antibiyotik direnci, yeni antimikrobiyal ajanlar\u0131n geli\u015ftirilmesi, salg\u0131n y\u00f6netimi, g\u00f6r\u00fcnt\u00fcleme, sepsis tan\u0131 ve prognoz algoritmalar\u0131 gibi alanlarda da yay\u0131nlar olmakla birlikte bu konularda daha fazla ara\u015ft\u0131rmaya ihtiya\u00e7 oldu\u011fu g\u00f6r\u00fclmektedir. Multidisipliner bir alan olan yapay zek\u00e2 konusunda daha fazla deneyime sahip oldu\u011fu g\u00f6r\u00fclen \u00fclkeler, merkezler ve yazarlarla i\u015f birli\u011fi yap\u0131larak ortak ara\u015ft\u0131rmalar ve yay\u0131nlar ger\u00e7ekle\u015ftirilebilir.\u00a0<\/span><\/p>\n

Bibliyometrik analiz, belirli bir alandaki bilimsel \u00fcretimin genel yap\u0131s\u0131n\u0131 ve ara\u015ft\u0131rma e\u011filimlerini de\u011ferlendirmeye olanak sa\u011flayan bir y\u00f6ntemdir. \u00d6te yandan g\u00fcn\u00fcm\u00fczde ara\u015ft\u0131rma performans\u0131n\u0131n incelenmesi, farkl\u0131 merkez ve yazarlar aras\u0131ndaki i\u015f birliklerinin belirlenmesi ve bilimsel \u00fcretimin g\u00f6rselle\u015ftirilmesi i\u00e7in veri tabanl\u0131 yaz\u0131l\u0131m ara\u00e7lar\u0131ndan yararlan\u0131lmaktad\u0131r (10). Farkl\u0131 disiplinlerde geni\u015f bir kullan\u0131m alan\u0131na sahip olan bibliyometrik analiz, politika yap\u0131c\u0131lar i\u00e7in fon tahsisi ve ara\u015ft\u0131rma \u00f6nceliklerinin belirlenmesine, kurumlar i\u00e7in ise ara\u015ft\u0131rma \u00fcretkenli\u011finin de\u011ferlendirilmesine ve i\u015f birli\u011fi f\u0131rsatlar\u0131n\u0131n belirlenmesine katk\u0131 sa\u011flayabilir. Ayr\u0131ca farkl\u0131 kurumlar aras\u0131ndaki bilimsel bilgi payla\u015f\u0131m\u0131n\u0131n ve i\u015f birliklerinin incelenmesine olanak tan\u0131r (15).<\/p>\n

Bu \u00e7al\u0131\u015fma, infeksiyon hastal\u0131klar\u0131 alan\u0131nda yapay zek\u00e2 hakk\u0131nda g\u00fcncel ara\u015ft\u0131rma e\u011filimlerini ve metodolojik yakla\u015f\u0131m\u0131 ortaya koyarak gelecekteki ara\u015ft\u0131rmalara yol g\u00f6sterici bir \u00e7er\u00e7eve sunmaktad\u0131r. Politika yap\u0131c\u0131lar a\u00e7\u0131s\u0131ndan bak\u0131ld\u0131\u011f\u0131nda, belirli ara\u015ft\u0131rma temalar\u0131na yo\u011funla\u015f\u0131ld\u0131\u011f\u0131 ve baz\u0131 konular\u0131n g\u00f6rece daha az temsil edildi\u011fi g\u00f6r\u00fcld\u00fc. Bu durum, ara\u015ft\u0131rma desteklerinin daha dengeli planlanmas\u0131 gerekti\u011fini g\u00f6sterebilir. Ayr\u0131ca ulusal ve uluslararas\u0131 ara\u015ft\u0131rma i\u015f birliklerinin te\u015fvik edilmesi, bilgi \u00fcretiminin yay\u0131lmas\u0131n\u0131 h\u0131zland\u0131rabilir.<\/p>\n

