Kişiselleştirilmiş Beslenme Ne Kadar Kişisel?

‘Kişisel’ beslenme, pahalı bir testle başlamak zorunda değil

Kişiselleştirilmiş beslenme çoğu zaman genetik, mikrobiyota ve yapay zekâ ile birlikte anılıyor. Oysa günlük klinik uygulamada kişiselleştirme çok daha temel ama güçlü bilgilerle başlar: kişinin tanıları, ilaçları, laboratuvar bulguları, yeme alışkanlıkları, semptomları, kültürü, bütçesi, çalışma düzeni, yemek hazırlama olanağı ve değişime hazır oluşu. Bu bilgiler bir planın hem güvenliğini hem uygulanabilirliğini doğrudan etkiler.

‘Hassas’ veya ‘precision’ beslenme ise bu çerçeveyi biyolojik ölçümler, çoklu omik veriler ve tahmin algoritmalarıyla genişletmeyi hedefler. ABD Ulusal Sağlık Enstitüleri'nin Nutrition for Precision Health programı da genler, proteinler, metabolizma, mikrobiyota ve bağlamsal etmenleri birlikte inceleyerek bireysel yanıtları öngörecek algoritmalar geliştirmeyi amaçlıyor. Programın hâlen bu kadar büyük bir araştırma yatırımı gerektirmesi, alanın potansiyelini gösterdiği kadar pek çok sorunun henüz yanıtlanmadığını da gösteriyor.

Daha fazla veri neden her zaman daha iyi değildir?

Bir ölçümün ilgi çekici olması, beslenme kararını değiştirecek kadar güvenilir olduğu anlamına gelmez. Biyolojik veriler günün saati, önceki öğün, uyku, fiziksel aktivite, ilaçlar, enfeksiyon, örnek alma yöntemi ve analiz platformu gibi birçok etkene duyarlı olabilir. Ayrıca bir değişkenin hastalıkla ilişkili bulunması, o değişkene göre diyet düzenlemenin hastalığı önlediğini veya tedavi ettiğini kanıtlamaz.

Klinik değeri belirleyen şey veri miktarı değil, ek faydadır. Aynı karara kişinin beslenme öyküsü, laboratuvar bulgusu ve iyi bir görüşmeyle zaten ulaşılabiliyorsa pahalı bir test çok az yeni bilgi sağlayabilir. Buna karşılık çölyak hastalığı, böbrek hastalığı, diyabet, besin alerjisi veya malnütrisyon gibi durumlarda doğru klinik veri, beslenme planını güvenlik açısından belirgin biçimde değiştirebilir. Kişiselleştirme bazen ileri teknoloji değil, doğru soruyu doğru kişiye sormaktır.

Genetik testler: biyolojik olarak ilginç, klinik olarak her zaman belirleyici değil

Genler besin ögelerinin metabolizmasını ve bireyler arası yanıt farklılıklarını etkileyebilir. Ancak yaygın obezite, glisemik yanıt veya kilo verme başarısı genellikle tek bir gen varyantıyla açıklanamaz. Etki; çok sayıda genin, yaşam biçiminin, çevrenin ve davranışın birlikte çalışmasıyla oluşur. Bu nedenle birkaç varyantı ölçüp ‘size uygun tek diyet budur’ sonucuna ulaşmak çoğu durumda bilimsel kanıtın önüne geçer.

Food4Me çalışmasında kişiselleştirilmiş çevrimiçi öneriler, genel önerilere göre beslenme davranışında daha iyi değişiklikler sağladı; fakat fenotip ve genotip bilgisinin eklenmesi etkiyi daha da güçlendirmedi. DIETFITS çalışmasında da incelenen genotip örüntüsü, sağlıklı düşük yağlı veya sağlıklı düşük karbonhidratlı diyetlerden hangisinin 12 aylık ağırlık kaybında daha iyi olacağını öngörmedi. Bu sonuçlar genetiğin önemsiz olduğunu değil, mevcut sınırlı testlerin çoğu kişi için diyet seçimini tek başına belirleyemediğini anlatıyor.

Mikrobiyota analizi: hareketli bir ekosistemin tek fotoğrafı

Bağırsak mikrobiyotası beslenmeyle iki yönlü ilişki içindedir ve araştırmalar bu alanın önemli potansiyel taşıdığını gösteriyor. Ancak mikrobiyota bileşimi beslenme, ilaçlar—özellikle antibiyotikler—coğrafya, bağırsak geçiş süresi, örnek saklama ve kullanılan analiz yöntemiyle değişebilir. Aynı örneği değerlendiren ticari platformların sınıflandırma ve yorumları da farklı olabilir.

