Obeziteye Bağlı Damar Hastalıklarının Tahmininde Yapay Zekâ Destekli Araçlar: Paydaş Perspektifleri ve Zorluklar

Obezite ile yaşayan bireylerde kardiyovasküler hastalık riskinin önlenmesi ve yönetimi, güncel halk sağlığı araştırmalarının merkezinde yer almaktadır. Yapay zekâ teknolojilerinin sağlık hizmetlerine entegrasyonu; klinik veriler, tıbbi görüntüleme, laboratuvar sonuçları ve giyilebilir cihazlardan elde edilen sürekli yaşam tarzı verilerini birleştirerek kişiselleştirilmiş risk değerlendirmesi sunma imkânı yaratmaktadır. Ancak bu yeniliklerin klinik uygulamada başarılı bir şekilde karşılık bulabilmesi, yalnızca algoritmik başarıya değil, hekimler, hastalar ve etik uzmanları dâhil olmak üzere farklı paydaş gruplarının algılarına ve duyduğu güvene bağlıdır. Çalışma, bu kapsamda yapay zekâ destekli önleyici karar destek sistemleri ve mobil sağlık uygulamalarına yönelik paydaş perspektiflerini Avrupa bağlamında kapsamlı bir biçimde incelemektedir.

Araştırmanın amacı, Horizon Europe bünyesindeki AI-POD projesi çerçevesinde geliştirilen karar destek sistemi ve mobil uygulamanın getireceği olası yararları, karşılaşılabilecek kaygıları ve uygulama engellerini ortaya koymaktır. Nitel araştırma deseninde kurgulanan çalışmada, Belçika, Avusturya, Birleşik Krallık ve İsveç'ten radyoloji, yapay zekâ, tıbbi bilişim, diyetetik, endokrinoloji, halk sağlığı, hukuk, etik ve hasta temsilcilerinden oluşan 21 paydaş ile yarı yapılandırılmış görüşmeler gerçekleştirilmiştir. Görüşmeler ses kaydına alınarak harfi harfine yazıya dökülmüş ve elde edilen veriler NVivo yazılımı yardımıyla Vears ve arkadaşlarının önerdiği tümevarımsal içerik analizi yaklaşımıyla üç aşamalı bir kodlama sürecinden geçirilmiştir.

Çözümlemeler sonuçunda paydaşların araçlara temkinli bir iyimserlikle yaklaştığı ve koşullu bir güven sergilediği saptanmıştır. Çok modlu veri entegrasyonunun risk derecelendirmesini hassaslaştırdığı, hasta farkındalığını ve sağlık okuryazarlığını artırdığı yönünde güçlü kabul mevcuttur. Bununla birlikte, sürekli yüksek risk puanı görmenin hastalarda kaygıyı artırabileceği, obezite odaklı yaklaşımın kilo damgalamasını pekiştirebileceği ve kişiselleştirilmiş yaşam tarzı önerilerinin bilimsel kanıt tabanının sınırlı olduğu vurgulanmıştır. Ayrıca veri heterojenliği, algoritmik sapma riskleri, giyilebilir cihaz verilerinin klinik geçerliliği ve düşük dijital okuryazarlığa sahip grupların adil erişim sorunu temel geliştirme ve entegrasyon zorlukları olarak öne çıkmaktadır.

Elde edilen bulgular, Teknoloji Kabul Modeli çerçevesinde değerlendirilerek yapay zekâ karar destek sistemlerinin klinik pratikle uyumlaştırılması ve hekimlerin rehber kabul ettiği standartlara dâhil edilmesi gerektiğini göstermektedir. Araştırma, yapay zekâ tabanlı önleyici tıp uygulamalarında yalnızca teknik doğrulukla yetinilmeyip hasta odaklı ortak tasarım süreçlerinin ve etik yönetişim mekanizmalarının erken aşamalarda işletilmesinin önemini kanıtlamaktadır. Bu yönüyle çalışma, dijital sağlık müdahalelerinde kullanıcı bağlılığını sağlamak, adil erişimi korumak ve yapay zekânın sunduğu öngörücü gücü sorumlu bir biçimde klinik hizmetlere dönüştürmek isteyen araştırmacılar için zengin bir literatür ve model tabanı sunmaktadır.

İncelenen nitel veriler, paydaşların obeziteye bağlı kardiyovasküler hastalıkların tahmininde çok modlu veri entegrasyonu sağlayan yapay zekâ araçlarına karşı iyimser fakat ihtiyatlı bir tutum sergilediğini göstermektedir. Katılımcılar, klinik veriler ile yaşam tarzı parametrelerinin birleştirilmesinin bireyselleştirilmiş risk stratifikasyonunu güçlendireceğini kabul etmektedir.

