Dünyada Sahtecilik ve Bilişim Önlemleri

 (Bu yazı SD Platform dergisinin 16. sayısında Eylül 2010'da yayınlanmıştır).

Dünyada Sahtecilik ve Suistimal Araştırmaları

Yaygın anlamıyla sahtecilik (fraud), “yanlış olduğu bilinmesine rağmen bir şeyin kasıtlı olarak farklı beyan edilmesi suretiyle başkalarına zarar verme veya feshedildiği takdirde karşı tarafın aleyhine olacak bir sözleşmenin feshi için karşı tarafı zorlama” eylemidir. Yakın anlamlı diğer bir kavram olan suistimal (abuse) ise “bir şeyden, kötü veya yanlış bir maksatla faydalanma veya amacı dışında kullanma” olarak tanımlanır.

Bu terimler, aynı zamanda kriminal niteliğe sahip olduklarından, neyin sahtecilik olduğuna dair hukuki bazı kriterler vardır. Örneğin, bir olayın sahtecilik sayılabilmesi için aşağıdaki koşulların yerine gelmiş olması beklenmektedir[1]:

1.      Eyleme dair bir sunuş (ifade) vardır

2.      Maddi çıkar söz konusudur

3.      Eylemin yanlışlığı sabittir

4.      İfade verenler, eylemin yanlışlığına dair bilgi sahibidir

5.      İfade verenlerin, bu eylemin mağdura karşı işlenmesi gerektiğine dair niyetleri vardır

6.      Mağdur, eylemin sahtecilik olduğunu fark etmemiştir

7.      Mağdur, sunuluşu itibariyle eylemde bir sorun olduğunu fark etmemiştir

8.      Mağdur, sunuluşu itibariyle eyleme güvenmede haklıdır

9.      Ancak mağdur, eylemin sonuçlarından zarar görmüştür

Pek çok suçta olduğu gibi, kitabına uydurularak işlenen suçların tespiti oldukça zordur. Konu sağlık alanında sahteciliğe geldiğinde ise, bu zorluk bir kat daha artmaktadır. Zira bir olayın sahtecilik olup olmadığına karar vermek için;

•        Yeterli medikal bilgiye

•        Ödeme talep edilen işlemle ilgili detaylı verilere

•        Hatta sağlık hizmeti alan kişinin geçmiş işlem verilerine

gereksinim duyulmaktadır.

Hatta bu veriler elde edilse bile medikal süreçlerin (klinik kılavuzların) sürekli gelişiyor ve değişiyor olması, tıptaki “hastalık yok hasta vardır” kuralının yapılan pek çok müdahale için bir açıklama yapabilme esnekliği sağlıyor olması, bir medikal işlemin doğruluğu konusunda farklı görüşlerin ortaya çıkmasına neden olabilmektedir. Bütün bunlar, şüpheli bir durumun sahtecilik olduğu konusunda karar vermeyi zorlaştırmaktadır.

İşin doğası gereği, sağlıkta sahteciliğin ne oranda yapıldığına dair kesin bir bilgi elde edilememektedir. Ancak belirli örneklemler üzerindeki çalışmalar, bize bazı tahminler vermektedir. Örneğin ABD’de; sigortacılık sahteciliğinin %10 oranında (yaklaşık 30 milyar USD)[2] sağlık işlemlerinde toplam %3 [3] ila %10 [4] oranında (yaklaşık 115 milyar USD) sahtecilik yapıldığını göstermektedir. İngiltere’de sigortacılık sahteciliğinin 3.8 milyar USD miktarında[5], Kanada’da ise kişisel sigortacılık sahteciliklerin 500 milyon USD miktarında[6] yapıldığı tahmin edilmektedir.

Bu araştırmalara ek olarak ABD Ulusal Sağlıkta Sahtecilikle Mücadele Birliği (National Healthcare Anti-Fraud Association) başkanı Louis Saccoccio, 2010 Ocak ayında yaptığı açıklamada, 2009 yılında gerçekleştiğini tahmin ettikleri sahtecilik olaylarının maliyetinin 100 milyar dolar olduğunu bildirmiştir. Aynı açıklamada, bu suistimallerin farklı yöntemlerle yapıldığını, ancak en yaygın yöntemin sigortalıların sigorta numaraları ve sağlık kayıtlarının çalınması suretiyle, sigortalılar adına hiç yapılmamış işlemlerin yapılmış gibi gösterilmesi ve hizmet ve ilaç ücretlerinin sigorta şirketinden tahsil edilmesi olduğunu vurgulamaktadır. [7]

Yine bu yılın başında Dünya Sağlık Örgütü, tüm dünyada alınan sağlık hizmetinin (4,7 trilyon USD) yaklaşık %5,59’unun ( 260 milyar USD) sahtecilik işlemi olduğuna dair bir çalışmasını duyurdu. Bu tür araştırmalara baktığımızda ülkeden ülkeye değişmekle birlikte sahteciliğin az da olsa yapıldığını ve genellikle %3-%10 dolaylarında olduğunu görmekteyiz. Sağlık Bakanlığı’nın 2011 bütçesinde sağlık hizmet sunumu için önerdiği bütçesinin yaklaşık 26 milyar TL olduğunu dikkate alırsak, dünya ortalamasına göre 2011 yılında ilaç harcamaları hariç yaklaşık 1,5 milyar TL civarında sahtecilik beklendiğini söyleyebiliriz. Eğer bu oran %10’lara kadar çıkıyorsa bu durumda 2,5 milyar TL civarında bir kayıptan bahsedebiliriz.

