Yapay zekâ diyetisyenin yerini alır mı? Klinikte doğru kullanım

Hayır, yapay zekâ diyetisyenin yerini almaz; ama doğru yerde kullanıldığında diyetisyenin işini hızlandırır. Diyetisyen için yapay zekâ en çok öğün fotoğrafını ve notunu ayrıştırmada, kayıtları özetlemede işe yarar. Sonuç her zaman bir tahmindir: porsiyonu, gizli yağı ve klinik bağlamı değerlendirip son kararı veren diyetisyendir.

Bu yazıda yapay zekânın beslenme danışmanlığında bugün gerçekte neyi yapabildiğini, fotoğraftan kalori ve porsiyon tahmininin nerede yanıldığını, danışanların sohbet botlarından aldığı diyet listelerinin risklerini, KVKK açısından nelere dikkat etmeniz gerektiğini ve yapay zekâyı klinikte denetiminiz altında tutan bir iş akışını anlatıyoruz. Sayısal her iddianın kaynağı yazının sonunda.

Diyetisyenlik ve yapay zekâ: bugün neler yapılabiliyor?

"Yapay zekâ" kelimesi iki farklı aracı kapsar ve ikisini ayırmak işinizi kolaylaştırır. Birincisi görüntüden besin tanıyan sistemlerdir: tabağın fotoğrafını alır, besinleri ayırır, porsiyonu tahmin eder ve bir besin veritabanıyla eşleştirir. İkincisi büyük dil modelleridir: yazılı bir soruya metinle yanıt verir, bir notu kalemlere böler, bir haftanın kayıtlarını özetler. Son yıllarda ikisi birleşti; genel amaçlı sohbet botları artık fotoğrafa bakıp besin değeri de tahmin ediyor.

Bu araçların ne kadar doğru çalıştığına dair hakemli çalışmalar çoğalıyor. Görüntüden besin tanıma üzerine yapılan çalışmaları derleyen bir sistematik derleme, 78 çalışmayı incelemiş ve derin öğrenme yöntemlerinin besin tanımada öne çıktığını göstermiştir. Aynı derleme, sürecin en az çalışılan aşamasının hacim, enerji ve besin öğesi tahmini olduğunu da not eder. Yani makine "bu bir mercimek çorbası" demekte giderek iyileşiyor; "bu kasede ne kadar çorba var ve içine ne kadar yağ girdi" sorusunda ise hâlâ zorlanıyor.

Genel amaçlı dil modelleriyle yapılan çalışmalar da benzer bir tablo çiziyor. Öğün fotoğraflarını ChatGPT ile değerlendiren bir çalışmada model, fotoğraftaki besinleri yüzde 93 kesinlikle tanımış ve küçük porsiyonların ağırlığını makul tahmin etmiştir; orta ve büyük porsiyonlarda ise ağırlığı belirgin biçimde düşük tahmin etmiş ve 16 besin öğesinin 10'unda referans değerlerle uyumu zayıf kalmıştır. Standart yemek fotoğraflarıyla üç dil modelini karşılaştıran başka bir çalışmada en iyi iki modelin enerji tahmininde ortalama mutlak yüzde hatası yaklaşık yüzde 36 bulunmuş, tüm modellerin porsiyon büyüdükçe artan biçimde düşük tahmin yaptığı görülmüştür. Yazarlar bu doğruluğun öz bildirime dayalı geleneksel yöntemlerle karşılaştırılabilir olduğunu, ama bu modellerin klinik ya da sporcu gruplarında hassas beslenme değerlendirmesi için henüz uygun olmadığını belirtir.

Yapay zekâ nerede yardımcı olur?

• Kaydın ilk taslağı: Danışanın fotoğrafını ya da "öğlen iki dilim ekmekle menemen yedim" gibi bir notunu kalemlere ve porsiyonlara ayırmak. Siz boş bir ekrandan değil, düzeltilecek bir öneriden başlarsınız.
• Hız ve tutarlılık: Gün içinde birikmiş onlarca öğünün ilk geçişini saniyeler içinde yapmak; sizin zamanınızı belirsiz kalemlere ayırmak.
• Özet: Bir haftanın toplamlarını okunur bir metne çevirmek, kontrol görüşmesine hazırlığı kısaltmak.
• Kayıt kolaylığı: Fotoğraf çekmek, gramaj yazmaktan daha az zaman alır; bu, danışanın kayıt tutmasının önündeki engellerden birini azaltır.