2025 uluslararası uzlaşı raporu, klinik mikrobiyota testlerinde analitik ve klinik geçerlilik, standardizasyon ve yorumlama için asgari gereklilikler tanımladı; doğrudan tüketiciye sunulan birçok testte kanıt ve eyleme dönüştürülebilirlik boşluklarına dikkat çekti. Bugün ‘şu bakteri düşük, bu takviyeyi alın’ biçimindeki doğrusal yorumlar çoğu zaman ekosistemin karmaşıklığını yansıtmaz. Test sonucu, kanıtlanmış bir tanı veya kişiye özgü tedavi reçetesi gibi görülmemelidir.

Giyilebilir teknolojiler ve sürekli glukoz ölçümü ne ekliyor?

Giyilebilir cihazların güçlü yanı, tek bir laboratuvar ölçümü yerine günlük yaşam içindeki örüntüleri görünür kılmasıdır. PREDICT ve daha önceki çalışmalar, aynı öğünün farklı kişilerde farklı yemek sonrası glukoz ve trigliserit yanıtları oluşturabildiğini gösterdi. Uyku, fiziksel aktivite, öğün saati ve önceki öğün de bu yanıtı etkileyebilir. Bu çeşitlilik, kişisel geri bildirimin neden ilgi çekici olduğunu açıklıyor.

Yine de bir sensör yalnızca ölçtüğü değişkeni gösterir. Tek bir glukoz yükselişi bir besinin bütünüyle ‘kötü’ olduğunu; daha düz bir eğri de öğünün beslenme kalitesinin yüksek olduğunu kanıtlamaz. Lif, protein, mikro besinler, tokluk, uzun dönem lipid yanıtı ve genel diyet örüntüsü ekrandaki tek eğriye sığmaz. Diyabette sürekli glukoz izleminin belirli klinik kullanımları nettir; diyabeti olmayan herkes için besinleri tek tek puanlayan tüketici kullanımının uzun dönem yararı ise aynı güçte kanıtlanmış değildir.

Müdahale çalışmaları tek bir cevap vermiyor

Kişiselleştirilmiş önerilerin motivasyonu ve diyete uyumu artırması mümkün. Food4Me çalışmasında kişiye geri bildirim verilmesi genel öneriye göre beslenme davranışını iyileştirdi. Ancak daha karmaşık biyolojik veri eklemek daha büyük etki sağlamadı. Bu durum, faydanın bir bölümünün ‘bana özel ilgi ve geri bildirim’ mekanizmasından kaynaklanabileceğini düşündürüyor.

Yemek sonrası glukoz yanıtını azaltmayı hedefleyen altı aylık Personal Diet çalışmasında algoritmayla kişiselleştirilen diyet, standart düşük yağlı diyetten daha fazla ağırlık kaybı sağlamadı. Buna karşılık 2024 METHOD çalışmasında mikrobiyota, yemek sonrası yanıtlar ve sağlık öyküsünü kullanan 18 haftalık program; genel beslenme önerisine göre trigliserit, ağırlık, bel çevresi, HbA1c ve bazı ikincil sonuçlarda iyileşme gösterdi, fakat birincil sonlanımlardan LDL kolesterolde ve birçok metabolik ölçütte gruplar arasında fark yoktu. Programın çok bileşenli olması, yararın hangi testten, algoritmadan, uygulama deneyiminden veya daha yüksek uyumdan kaynaklandığını tek başına ayırmayı güçleştiriyor.

Bu tablo ne ‘kişiselleştirilmiş beslenme işe yaramaz’ ne de ‘herkes biyolojik test yaptırmalı’ sonucunu destekliyor. Daha gerçekçi çıkarım şu: kişisel geri bildirim yararlı olabilir; bazı biyolojik veriler seçilmiş kişilerde ek değer sağlayabilir; ancak pahalı ve karmaşık kişiselleştirmenin standart, yüksek kaliteli beslenme bakımına üstünlüğü her yöntem ve her sonuç için gösterilmiş değildir.

Bugün en güçlü kişiselleştirme nasıl yapılır?

En güçlü başlangıç, kişinin gerçek gereksinimini tanımlamaktır: amaç ağırlık kaybı mı, glisemik kontrol mü, semptom yönetimi mi, malnütrisyonun önlenmesi mi, spor performansı mı? Ardından tanı ve ilaçlar, laboratuvar ve antropometrik veriler, beslenme öyküsü, yeme davranışı ve sosyal koşullar birlikte değerlendirilir. Öneri kişinin tercihleriyle oluşturulur; uygulanabilir küçük hedeflere çevrilir ve sonuçlara göre güncellenir.

Genetik, mikrobiyota veya sensör verisi bu zincire ancak ölçüm güvenilir olduğunda, sonucu yorumlayacak yeterli kanıt bulunduğunda ve bilgi gerçekten bir kararı değiştirecekse eklenmelidir. İyi kişiselleştirme, olabilecek en fazla veriyi toplamak değil; gereksiz veriyi dışarıda bırakıp doğru bilgiyi doğru zamanda kullanmaktır.