Sahtecilikten En Çok Zararı Hastalar Görüyor

Sahteciliğin kamu bütçesinde oluşturduğu kaybı bu şekilde ortaya koyunca, konu daha çok mali bir mesele olarak algılanabiliyor. Hâlbuki başka açıdan bakıldığında 1,5-2,5 milyar TL’lik bütçenin sağlık hizmetine gerçekten ihtiyaç duyan vatandaşımıza ulaştırılamadığı gerçeğini görüyoruz. Dolayısıyla sahteciliğin gerçek mağduru yine vatandaş oluyor. Diğer taraftan vatandaşın sahtecilik kaynaklı mağduriyeti, sadece sağlık hizmetine ulaşamamakla da bitmiyor. Bazen gereksiz sağlık hizmeti veya ilaç almak şeklinde de tezahür ediyor ki, hangisinin daha zararlı olduğuna karar vermek gerçekten güç. Gereksiz ilaç yazılması veya tetkik istenmesi, normal doğum yerine sezaryenin teşvik edilmesi, insan bedeninin bütünlüğüne müdahale konusunda aşırı cesaretli davranılması, vb örnekler günlük haberler arasında ve hatta bizzat şahit olduğumuz durumlar haline geldi. Sahtecilik, sağlık sisteminde de facto bir durumdur, varlığını tartışmak anlamsızdır. Ancak sahteciliğin nasıl yapıldığı, şüphesiz oradaki sağlık geri ödeme sisteminden, vatandaşın sağlık hizmet anlayışından, caydırıcı mevzuattan ve sahtecilik tespit yöntemlerinden önemli ölçüde etkilenmektedir. Üzerinde tartışılabilecek konu da sanıyorum burasıdır. Ancak bu konu ayrı biz uzmanlık alanı olduğu için, burada sadece vatandaşın mağduriyetine temas edip bilişim açısından sahtecilikle mücadele yöntemleri üzerinde duracağım.

Sahtecilik Tespitine Dair Çalışmalar

Sahtecilik, sağlık geri ödeme kurumlarının her zaman gündeminde olan bir konudur. Tespit edilen sahtecilik olaylarına karşı sürekli yeni önlemler alarak dinamik bir yönetim sergilemeye çalışırlar. Buna mukabil, sahtecilik yöntemleri de güncellenir. Ancak hem yöntemlerin sürekli değişiyor olması, hem de konunun sağlık gibi son derece karmaşık bir alanı kapsaması açısından, sahtecilik tespiti son derece zordur. Sağlık sigortacılığı alanında yapılan bilimsel çalışmalar, sağlığa özel zorluklardan dolayı, kapsayıcı bir çözüm metodu ortaya koymakta zorlanmışlardır. Bu nedenle problemi daha küçük parçalara ayırarak analiz etme yolu seçilmiştir.

Bu çalışmalara biraz daha yakından baktığımızda şu özellikleri öne çıkmaktadır. Öncelikle sahtecilik işlemini yapma potansiyeli olan unsurları birer aktör olarak ele alınmışlardır. Karşılığında ödeme talep edilen (sağlık hizmeti veya reçete) işleminde, risk hesaplanması yapılmıştır. Risk hesaplaması, genellikle işlemde yer alan aktörlere veya doğrudan işleme ait bazı “nitelik” veya “öznitelik” değerleri üzerinden yapılmıştır. Bilimsel yayınlarda, kullandıkları yöntemler hakkında bilgi veriliyor olsa da, hangi aktörler için hangi niteliklerin risk hesaplamasında kullanıldığı bilgisi, önemli bir ticari değere sahip olduğundan dolayı, hiçbir yerde açıklanmamıştır. Risk hesaplama yöntemi olarak ise, ağırlıklı olarak veri madenciliği ve yapay sinir ağları gibi yöntemler kullanıldığını söyleyebiliriz. Söz konusu risk hesaplamasının anlık olarak yapılabilmesi durumunda çözüm proaktif bir sistem olarak adlandırılırken, geçmişteki verileri analiz edip risk hesaplayan ve geçmiş işlemlerde sahtecilikleri tespit etmeye çalışan sistemler, reaktif sistem olarak adlandırılmaktadır. Diğer taraftan problemin karmaşıklığını azaltmak ve kullanılan yöntemlerin daha iyi ölçümlemesini yapabilmek için, bilimsel çalışmaların problemin tamamını ele almak yerine, bazı çalışmalarda sadece bir klinik branştaki işlemler incelenirken, bazılarında sadece sağlık raporu alma gibi işlemlerde sahtecilik analizi yapıldığını görüyoruz. Benzer şekilde sahtecilik olayına katılan potansiyel aktörlerden (hekim, sigortalı, eczacı, hastane, vb) yine sadece bir tanesinin incelenebildiğini görmekteyiz.