Nerede yetmez?

• Anamnez ve klinik bağlam: Hastalık öyküsü, kullanılan ilaçlar, tahliller, gebelik, alerji ve intoleranslar bir fotoğrafta görünmez.
• Karar ve sorumluluk: Bir planın danışana uygun olup olmadığına karar vermek ve bu kararın sorumluluğunu taşımak mesleki bir iştir.
• Davranış ve ilişki: Danışanın neden akşamları plandan uzaklaştığını anlamak, motivasyonunu sürdürmek ve güven ilişkisi kurmak görüşme ister.
• Yerel mutfak ve hazırlama biçimi: Derlemeler, eğitim için kullanılan görüntü veri setlerinin sınırlı sayıda mutfağı kapsadığını belirtir. Türk mutfağındaki sulu yemekler, zeytinyağlılar ve hamur işleri bu açıdan ayrıca dikkat ister.

Fotoğraftan kalori ve porsiyon tahmininin sınırları

Bir fotoğraf iki boyutludur; yemek ise üç boyutlu ve çoğu zaman karışıktır. Fotoğraftan kalori tahmininde hataların büyük kısmı dört yerde toplanır.

Gizli yağ, sos ve şeker

Pişirme yağı, yemeğe eklenen tereyağı, salataya dökülen sos ya da çaya atılan şeker çoğu zaman fotoğrafta görünmez. Aynı tabak, az yağla pişmiş bir sebze yemeği de olabilir, bol yağla kavrulmuş bir yemek de; görüntü neredeyse aynıdır, enerji değeri ise belirgin biçimde farklıdır. ChatGPT'yi değerlendiren çalışmada da modelin kendisi, görünmeyen malzemeleri ve hazırlama yöntemindeki belirsizliği tahminin sınırları arasında saymıştır. Bu yüzden yağ ve sos, kontrol sırasında danışana ilk sorulacak sorulardır.

Karışık yemekler

Sistematik derleme, farklı malzemelerin karıştığı ve görüntüde birbirinden ayrılamadığı yemeklerin (salata, çorba, sandviç gibi) bölütleme aşamasını zorlaştırdığını belirtir. Türk mutfağında bu durum sık görülür: kuru fasulye, etli nohut, karnıyarık, mantı, içli köfte ya da bir tencere türlü. Etin, bakliyatın ve yağın oranı tarifine ve evine göre değişir. Yapay zekâ "türlü" demekte haklı olabilir, ama tencereye ne girdiğini bilemez.

Porsiyonun derinliği

Derlemenin vurguladığı bir başka güçlük, iki boyutlu görüntüden derinlik bilgisi elde etmektir. Kasenin ne kadar derin olduğu, pilavın tabakta ne yükseklikte durduğu, bardağın hacmi tek bir fotoğraftan güvenle çıkarılamaz. Yukarıda andığımız iki çalışmada da porsiyon büyüdükçe tahminin düşük kalması bununla uyumludur: büyük bir tabak, fotoğrafta olduğundan küçük "okunabilir".

Fotoğrafta olmayanlar

Fotoğraf yalnızca çekildiği anı gösterir. İkinci porsiyon, tabakta bırakılan yemek, öğün arasında yenen bir avuç kuruyemiş ya da yemekle içilen ayran ve meyve suyu kayda girmeyebilir. Derleme, kullanıcının yemeği ve artanı fotoğraflamayı hatırlaması gerektiğini ve gerçek hayattaki ışık koşullarının da ölçüm hatası yaratabildiğini not eder. Bu, aracın değil yöntemin sınırıdır; diyetisyenin danışanla birlikte kayıt alışkanlığı üzerinde çalışmasını gerektirir.

Bu dört sınırın pratik sonucu basittir: yapay zekânın verdiği rakam, diyetisyenin üzerinde çalışacağı bir başlangıç noktasıdır, danışan hakkında verilecek kararın dayanağı değil.

