Bu çalışmada, kamu sağlık kurumlarında gerçekleştirilen tıbbi işlemlerin denetimine yönelik yapay zekâ destekli ve risk tabanlı bütünleşik bir analitik model geliştirilmiştir. Araştırmanın temel amacı, yüksek hacimli sağlık verileri üzerinde olağandışı işlem örüntülerini belirleyerek denetim süreçlerinde erken uyarı, risk önceliklendirme ve karar destek mekanizmalarının oluşturulmasına katkı sağlamaktır. Bu doğrultuda, bir Ağız ve Diş Sağlığı Merkezine ait, 2024–2025 dönemini kapsayan ve kimlik bilgileri anonimleştirilmiş toplam 42174 tıbbi işlem kaydı analiz edilmiştir. Modelleme süreci; veri ön işleme, gözetimsiz anomali tespiti, kümeleme analizi ve sınıflandırma aşamalarını içeren çok katmanlı bir yapıda kurgulanmıştır. Anomali tespiti aşamasında İzolasyon Ormanı (Isolation Forest) ve Yerel Uzaklık Faktörü (Local Outlier Factor) algoritmaları kullanılmış; sırasıyla 2109 ve 1745 işlem potansiyel anomali olarak belirlenmiştir. Kümeleme analizlerinde k-Ortalamalar (k-Means) yöntemi veri setini üç anlamlı işlem segmentine ayırırken, Yoğunluk Tabanlı Uzamsal Kümeleme (DBSCAN) yöntemi veri yapısı içerisindeki lokal yoğunluk farklılıklarını ve aykırı kümelenme örüntülerini ortaya koymuştur. Sınıflandırma aşamasında, gözetimsiz öğrenme yöntemleriyle elde edilen risk etiketleri hedef değişken olarak kullanılarak Rastgele Orman (Random Forest) ve Gradyan Artırma (Gradient Boosting) modelleri geliştirilmiştir. Performans değerlendirme sonuçlarına göre Rastgele Orman modeli, AUC=0.999 ve doğruluk oranı=0.992 değerleriyle en yüksek sınıflandırma başarısını göstermiştir. Elde edilen yüksek AUC değeri, modelin normal işlem örüntüleri ile potansiyel riskli işlemleri ayırt etme kapasitesinin oldukça güçlü olduğunu ortaya koymaktadır. Gerçekleştirilen değişken önem analizleri, olağandışı işlem davranışlarının özellikle güvence türü, kronik hastalık bilgisi, işlem kodları ve mali göstergeler ile güçlü ilişkiler taşıdığını göstermiştir. Sonuç olarak geliştirilen yapay zekâ destekli risk tabanlı denetim modeli; kamu sağlık kurumlarında denetim kaynaklarının etkin kullanımı, riskli işlemlerin önceliklendirilmesi ve veri temelli erken uyarı mekanizmalarının oluşturulması açısından uygulanabilir bir karar destek çerçevesi sunmaktadır. Çalışmanın, sağlık denetimi alanında proaktif, analitik ve veri odaklı denetim yaklaşımlarının geliştirilmesine önemli katkılar sağlayacağı değerlendirilmektedir.
Bulut et al. (Mon,) studied this question.