Aşağıdaki tabloda son yıllarda yapılan bilimsel çalışmalarda sistemin türü (proaktif/reaktif), yaklaşımı, kapsamı, kullanılan nitelik sayısı, yöntem ve mimarilerine dair bilgiler verilmektedir:

Tablo 1 Sahtecilik Tespitine Daire Yapılan Bazı Bilimsel Çalışmalar

Çalışma	Türü	Yaklaşım	Kapsam	Nitelikler	Yöntem	Mimari
He vd. (1997)	Proaktif	Aktör tabanlı	Doktor	28	Sınıflayıcı (k-nn)	Ağırlıklı Öklid uzaklığı kullanılan k-nn türü sınıflayıcı
Williams (1999)	Reaktif	Aktör tabanlı	Sigortalı	50	Hot Spots (Anomali Tespit Yöntemi)	k-means kümeleme ile başlayan ve sonunda anomali tespiti , 3 aşamalı mimari
Yamanishi vd. (2007)	Proaktif (çalışma zamanı yüksek)	Aktör tabanlı	Patoloji Hizmet Sağlayıcısı	41 (4 öznitelik seçilmiştir)	İstatistiksel öğrenme yöntemi	SmartSifter adı verilen yöntemle, işlemler için bir olasılık atanmaktadır
Major ve Riedinger (2002)	Reaktif	Aktör tabanlı	Hastane	27	Makine Öğrenmesi	Operasyonel ve geliştirme aşamalarından oluşan kural tabanlı model
Ortega vd. (2006)	Proaktif	İşlem Tabanlı	Sağlık Raporu	125	2 katmanlı yapay sinir ağı temelli
Yang ve Hwang (2006)	Reaktif	Kural Tabanlı (Klinik Kılavuzlar)	Jinekoloji Kliniği, PID Hastalığı	Bilinmiyor	C4.5 Sınıflayıcı	Klinik kılavuzlara göre hazırlanmış olası çizgelere göre işlemlerin sınıflanması
Sokol (2001)	Reaktif	İşlem Tabanlı	Bilinmiyor	Bilinmiyor	Görselleştirme	Veri temizleme, analiz ve izleme (görselleştirme)

Ülkemizde Kamu Sektöründeki Çalışmalar

Ülkemizde sağlık geri ödeme sistemlerinde yapılan bilimsel çalışmalar son dönemlerde artmaya başlamıştır. Ancak hala gerekenin oldukça altındadır. Yukarıdaki tabloda da gösterildiği üzere, sahtecilik tespiti için genellikle veri madenciliği yöntemleri kullanıldığı için her şeyden önce, madencilik yapılacak sağlıklı ve kapsayıcı bir veri tabanına ihtiyaç duyulmaktadır. Ülkemizde bu alandaki verilerin kişisel bilgilerden arındırılarak bilimsel çalışmalar için paylaşıma açıldığı bir veri ambarı mevcut değildir. Dolayısıyla bu tür çalışmalar için Sağlık Bakanlığı, SGK ve bazı sigorta şirketleriyle birlikte çalışma yapılması kaçınılmazdır.

Bu kurumlara sırayla baktığımızda, Sağlık Bakanlığı’nın veriden bilgi elde etmek suretiyle sahtecilik tespitine dair bir çalışması olduğu konusunda bir bilgiye ulaşamadım. SGK’nın ise, son iki yıldır kapsamlı bir veri ambarı projesinin hazırlığını yaptığını, ama henüz projeye başlanmadığını biliyorum. Bununla birlikte, son zamanlarda MEDULA sayesinde toplanan veriler üzerinden sahteciliği önleme amacıyla bazı uygulamalara başlanacağı bilgisi GSS Başkanlığınca dile getirilmektedir. GSS Başkanlığı, yakın zamanda vatandaşların kendi sağlık harcamaları bilgilerine MEDULA üzerinden erişebileceği ve hekimlere kendi yazdıkları ilaçların dağılımına dair dökümlerin gönderileceğini ifade etmektedir. Başlangıçta, “biri bizi gözetliyor” görüntüsü verdiği için bu tür uygulamaların pek çok sahteciliğin önünü keseceği düşünülse de ben farklı olacağını düşünüyorum. Zira vatandaş ve hekimlerle paylaşılacak bu iki bilgi, yukarıda bahsettiğim bilimsel çalışmalarda kullanılan niteliklerden sadece iki tanesi olabilir. Sahteciliğin doğası bundan çok daha karmaşık olduğundan, bir işlemin sahteciliği olmasına karar vermek için çoğu zaman onlarca niteliğe bakılması gerekiyor. Dolayısıyla bu bilgilerin paylaşımı faydadan ari olmasa da, gözetlendiğimize dair duygumuzu güçlendirmekten başka bir işe yaramayacaktır. Diğer taraftan yukarıda bahsettiğim bilimsel çalışmalar, sahteciliğin büyük oranda zaten hem ödeme kurallarına hem de teamüllere uygun olarak yapıldığını gösteriyor. Yani sahtecilik yapan insanlar gözetlendiklerini hesaba katarak sahtecilik yapıyor. Bu nedenle veriden bilgi elde etmek suretiyle yapılacak çalışmalara son derece ihtiyaç vardır.

Ülkemizde Özel Sektördeki Çalışmalar

Özel sağlık sigorta sektöründe ise, son yıllardaki en kapsamlı çalışma Tübitak tarafından fonlanan bir ar-ge projesi[8] kapsamında yürütülüyor. CompuGroup Medical, Tepe International ve Sabancı Üniversitesi ile birlikte yürütülmekte olan bu projede, Anadolu Sigorta A.Ş.’nin verileri üzerinde çalışma yapılmaktadır. Bu çalışma, bilimsel alanda yapılan ve yukarıda bahsettiğimiz çalışmalardaki pek çok kısıtı ortadan kaldıran bir yöntem önermektedir. Bu yöntemde, sadece tek bir aktör değil, sağlık alanında ödeme işlemine dâhil olan tüm aktörler (sigortalı, hekim, eczacı, hastane) ve tüm klinik işlemler analiz edilebilmektedir. Diğer taraftan reaktif bir analiz değil, ödeme işleminin riskini anlık olarak hesaplayıp proaktif bir analiz yapma imkânı sağlamaktadır. Buna ek olarak, sadece işlemdeki aktörlerin ve işlemin riskini hesaplamakla kalmayıp, aktörlerin birbirleri ile olan ilişkilerini de analiz etmekte ve riskli bir aktörle ilişkisi çok veya sık olan aktörlerin de bağıl risklerinin artmasını sağlayarak son dönemde yaygın olan sosyal ağ analizine benzer bir yaklaşım getirmektedir. Çalışmayla ilgili yayınlanan makalelerden daha fazla bilgi elde edilebilir.[9] [10]