Yapay zekâ ile diyet yapılır mı? Sohbet botlarından diyet listesi almanın riskleri

Danışanlarınızın bir kısmı size gelmeden önce bir sohbet botundan diyet listesi istemiş olabilir. Bu listeler çoğu zaman düzenli ve ikna edici görünür; sorun da buradadır.

Besin alerjisi olan kurgusal kişiler için ChatGPT'ye 56 diyet hazırlatan bir çalışma, modelin genel olarak doğru olduğunu ama zararlı diyetler de üretebildiğini bildirmiştir; en sık hatalar porsiyon ve kalori değerlerindedir. Kişisel Verileri Koruma Kurumu'nun üretken yapay zekâ rehberi de bu sistemlerin en önemli risklerinden birini "halüsinasyon" olarak tanımlar: gerçeklikle örtüşmeyen ama makul ve ikna edici görünen çıktılar. Rehber, yanıtlar dil olarak tutarlı görünse bile doğruluklarının kontrol edilmesinin önemine dikkat çeker.

Sohbet botundan alınan bir diyet listesinde şu riskler öne çıkar:

• Anamnez yoktur: Bot yalnızca kendisine yazılanı bilir. Danışanın kullandığı ilaçları, tahlillerini, kronik hastalığını ya da yeme bozukluğu öyküsünü sormadan plan yazabilir.
• Kendinden emin ton: Yanlış bir porsiyon ya da uygunsuz bir besin, doğru bilgilerle aynı güvenle yazılır. Danışan hangisinin hatalı olduğunu ayırt edemez.
• Takip yoktur: Liste bir kez yazılır; danışanın uyumu, zorlandığı öğünler ve değişen ihtiyaçları izlenmez.
• Kişisel veri paylaşımı: Danışan, daha uygun bir plan almak için sağlık bilgilerini kişisel bir sohbet hesabına yazmış olabilir.

Böyle bir listeyle gelen danışanı geri çevirmek yerine listeyi birlikte okumak çoğu zaman daha verimlidir: hangi öğünler uygulanabilir, hangi kalemler danışanın durumuna uymuyor, porsiyonlar gerçekçi mi? Bu konuşma, kişiye özel planın neden gerekli olduğunu danışana somut biçimde gösterir. Sağlık sorunu olan danışanlarda sürecin hekimle birlikte yürütülmesi gerektiğini de hatırlatın.

Klinikte doğru iş akışı: yapay zekâ ön analiz, diyetisyen onayı

Yapay zekâyı güvenle kullanmanın yolu, onu iş akışında sabit bir yere koymaktır: önce makine önerir, sonra diyetisyen karar verir. Önerilen akış beş adımdan oluşur.

1. Danışan kaydeder. Öğününü fotoğrafla, listeden seçerek ya da kısa bir notla girer. Yöntem seçimi danışanın alışkanlığına bırakılır; önemli olan kaydın düzenli olmasıdır.
2. Yapay zekâ ön analiz yapar. Fotoğraf ya da not, besinlere ve porsiyonlara ayrılır. İyi bir araç, emin olamadığı kalemleri ayrıca işaretler ve sonucu kesin değer değil, tahmin olarak gösterir.
3. Diyetisyen kontrol eder. İşaretli kalemlerden başlayın. Karışık yemeklerde tarifi, kızartma ve kavurmalarda yağı, büyük tabaklarda porsiyonu sorgulayın. Gerekirse danışana kısa bir soru gönderin: "Pilav tereyağlı mıydı?"
4. Onaylanan kayıt veriye dönüşür. Düzeltilmiş öğün, plan uyumu ve dönem raporu gibi hesaplara ancak bu aşamadan sonra girmelidir. Danışana düzeltmenin gerekçesini kısa bir notla iletmek, bir sonraki tahminini de iyileştirir.
5. Kararlar insanda kalır. Plan değişikliği, hedef belirleme ve sağlıkla ilgili her yorum diyetisyenin işidir. Yapay zekânın özeti bir hazırlık notudur, görüşmenin yerine geçmez.

