Aile Hekimi Sevk Sistemleri ve Onları İnşa Eden Geliştiriciler: Türkiye’nin Sağlık BT Ekiplerinin İçinden

Randevu MHRS sistemine düşüyor, hasta kaydı ilgili hastaneye iletiliyor, sigorta doğrulaması yapılıyor. Tüm bu akış saniyeler içinde tamamlanıyor. Peki bunu kim inşa etti?

Türkiye’nin sağlık BT altyapısı, görünenden çok daha karmaşık bir mühendislik ürünü. Ve bu altyapının arkasında, çoğu zaman fark edilmeyen uzman bir teknik ekip var.

Sistem Nasıl Çalışıyor?

MHRS, günde milyonlarca işlem işleyen merkezi bir randevu ve sevk platformu. Altta yatan teknik yığın genellikle Java veya .NET tabanlı mikro servislerden, PostgreSQL ya da Oracle veritabanlarından ve HL7/FHIR protokolleriyle entegre API katmanlarından oluşuyor. Hastane bilgi sistemleri, aile hekimliği klinikleri ve uzman ağları bu entegrasyon katmanı üzerinden birbirine bağlanıyor.

Bu basit bir veri tabanı uygulaması değil. Yüksek erişilebilirlik SLA’ları, hasta mahremiyeti gereksinimleri ve eşzamanlı yoğun kullanım — bunların hepsi mühendislik açısından ciddi kısıtlar getiriyor.

Ekipler Kimlerden Oluşuyor?

Tipik bir sağlık BT ekibinde backend mühendisleri, entegrasyon uzmanları, veritabanı yöneticileri ve DevOps mühendisleri bir arada çalışıyor. Ama bu ekiplerin belki de en kritik üyesi kalite güvence mühendisi.

Sağlık yazılımında bir hata sadece kötü kullanıcı deneyimi değil, potansiyel olarak hasta güvenliği riski demek. Bu yüzden birçok Türk sağlık BT şirketi, test süreçlerini şirket içinde sıfırdan kurmak yerine uzman bir qa agency ile çalışmayı tercih ediyor. Bu yaklaşım hem maliyeti düşürüyor hem de uzmanlık odaklı, bağımsız bir kalite denetimi sağlıyor.

Veri ve Makine Öğrenmesinin Artan Rolü

Sağlık BT artık yalnızca işlem yönetimiyle sınırlı değil. Türkiye’deki sistemler giderek daha fazla öngörücü analitik işleviyle de donanıyor: sevk talep tahmini, randevuya gelmeme oranlarının modellenmesi, kaynak dağılımı optimizasyonu.

Bu dönüşüm beraberinde yeni bir işe alım zorluğu getiriyor. Sağlık ortamları için ML mühendisi bulmak, genel piyasadan çok farklı. KVKK uyumu, klinik veri yapıları ve yüksek riskli sistemlerde hata toleransı gibi alan bilgisi gereksinimleri, sıradan ML profillerini bu pozisyonlar için yetersiz kılıyor. Machine learning staffing süreçlerini bu alana özgü filtrelerle yönetebilen işe alım ortakları, sağlık BT şirketleri için gerçek bir operasyonel avantaj sunuyor.

Türkiye’ye Özgü Zorluklar

KVKK, her mimari karara ek bir uyum katmanı ekliyor. Eski sistemlerle entegrasyon zorluğu devam ediyor; pek çok hastane hâlâ şirket içi kurulum sistemleriyle çalışıyor. ODTÜ, Boğaziçi ve Bilkent gibi üniversiteler güçlü bir yazılım mühendisi profili üretiyor; ancak uluslararası uzaktan çalışma fırsatları kıdemli yetenekleri yerelden uzaklaştırıyor.

Sonuç: sağlık BT ekipleri kıdemli pozisyonlarda sıklıkla yetersiz kadrolu çalışıyor ve dış kaynaklı işe alım ortaklarına olan bağımlılık artıyor.

Ekipler Nasıl Oluşturuluyor?

Kamu ihalesi, şirket içi işe alım ve özel sektör kadrolama modellerinin bir karışımı hâkim. Backend ve altyapı mühendisi bulmak için giderek daha fazla özelleşmiş teknik işe alım firmalarına başvuruluyor. DevsData gibi firmalar, yüksek erişilebilirlik ve sıkı regülasyon gereksinimleriyle çalışan ekipler için bu tür profillerin bulunmasında uzmanlaşmış.

Sonuç

Türkiye’de her sevk tıklamasının arkasında, milyonlarca işlemi taşıyan dikkatli bir mühendislik çalışması yatıyor. Sağlık BT, teknik açıdan zorlu, misyon odaklı ve Türkiye’nin dijital altyapısındaki en istikrarlı sektörlerden biri olmaya devam ediyor.