Sonuç olarak, bilimsel çalışma yapmak için ön koşul olan veri yetersizliği konusunda önemli engelleri aşmış olan MEDULA, Aile Hekimliği Bilgi Sistemi ve Sağlık-NET gibi projelerde, artık veriden bilgi elde edilmesi suretiyle analizler yapılması zamanı gelmiştir. Özel sektörde olduğu gibi, kamuda da bu tür çalışmaların yürütülmesi son derece gereklidir. Hatta sadece sahtecilik konusunda değil, sağlık ve geri ödeme politikalarını belirlemeye dair pek çok konuda ar-ge projelerinin paralel olarak başlatılması ve kamu, özel sektör ve üniversite işbirliğinin geliştirilmesi son derece önemli ve gerekli olduğunu belirtmek isterim.

---

[1] South Carolina Judicial Department

[2] National Health Care Anti-Fraud Association. "The Problem of Health Care Fraud." National Health Care Anti-Fraud Association. 1 December 2007

[3] National Health Care Anti-Fraud Association. "The Problem of Health Care Fraud." National Health Care Anti-Fraud Association. 1 December 2007

[4] Hyman, David A. "Health Care Fraud and Abuse: Market Change, Social Norms, and the Trust 'Reposed in the Workmen'." The Journal of Legal Studies. 30.2 (2001): 531-567.

[5] Insurance Fraud Bureau. "Fighting Organized Insurance Fraud." p. 2

[6] Insurance Bureau of Canada. "Cost of Personal Injury Fraud"

[7] www.money.cnn.com, By Parija Kavilanz, senior writerJanuary 13, 2010

[8] TEYDEB - 3090145 Sağlık Geri Ödeme Sistemlerinde Kuraldışı Davranışların Tespiti

[9] İlker KÖSE, Mehmet GÖKTÜRK, Kemal KILIÇ, "Sağlık Geri Ödeme Sistemlerinde Kural Dışı Davranış Tespitinde Aktör-Metâ Odaklı Yaklaşım", VII. Ulusal Tıp Bilişimi Kongresi, 2010, KKTC

[10] İlker KÖSE, Mehmet GÖKTÜRK, Kemal KILIÇ, "Sağlık Sigortası Geri Ödemelerinde Kuraldışı Davranış Tespiti", YAEM 30. Ulusal Kongresi, 2010, İstanbul

Aile Hekimliği Bilgi Sistemi (AHBS)

(Bu yazı SD Platform dergisinin 15. sayısında Haziran 2010'da yayınlanmıştır).

Riskli bir adım, AHBS

Sağlıkta Dönüşüm Programı (SDP) kapsamında Aile Hekimliği’nin pilot uygulamasının arifesinde önemli bir karar daha alındı. Buna göre, aile hekimliği sadece sağlık hizmet sunumunda değil, kendi bilişim altyapısıyla da bir dönüşüme ön ayak olacak ve son 50 yıldır neredeyse hiç değişmemiş olan hantal bilgi toplama yapısı değişecekti. Uygulamanın adı dahi “aile hekimliği” “aile doktorluğu” arasında gidip geliyorken ve işin teorisyenleri “aile doktoru ne yapar?” sorularına kafa yoruyorken, köklü bir dönüşüme bilişim altyapısını da dâhil etmek, bu yeni sistemle ilgili riskleri artırıcı bir adımdı; ancak bir o kadar da vizyoner bir yaklaşımdı. Bu yaklaşım, bugün Aile Hekimliği Bilgi Sistemi’nin (AHBS) adını verdiğimiz yapının ortaya çıkmasına neden oldu.

Başlangıcından itibaren 6 yılı geride bırakan AHBS için bugün sanırım daha sağlıklı analiz yapma imkânımız var. Ancak AHBS’yi kritik etmeden önce, yazılım, insan ve bilgi ilişkisinin gelişiminden az da olsa bahsetmek istiyorum. Zira bu tür değerlendirmeler, yazılımla ilgili algımız ve onlardan ne beklediğimize göre şekilleniyor.

Yazılımların kısa geçmişi

İş hayatımızda kullandığımız yazılımlar, başlangıçta hesap makinesi gibi, asıl işimizin sadece belirli bir parçasını kolaylaştıran harici unsurlar olarak sahneye çıktı. Onları kullanır, çıktılarından yaralanır; ama asıl işimize “bildiğimiz gibi” devam ederdik. MS Word ve MS Excel gibi ofis yazılımları bu türün en yaygın kullanan örnekleridir. Bu tür yazılımların, özellikle ofis, mühendislik ve bilim alanlarında yaygın olduğunu görüyoruz. Yazılım geliştirme işi, o zamanlar daha çok “kodlama” veya “programlama” olarak adlandırılmaktaydı.