Örnek: 41 yaşında kurgusal bir danışan, akşam yemeği olarak bir tabak karnıyarık ve pilav fotoğrafı gönderiyor. Ön analiz patlıcanı, kıymalı harcı ve pilavı ayırıyor; pilavın porsiyonunu ve yemeğin yağ miktarını emin olunamayan kalem olarak işaretliyor. Siz danışana patlıcanın kızartılıp kızartılmadığını soruyorsunuz; yanıt "kızartıldı" olunca yağı artırıyor, tabağın derinliğini göz önüne alarak pilavı bir kademe büyütüyorsunuz. Kayıt sizin onayınızla günlüğe geçiyor ve danışan düzeltmeyi görüyor.

Bu akışın günlük takip düzeninize nasıl oturduğunu danışan takibi nasıl yapılır yazımızda adım adım anlattık; ön analiz ve onay adımlarını kendi örnek danışanlarınızla görmek isterseniz size özel bir hesap açabiliriz: Demo hesabı isteyin.

KVKK: sağlık verisini yapay zekâ hizmetine göndermek

Yapay zekâ hizmetlerinin çoğu yurt dışındaki sunucularda çalışır. Bu nedenle diyetisyen için asıl soru yalnızca "araç doğru mu?" değil, "hangi veri, nereye, hangi dayanakla gidiyor?" sorusudur. Bu bölüm hukuki görüş değildir; kendi düzeninizi bir hukukçuyla değerlendirmeniz önerilir.

Sağlık verisi özel nitelikli veridir

6698 sayılı Kişisel Verilerin Korunması Kanunu'nun 6. maddesi sağlık verisini özel nitelikli kişisel veri sayar. Bu verilerin işlenmesi kural olarak yasaktır; ancak Kanun'da sayılan hâllerden biri (örneğin ilgili kişinin açık rızası) varsa işlenebilir ve Kurul'un belirlediği yeterli önlemlerin alınması ayrıca şarttır. Danışanın tahlil sonucu, hastalık öyküsü ya da kilo ölçümü bu kapsamda düşünülmelidir.

Yurt dışına aktarım

Kanun'un 2024'te değişen 9. maddesine göre kişisel veriler, işleme şartlarından biri varsa ve aktarılan ülke hakkında Kurul'un yeterlilik kararı bulunuyorsa yurt dışına aktarılabilir. Yeterlilik kararı yoksa Kanun'da sayılan uygun güvencelerden biri gerekir; Kurul'un ilan ettiği standart sözleşme bunlardan biridir ve imzalanmasından itibaren beş iş günü içinde Kurum'a bildirilir. Bunların hiçbiri sağlanamıyorsa aktarım yalnızca Kanun'da sayılan arızi hâllerle sınırlıdır. Kurum'un üretken yapay zekâ rehberi de yurt dışında yerleşik sağlayıcılar aracılığıyla bu sistemleri kullanırken aktarımın 9. maddeye ve ilgili yönetmeliğe uygun yapılması gerektiğini belirtir.

Veri minimizasyonu: yalnızca gereken gitsin

Kanun'un 4. maddesindeki ilkelerden biri, verinin işlendiği amaçla bağlantılı, sınırlı ve ölçülü olmasıdır. Öğün analizi için gereken şey öğünün fotoğrafı ya da notudur; danışanın adı, telefonu, tanısı ya da tahlil sonucu bu amaç için gerekli değildir. Kurum'un rehberi bireysel kullanıcılara da üçüncü kişilere ait verileri bu sistemlerle paylaşmamayı ve mümkün olduğunca anonimleştirilmiş, genelleştirilmiş ifadeler kullanmayı önerir.

Pratikte bu şu anlama gelir:

• Danışanın adını, tahlilini ya da notlarını kişisel bir sohbet botu hesabına yapıştırmayın.
• Kullandığınız programa yapay zekâ analizi için hangi verinin, hangi ülkedeki sağlayıcıya gittiğini yazılı olarak sorun.
• Aktarımın hangi dayanakla yapıldığını gizlilik politikasında ve aydınlatma metninde arayın.
• Danışanınızı aydınlatın: öğün kaydının yapay zekâ ile ön analizden geçebileceğini ve son kararın sizde olduğunu açıkça anlatın.