\u00c7al\u0131\u015fmam\u0131z\u0131n k\u0131s\u0131tl\u0131\u011f\u0131, yaln\u0131zca WoS\u2019ta indekslenen yay\u0131nlar\u0131n de\u011ferlendirilmi\u015f olmas\u0131d\u0131r. Scopus ve PubMed gibi di\u011fer veri tabanlar\u0131nda indekslenen ancak WoS\u2019ta yer almayan \u00e7al\u0131\u015fmalar dahil edilmedi. Bu nedenle \u00e7al\u0131\u015fmam\u0131z bilimsel literat\u00fcr\u00fcn b\u00fct\u00fcn\u00fcn\u00fc temsil etmemektedir.<\/p>\n

Bu \u00e7al\u0131\u015fmada, infeksiyon hastal\u0131klar\u0131 ve yapay zek\u00e2 ile ili\u015fkili yay\u0131nlar bibliyometrik olarak incelendi ve yazar, yay\u0131n, \u00fclke ve \u00e7al\u0131\u015fma merkezi gibi parametreler de\u011ferlendirildi. Literat\u00fcrde \u00e7al\u0131\u015fmam\u0131za benzer bir analiz tespit edilmedi. \u00c7al\u0131\u015fmam\u0131zda sunulan verilerin, infeksiyon hastal\u0131klar\u0131 ve klinik mikrobiyoloji alan\u0131nda \u00e7al\u0131\u015fan hekimlerin yapay zek\u00e2 \u00e7al\u0131\u015fmalar\u0131 hakk\u0131nda fark\u0131ndal\u0131\u011f\u0131n\u0131n artmas\u0131na ve konuyla ilgili yeni ara\u015ft\u0131rmalara yol g\u00f6stermesine katk\u0131 sa\u011flayaca\u011f\u0131n\u0131 d\u00fc\u015f\u00fcn\u00fcyoruz.<\/p>\n","protected":false},"excerpt":{"rendered":"

G\u0130R\u0130\u015e Yapay zek\u00e2 teriminin ilk kez 1956 y\u0131l\u0131nda ABD\u2019li bilgisayar bilimci John McCarthy taraf\u0131ndan kullan\u0131ld\u0131\u011f\u0131 d\u00fc\u015f\u00fcn\u00fclmektedir (1). Yapay zek\u00e2, karma\u015f\u0131k problemlerin \u00e7\u00f6z\u00fcm\u00fcnde ve \u00f6zellikle b\u00fcy\u00fck miktarda verinin bulundu\u011fu alanlarda kullan\u0131labilen bir bilgisayar bilimi alan\u0131d\u0131r. T\u0131p alan\u0131nda yapay zek\u00e2; tan\u0131, hastalar\u0131n izlenmesi ve tedavi s\u00fcre\u00e7lerinin desteklenmesi gibi ama\u00e7larla kullan\u0131lmakta olup yapay zek\u00e2 temelli t\u0131bbi teknolojilere olan […]<\/p>\n","protected":false},"author":5,"featured_media":32668,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[5129],"tags":[5402,3705,3890,5176],"class_list":["post-32377","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ozgun-arastirma","tag-antimikrobiyal-direnc","tag-infeksiyon-hastaliklari","tag-mikrobiyoloji","tag-yapay-zeka"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.klimikdergisi.org\/tr\/wp-json\/wp\/v2\/posts\/32377","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.klimikdergisi.org\/tr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.klimikdergisi.org\/tr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.klimikdergisi.org\/tr\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/www.klimikdergisi.org\/tr\/wp-json\/wp\/v2\/comments?post=32377"}],"version-history":[{"count":4,"href":"https:\/\/www.klimikdergisi.org\/tr\/wp-json\/wp\/v2\/posts\/32377\/revisions"}],"predecessor-version":[{"id":32646,"href":"https:\/\/www.klimikdergisi.org\/tr\/wp-json\/wp\/v2\/posts\/32377\/revisions\/32646"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.klimikdergisi.org\/tr\/wp-json\/wp\/v2\/media\/32668"}],"wp:attachment":[{"href":"https:\/\/www.klimikdergisi.org\/tr\/wp-json\/wp\/v2\/media?parent=32377"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.klimikdergisi.org\/tr\/wp-json\/wp\/v2\/categories?post=32377"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.klimikdergisi.org\/tr\/wp-json\/wp\/v2\/tags?post=32377"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}