Donanım, veri saklama ve haberleşme konuları son 15-20 yıla kadar yazılımların kullanım alanını sınırlandıran üç temel unsurlardı. Donanım hızındaki artış, Moore tarafından 1965 yılında ortaya atılan teze uygun şekilde ilerledi (1). Moore,  bilgisayar donanım hızının her iki yılda iki katına çıkacağını öngörmüştü. Veri saklama kısıtı ise, eskiden işlenen/üretilen verilerin ancak dosyalar ve veri yapıları halinde saklanabiliyor olmasından ileri gelmekteydi. Veritabanı sistemleri de bu sorunu çözdü. İlk örneklerini 1960’larda gördüğümüz veritabanı sistemleri, 70’lerde ilişkisel veritabanlarının piyasaya sunulması ve 1980’lerde de ticari olarak yaygınlaşmasının, kişisel bilgisayarların ve Internet’in hayatımıza girdiği 90’ların  ardından günümüz yazılımlarının vazgeçilmez bir parçası oldular. Son engel ise, bilgisayarlar arası haberleşme ile ilgiliydi. Kişisel bilgisayarların yaygınlaşmasıyla yerel bilgisayar ağı (LAN), geniş bilgisayar ağı (WAN) ve buna paralel olarak Internet’in yaygınlaşması, giderek artan bant genişlikleri, hayallerimizi gerçekleştirebilmemiz için bize fırsatlar verdi. 1990’lardan itibaren yazılımların iş dünyasının her alanına girmesinin önündeki teknik engeller kalkmıştı. Hatta bu kısıtların ortadan kalkmasının yan ürünleri olan kablosuz haberleşme ve mobil cihazlar da, yazılımların kullanımında çok farklı yaklaşımların gelişmesine ve hatta günlük hayatımızda bile yeni alışkanlıklar kazanmamıza neden oldu.

Yazılımlarla ilgili teknolojik kısıtların ortadan kalkmasının ardından, öncekilere oranla aşılması daha zor görünen başka bir engel kendini göstermeye başladı. Nitekim bu altyapısal gelişmeler, gerçekten “kullanılabilir” yazılımlar geliştirebilmek için hem kullanıcıların yazılımlarla ilgili algısını değiştirmesini, hem de yazılımcıların kullanıcı ihtiyaçlarını çok iyi anlamasını zorunlu kılıyordu. Bu durum, daha önce kodlama ve programlama olarak adlandırılan yazılım geliştirme sürecini de etkilemiş, artık yazılım geliştirme işi bir “mühendislik” olarak görülmeye başlanmıştı. Bu durum, “sistem analistliği”, “yazılım mühendisliği”, “yazılım mimarlığı” gibi uzmanlık alanlarının doğmasına neden olmuştu.

Ancak bu değişim iki temel nedenden dolayı kolay olmadı. Bunlardan birincisi, kullanıcıların yazılımların kendi işlerine bu kadar müdâhil olmasını kabullenmekte zorlanmalarıydı, bir çeşit doku uyuşmazlığı yaşandı. İkinci olarak yazılımların “kullanılabilir” olmayı yeterince önceleyememesi ve işi sadece bir mühendislik konusundan ibaret teknik bir olgu olarak görmeye devam etmeleri de bu süreci zorlaştırdı. Gerçi, bu iki nedenin yumurta tavuk ilişkisine sahip olduğunu söyleyebiliriz. Fakat bir gerçek var ki, her ikisinde de ilerleme olması gerektiği kesin. Yazılım geliştirme tarafında ilerlemeler oldu. Örneğin yazılım mühendisliğinin üstüne, insan-bilgisayar etkileşimi (human-computer interaction), bilgi mühendisliği (knowledge engineering) ve bilgi yönetimi (knowledge management) gibi insanın öğrenme, algı ve tepki mekanizmalarını inceleyen, insana özel, kullanılabilir yazılımlar ve araçlar geliştirmeyi hedefleyen uzmanlıklar geliştirildi. Bununla birlikte, son kullanıcının beklentilerinin öncelendiği yazılım geliştirme metodolojileri (İş Temelli Analiz (Task Based Analysis), Kullanıcı Merkezli Tasarım (User Centered Design), vb) kullanılmaya başlandı. Artık elimizde, çok büyük veritabanları, tüm iş süreçlerini ve bu süreçlerde doğan bilginin yönetilebildiği bilgi sistemleri için daha uygun bir altyapı var. Bu nedenle bir yazılım projesinde yer aldığınızda, teknik kişilere “şu da mümkün mü?” diye sorduğunuzda, evet teknik olarak her şey mümkün, hatta Zeki Müren bile bizi görecek” diyeceklerdir. Buna mukabil, her ne kadar teknik kısıtlar ve sorunlar ortadan kalkmış gibi görünse de, hâlâ yazılım projelerinin başarı oranının düşüklüğü ortadadır. Benim de gelmek istediğim nokta tam da budur. Zira yazılım projelerinin önündeki artık teknik değil, psikolojik ve sosyal engeller var. Mühendislerse bu alanda yeterince eğitimli ve tecrübeli değiller. Diğer taraftan kullanıcıların da yazılımları bünyelerine dâhil etme konusunda hala direnç gösterdiğini söylemek lazım.

Söz konusu psikolojik ve sosyal engeller, modern yazılımların takip olduğu yeni misyondan ileri gelmektedir. Zira modern yazılımlar, son derece izafî bir kavram olan “bilginin yönetimine” talip olmaktadır. Dolayısıyla bilginin kime, ne zaman, hangi detayda ve hangi amaçla gösterileceği veya nasıl işleneceği gibi son derece “göreceli” konuların yazılım geliştiriciler tarafından bir şekilde çözümlenmesi gerekiyor. Bu konuda yazılan tüm kitapların tavsiye ettiği şey, son kullanıcıların mümkün olduğu kadar yazılım geliştirme sürecine dâhil edilmeleri ve küçük ve sonuçları hemen görülecek adımlarla ilerlemeleridir. Bugün yaşadığımız kullanılabilirlik sorunlarının merkezinde de bu eksiklik yatıyor diyebilirim.