Yazarlar, bu ihtiyatlı tutumu sağlık çalışanları ve hastaların duyduğu 'koşullu güven' kavramıyla açıklamaktadır. Klinik kararları destekleyen algoritmaların şeffaf, açıklanabilir ve hekim uzmanlığını ikame etmek yerine tamamlayıcı nitelikte olması durumunda kabul göreceği vurgulanmaktadır.

Elde edilen bulgular literatürdeki Teknoloji Kabul Modeli (TAM) ile ilişkilendirilmiştir. Klinisyenlerin iş akışını kolaylaştıran ve tanısal güveni artıran teknolojileri benimseme eğiliminde olduğu, ancak algoritmik belirsizlik ve dijital eşitsizlik kaygılarının kullanımı sınırlandırdığı saptanmıştır.

Sonuç olarak, yapay zekâ tabanlı önleyici sağlık araçlarının klinik başarıya ulaşabilmesi için henüz geliştirme aşamasındayken paydaş katılımının sağlanması, adil erişim engellerinin kaldırılması ve yerleşik tedavi protokolleriyle uyumlaştırılması gerektiği ifade edilmektedir.

Yazarlar elde ettikleri bulguları Teknoloji Kabul Modeli (TAM) çerçevesinde tartışarak, klinisyenlerin tanısal güven ve iş akışı verimliliği sağlayan yapay zekâ araçlarını benimsemeye daha istekli olduğunu, ancak açıklanabilirlik ve şeffaflık eksikliği durumunda tereddüt gösterdiklerini doğrulamıştır (Goossens et al., 2025).

Çalışmada uygulama tabanlı beslenme takibinin geleneksel hatırlama yöntemlerine kıyasla daha doğru veri sunduğu kabul edilmekle birlikte, sürekli manuel veri girişinin kullanıcı yükünü artırdığı vurgulanarak literatürdeki benzer değerlendirmelerle paralellik kurulmuştur (Goossens et al., 2025).

Bu çalışma, obezite ile yaşayan bireylerde yapay zekâ tabanlı kardiyovasküler risk tahmin araçlarının geliştirilmesi ve klinik uygulamaya aktarılması süreçlerini paydaş perspektifleriyle inceleyen nitel bir ampirik araştırmadır. Literatürde yapay zekâ teknolojilerinin algoritmik başarısına odaklanan nicel ağırlıklı yaklaşımların aksine, bu eser teknolojinin insan ve sistem boyutunu ön plana çıkararak erken aşama paydaş katılımının önemini ortaya koymaktadır. Çok disiplinli bir katılımcı grubu üzerinden yürütülen araştırma, yapay zekâ uygulamalarının yalnızca teknik bir yenilik olmadığını, aynı zamanda etik, sosyolojik ve klinik iş akışlarıyla doğrudan etkileşim halinde olan karmaşık bir müdahale olduğunu göstermektedir.

Çalışma, sağlıkta yapay zekâ kabulünü açıklayan Teknoloji Kabul Modeli (TAM) ve önceki ampirik literatürle güçlü bağlar kurmaktadır. Çıkarımlar, klinisyenlerin algoritmik araçları tam bağımsız karar vericiler yerine uzmanlığı tamamlayıcı bir unsur olarak gördüklerini doğrulayarak güvenin koşullu olduğunu ortaya koymaktadır. Ayrıca kardiyovasküler risk iletişiminde görsel biçimlerin önemini vurgulayan Schulberg ve arkadaşlarının (2022) bulgularını genişletmekte, obezite hastalarında risk bildiriminin yarattığı psikolojik kaygı ile damgalanma risklerini tartışmaya dâhil etmektedir. Dijital müdahalelerin uzun dönemli kullanımındaki düşüşe dikkat çeken Kidman ve arkadaşlarının (2024) birikimiyle de uyum göstererek sürdürülebilir kullanıcı katılımının ön koşullarını netleştirmektedir.

Sağlık hizmetlerinde yapay zekâ entegrasyonu üzerine yürütülen literatür taramalarında bu araştırma, çok modlu veri birleştiren önleyici araçların sosyo-teknik sınırlarını açıkça çizmektedir. Araştırma, yapay zekâ modellerinin eğitme verilerindeki sapmalar nedeniyle algoritmik önyargıyı pekiştirebileceğini, dijital okuryazarlığı düşük ve alt sosyoekonomik gruptaki bireylerin dışlanma riskiyle karşı karşıya olduğunu nitel kanıtlarla sunmaktadır. Literatüre temel katkısı, teknoloji geliştirme süreçlerinde etik ve toplumsal değerlendirmelerin klinik doğrulama ile eşzamanlı yürütülmesi gerektiğini ve Avrupa'nın katı düzenleyici çerçevesinde paydaş katılımının yöntemsel bir zorunluluk olduğunu kanıtlamasıdır.