Program seçerken veri yeri ve aktarım sorularını nasıl soracağınızı diyetisyen programı nasıl seçilir rehberimizdeki 9. ve 10. ölçütlerde ayrıntılı ele aldık.

Etik ve mesleki sorumluluk

Dünya Sağlık Örgütü 2021'de sağlıkta yapay zekâ için altı yol gösterici ilke yayımladı. İlk ilke insan özerkliğinin korunmasıdır: sağlık sistemleri ve tıbbi kararlar üzerindeki denetim insanda kalmalıdır. Diğer ilkeler arasında şeffaflık ve anlaşılabilirlik, sorumluluk ve hesap verebilirlik ile kapsayıcılık ve hakkaniyet yer alır.

Bu ilkeler diyetisyenin günlük işine şöyle yansır:

• İmza sizindir. Yapay zekânın önerdiği bir porsiyonu onaylamak, o değeri kendiniz girmekle aynı sorumluluğu taşır. "Araç öyle hesapladı" bir gerekçe değildir.
• Şeffaf olun. Danışan, kaydının nasıl değerlendirildiğini bilmelidir. Yapay zekâ kullandığınızı gizlemek yerine nasıl ve neden kullandığınızı anlatmak güveni artırır.
• Yanlılığı hesaba katın. Eğitim verisinde az temsil edilen yemekler ve hazırlama biçimleri daha sık yanlış tahmin edilebilir. Yerel mutfakta kontrolü sıklaştırın.
• Sayıların danışan üzerindeki etkisini düşünün. Bazı danışanlar için her öğünün kalori değerini görmek kaygı yaratabilir. Rakamları sizin değerlendirmeniz için kullanmak, danışana ise öğün ve porsiyon üzerinden geri bildirim vermek çoğu zaman daha uygundur.
• Sınırı bilin. Durum beslenme danışmanlığının kapsamını aşıyorsa danışanı hekime yönlendirin.

Kalyn'de yapay zekâ nasıl kullanılıyor?

Kalyn'de yapay zekâ, yukarıdaki iş akışının ikinci adımında durur. Danışanınız öğününü fotoğrafla, listeden seçerek ya da yazarak kaydeder. Siz panelde öğün fotoğrafını ya da notunu yapay zekâ ile saniyeler içinde analiz edersiniz; besinler ve porsiyonlar ayrılmış gelir, emin olunamayan kalemler işaretlenir. Önerinin her kalemini aynı ekranda besin listesinden seçerek değiştirebilir, gramını düzeltebilirsiniz; değerler yeniden hesaplanır ve danışana bildirim gider. Sonuç bir tahmindir, son karar sizindir. Öğünü kendiniz girseniz de yapay zekâ ile analiz etseniz de iki yol aynı besin veritabanını kullanır. Adım adım akışı Kalyn nasıl çalışır sayfasında görebilirsiniz.

Analiz için kullanılan yapay zekâ sağlayıcısı yurt dışındadır; ona yalnızca öğün fotoğrafı ya da notu gider, ad ve iletişim bilgisi gitmez. Haftalık yapay zekâ özeti yalnızca toplamlarla hazırlanır. Verileriniz Türkiye'deki sunucularda saklanır, sağlık verisi açık rızası ve sizinle paylaşım onayı uygulamanın içinde alınır, diyetisyen ve yönetici erişimleri kayıt altına alınır; ayrıntılar Gizlilik Politikası ve KVKK Aydınlatma Metni'nde yer alır. Danışan kalori görmez; rakamlar, yapay zekâ analizi ve yaptığınız düzeltmeler yalnızca sizin panelinizdedir. Danışanlarınız ücretsiz kullanır.

Kalyn ile yapay zekâyı denetiminiz altında kullanın

Yapay zekânın öğün kaydını hızlandırdığı, ama kararın her zaman sizde kaldığı bir düzeni kendi örnek danışanlarınızla görmek isterseniz size özel bir demo hesabı açalım: Demo hesabı isteyin. Paketlerin neye göre ayrıldığını ve her pakette nelerin açık olduğunu fiyatlar sayfasında bulabilirsiniz: Paketleri inceleyin. Yapay zekâ sağlayıcısına hangi verinin gittiği, veri yeri ya da aydınlatma metni gibi sorularınız için: Bize yazın.