AHBS, kim için, ne için?

Bu kısa izahattan sonra AHBS hakkında yapacağımız kritiğe dönecek olursak, öncelikle AHBS’nin yukarıda bahsettiğimiz çerçevede hangi tür yazılımlardan olduğunu tespit etmemiz lazım. AHBS, ilk nesil yazılımlar gibi işimizin bir kısmında kullanacağımız bir “araç” değil, hekimin günlük tüm işlerini planlamasına, yapmasına ve elde edilen bilgiyi yönetmesine yardımcı olacak bir klinik bilgi sistemidir. AHBS’nin kendi yerel veritabanı vardır; ancak her AHBS Internet aracılığı ile Sağlık Bakanlığı’ndaki veritabanı ile entegre olan büyük ve bütün bir ağın parçasıdır. Sağlık Bakanlığına gönderdiği veri setleri sayesinde bir kişisel Elektronik Sağlık Kaydı (ESK) oluşturması açısından da önemli bir e-sağlık projesidir. Diğer taraftan verilerin merkezi bir yerde toplanması ve ihtiyaca özel bilginin türetilmesine imkân sağladığı için de, hem idari hem de klinik anlamda merkezi ve taşra teşkilatları Karar Destek Sistemleri için bulunmaz bir bilgi kaynağıdır. Ayrıca ESK üzerine inşa edilebilecek onlarca farklı uygulamanın (laboratuar entegrasyonu, hastane randevu entegrasyonu, sevk sistemi, e-reçete, vatandaşlar için sağlık portali, evde bakım, vb) daha kolay hayata geçirilmesi için zemin oluşturan bir platformdur.

Yazılımların hayatımıza girmesi ile ilgili yukarıda kısaca anlatmaya çalıştığım süreçteki zorluklarla AHBS’nin geliştirme ve uygulanma sürecinde de karşılaşıldı. AHBS, bir araç değil, bilgiyi yönetmeye ve tüm ülkedeki aile hekimlerinin bağlı olacağı ortak bir ağın bir üyesi olmaya talip bir yazılımdı. Dolayısıyla önündeki engeller teknik değil, daha çok psikolojik ve sosyal engellerdi; ancak iş teknik bir proje olduğundan çözümler de büyük ölçüde teknik insanlardan bekleniyordu. Bu anlamda AHBS’nin bugünkü durumuna dari yapılacak her türlü eleştirinin temelinde, geliştirme sürecinde yeteri kadar son kullanıcı desteğinin olmamasına (bir şekilde olamamasına) ve kapsamı ile ilgili bazı belirsizliklere bağlayabiliriz.

AHBS gibi çok yönü ve hedefi olan bir projede, paydaşların AHBS ile ilgili farklı algılarının ve beklentilerinin olması gayet doğal. Ancak diğer yandan herkesin bütün resmi de görmeye çalışıp, projenin gövdesinin altına elini koyması da önemli bir gereklilik. Diyebilirim ki, bu algılar ve beklentiler çoğu zaman AHBS’nin mimarlarının başlangıçtaki vizyonunun altında kaldı ve teknik bazı yetersizliklerin de katkısıyla AHBS’den kısıtlı bir şekilde ve daha geç yararlanabilmemize neden oldu. Zira enerjinin önemli bir kısmı, teknik işlere değil, değişimi kabullenme ve yazılımları işimizin bir parçası haline getirme konusundaki psikolojik ve sosyal engelleri gidermeye ve tarafları projenin içine dâhil etmeye harcandı.

Bu enerji israfının neden olduğu gecikmelerin en dramatik örneği, AHBS’nin ilk ve kurumsal olarak en önemli amaçlarından birisi olan kâğıt ortamda bilgi toplama alışkanlığının terk edilmesiydi ki maalesef ancak 2010 Temmuzunda gerçekleşebildi. Açıkçası Sağlık Bakanlığı sitesinde Bakan Beyin konuyla ilgili genelgesini gördüğümde hem sevindim, hem de kamu içinde görünüşte çok kolay gibi görünen adımların atılmasının ne derece zor olduğu üzerinde derin düşüncelere daldım. Hâlbuki AHBS’nin en büyük ve ilk ortaya çıkacak faydalarından birisi bu kâğıt kürek işini ortadan kaldırmak olacaktı. Kanaatimce, AHBS’nin gerçek kullanıcısı olan merkez ve taşra teşkilatı ile aile hekimleri, uzunca bir süre AHBS’yi işlerinin ana unsuru (yardımcısı) olarak değil, tâli bir unsuru ve bir araç olarak gördüler. Proje çalışmalarını da teknik adamların kotarması gereken işlerden ibaret olarak değerlendirdiler. Bu tür gecikmelerin önemli nedenlerinden birisi budur. Ancak yukarıda da ifade ettiğim yumurta tavuk ilişkisi nedeniyle aynı gecikme, pek tabi ki AHBS’nin tarafların beklentilerini karşılayamamasına veya yeterince kullanılabilir olamamasına da mâl edilebilir. Şüphesiz herkesin kendi argümanları olacaktır ve kendine göre haklıdır. Ancak neticede AHBS’den beklenene göre daha geç faydalandığımız da ortadadır. Bu tür değişimler, mümkün olsa elbette daha erken yapılacaktı; ancak bize düşen süreci bu kadar uzatan etmenleri de iyi değerlendirmek ve bundan sonraki çalışmalarda dikkate almaktır. Her durumda böylesine bir uygulamanın bu kadar çok kullanıcıyla, bu kadar yaygın bir coğrafyada kullanılmasının dünyada başka bir örneğinin olmadığını da ifade ederek, tüm tarafların hakkını teslim etmek lazım. Burada işaret istediğim husus, vizyoner anlamda çok yüksek ve erişilebilir hedeflerin realize edilmesinin sanıldığı kadar kolay olmadığıdır.

AHBS’nin Gelişim Süreci

AHBS’nin gelişim sürecini kendi bağlamı içinde değerlendirmeliyiz. 2005’lerde aile hekimlerinin görev kapsamının dahi tartışma konusu olduğunu hatırlayalım. İş sürecinin bir parçası olmaya ve bilgiyi yönetmeye aday bir yazılım geliştirirken bu durumun ne kadar büyük bir zorluk çıkartacağı açıktır. Buna bir de, yukarıda değinmeye çalıştığım üzere, kullanıcı ve yazılımcı tarafındaki değişim ve gelişim ihtiyacı eklendiğinde, AHBS gerçekten zorlu bir yoldan geçmiştir. Buna rağmen başarılı bir sonuç elde edildiğini söyleyebiliriz.

Sağlık Bakanlığının yüklenici bir firmaya ihale yoluyla yazdırdığı AHBS, 2005 yılındaki ilk sürümü olan 1.0’dan sonra sırasıyla 2006’da 2.0 ve 2007’de de 3.0 sürümleri ile meydana çıktı. Aile hekimliği uygulaması netleştikçe ve değiştikçe AHBS de ortama uyum sağlamaya çalıştı ve kervan yolda dizildi. 2007 yılında yayınlanan AHBS 3.0 sürümü ile birlikte Bakanlığa gönderilecek verilere bir standart getirildi ve bunlar ilan edildi. Bu sayede ilk defa 2007 yılı sonlarına doğru özel sektörün geliştirdiği AHBS’leri görmeye başladık. Başlangıçta genellikle eski Sağlık Ocağı otomasyon programlarından uyarlanmış olan bu programlar, sonraları daha özgün ve kullanışlı hale gelerek kalitenin artmasına çok önemli katkı sağladılar.

AHBS ilk defa 2007 yılında standart bir veri gönderme yapısı üzerine oturdu ve bu sayede merkezdeki verileri kullanan ilk Karar-Destek Sistemi de 2007 yılında hayata geçti. Ardından aynı yıl AHBS ile laboratuar ve hastane randevu entegrasyonu da tamamlandı ve talep eden bazı illerde uygulaması yapıldı. Yine aynı yılın sonunda bir konsept çalışması olsa da AHBS’de mobil imza uygulaması yapıldı ve Sağlık Bakanlığının 2007 yılındaki eSağlık kongresinde canlı sunumu yapıldı. Buna göre, aile hekimine gelen bir hastanın sağlık verilerine erişmek için hastanın mobil imza ile onay vermesi isteniyordu. İmzanın ardından Sağlık Bakanlığındaki verilere aile hekimi erişebiliyordu.

AHBS ve Sağlık-NET

2005-2007 arasındaki bu hızlı ilerleyiş, Sağlık-NET çalışmalarının başlamasıyla biraz hız kesti. Zira Sağlık-NET’in devreye alınmasından hemen sonra AHBS ile entegre olması ve tüm sağlık kurumlarının ortak bir ağı kullanması planlanıyordu. Bu nedenle çalışmalar Sağlık-Net üzerine yoğunlaşmıştı. Hazırlıkları 2006 yılında başlayan Sağlık-NET vizyon olarak AHBS ile aynı olan, ama sadece aile hekimlerini değil, hastaneleri de kapsayan bir sistemin adıdır. AHBS, bu yönü itibariyle Sağlık-NET için bir prototip ve pilot uygulaması rolü oynamıştır. AHBS’de edinilen tecrübeler Sağlık-NET’te kullanılmış ve Türkiye’de sağlık bilişimi alanında önemli standardizasyon çalışmaları yapılmıştır. Ulusal Sağlık Veri Sözlüğü (USVS) ve Sağlık Kodlama Referans Sunucusu (SKRS) bunların başlıcalarıdır. Sağlık-NET’in de kendi Karar-Destek Sistemi vardır ve AHBS ile entegre olduğunda her ikisinin de tek başlarına sağlayacağı katma değerler katlanarak artacaktır.

Sağlık bilgi sistemlerinde merkezi ve yerel yaklaşımlar

Sağlık Bakanlığı, AHBS ile başlattığı ve Sağlık-NET’le tüm sağlık hizmetini kapsayan bir bilgi ağı kurma projesini ilerletirken, taşra teşkilatında da veriyi il çapında toplamayı hedefleyen eğilimler ortaya çıkmaya başladı. 2007 yılında görmeye başladığımız özel sektörün AHBS yazılımları, ifade ettiğim üzere, başlangıçta sağlık ocağı otomasyonlarından uyarlanan çözümler olduğundan, bazı sağlık ocağı alışkanlıklarını da aile hekimliğine taşıdılar. Bunlar arasında en önemlisi, AHBS ile verileri Sağlık Bakanlığı’na gönderiyorken, eskiden olduğu gibi İSM’ye de göndermeye devam etmeleriydi. Bu durum zaman içinde İl Sağlık Otomasyonu oluşturma fikrinin ortaya atılmasına neden oldu. Aslında İSM’lerin keşfettiği şey, Sağlık Bakanlığının çok önce keşfedip hayata geçirmekte olduğu Sağlık-NET fikrinin, İSM çapında yapılmasından başka bir şey değildi. Nitekim İSM’ler bu tür yazılımlar alırken, maksatlarının ilin sağlık yönetimini doğrudan veriye ulaşarak daha etkin yapmak olduğunu ifade ediyorlar. Hâlbuki bu amaç, Sağlık Bakanlığının SDP’de ifade ettiği “karar sürecinde etkili bilgiye erişim” amacıyla aynıydı ve önce AHBS, sonra da Sağlık-NET sadece Bakanlığın değil, tüm Türkiye'nin bu faydaya ulaşması için yapılmaktaydı. Bu nedenle bu tür talepler, Sağlık Bakanlığının politikalarına uygun değildi. Ancak Bakanlık başlangıçta İl Sağlık Otomasyonlarına karşı çıksa da, sahadan gelen talepleri de sönümlendirmemeyi ve onlara fırsat tanımayı tercih ederek, bu girişimleri engellemedi. Bu sayede, bir şekilde bu tür çözümlerin faydası ve zorlukları da tecrübe edildi. Benim kişisel kanaatim, aynı amaca hizmet eden farklı yaklaşımların eş zamanlı olarak varlığını sürdüremeyeceği ve birbirine olumsuz etkileyecekleri şeklindedir. Zira bu durum, “iki uçtan tünel kazmaya başlayalım, ortada buluşamazsak iki tünelimiz olur” anlayışı ile yönetilecek bir durum değildir. Bu örnekten yola çıkacak olursak, bize yük taşımasını istediğimiz kamyonların istediği tünelden değil, her iki tünelden de geçmesini beklemekteyiz. Bu durumda bir süre sonra bu anlamsız talep nedeniyle tünellerden biri atıl kalmaya mahkûm olacak ve sadece biri kullanılacaktır. Bu nedenle, her ne kadar yerel yönetimlerinin ihtiyaçları merkezinkinden farklı görünse de, temelde ihtiyaç duyulan tüm bilgilerin neredeyse aynı verilerden (veri setlerinden) elde edilebildiğini düşünüyorum. Dolayısıyla Bakanlığın topladığı verilerden yeterli miktarda ve içerikte rapor alınabilmesi halinde İSM ve TSM’lerin ihtiyaçları büyük oranda karşılanabilecek ve bu ikinci tünele gerek kalmayacaktı. Ancak belki farkındalık azlığı belki de beklentilerin yeterince karşılanamaması bazı İSM’leri bu yola sevk etti. Her durumda bu gelişmeler, bize tecrübe ederek değerlendirme yapma imkânı sağlamıştır. Ancak şu kadarını söyleyebilirim ki, münferit başarılı örnekleri olsa da her iki sistemin bir arada ve başarıyla çalışması sürdürülebilir değildir. İSM’lerin bilgi talepleri iyi bir şekilde analiz edilerek, bu ihtiyacın merkezdeki verilerden etkin bir şekilde karşılanması daha doğru ve daha az maliyetlidir.

Elimizdeki değerin farkında mıyız?

Bugün AHBS ile elde edilmiş çok büyük bir hazinenin üzerinde oturuyoruz. Bunların başında da Elektronik Sağlık Kaydı (ESK) geliyor. Öyle ki, kişisel sağlık dosyası ile 5 yıldır toplanan veriler üzerinde yapılabilecek araştırmaları hayal etmek bile zor. Hastalık yükleri, tedavi eğilimleri, tedavi süreçleri ve maliyetleri, eşlik eden hastalık istatistikleri, sağlığın demografik dağılımı, vb yüzlerce gösterge elde edilebilir durumda. Özellikle 2007 Mayıs ayından itibaren protokol defterlerinin kaldırılıp, protokol defteri çıktılarının gerektiğinde AHBS ile kaydedilip Bakanlığa gönderilen muayene verilerden elde edilmeye başlanmasının ardından, temel muayene ve reçete verilerinin sağlıklı bir şekilde Bakanlığa ulaştığını söyleyebiliriz.

Bu verilerin, bir portal üzerinden güvenli bir erişimle kişilerin erişimine açılması durumunda sağlanacak vatandaş memnuniyetini düşünelim. Ardından kişilerin kendi sağlık verilerinin bir kısmın kendilerinin de bu portal üzerinden sisteme aktarabilmeleri ve hekimleri ile bu portal üzerinden haberleşebilmeleri… Bütün bunlar AHBS ve Sağlık-NET’in birleşmesi ile elde edilmesi beklenen faydalar arasında. Halen pilotu yapılan Merkezi Hastane Randevu Sistemi de bu portalle entegre olacak ve portal hem randevu hem de kişisel sağlık verilerine erişmeye imkân sağlayacaktı. Bunların, gelişmiş ülkelerin dahi “keşke yapabilsek” dediği türden işler olduğunu vurgulamak isterim. Biz pek çoğunu başardık, daha iyisine ise çok yaklaştık.

Burada üzerine yoğunlaşılması gereken şey, AHBS ve Sağlık-Net’in entegre edilmesi ve eldeki ESK’dan mümkün olduğu kadar karar sürecinde bilgi elde etmektir. Şüphesiz yaklaşan seçimler bu süreci etkileyecektir; ancak ben bunların başarılabileceğine inanıyorum.

(1)   Moore, Gordon E. (1965). "Cramming more components onto integrated circuits". Electronics Magazine. pp. 4.