Yapay Zekâ Gerçekten Kişiselleştirilmiş Bir Beslenme Planı Hazırlayabilir mi?

Önce ‘kişiselleştirilmiş’ kelimesini doğru tanımlayalım

Bir sohbet aracına yaş, boy, ağırlık, hedef ve sevilen yemekleri yazdığınızda model bu ayrıntıları metne yerleştirir. Bu, yüzeysel bir uyarlamadır ve günlük planı daha uygulanabilir gösterebilir. Gerçek kişiselleştirme ise yalnızca daha çok veri kullanmak değil; hangi verinin klinik olarak anlamlı olduğunu doğru yorumlamak demektir.

Enerji ve besin ögesi gereksinimleri; vücut bileşimi, hastalıklar, ilaçlar, laboratuvar bulguları, semptomlar, alerjiler, yeme davranışı, fiziksel aktivite, ekonomik koşullar ve kültürel tercihlerin birlikte değerlendirilmesini gerektirebilir. Üstelik iyi bir plan tek seferde yazılıp bitmez; sonuçlara, uyuma ve değişen sağlık durumuna göre izlenir ve yeniden düzenlenir.

Yapay zekâ hangi işlerde gerçekten yararlı olabilir?

Genel amaçlı yapay zekâ araçları; verilen kısıtları düzenli bir taslağa dönüştürme, farklı mutfaklardan yemek fikirleri üretme, alışveriş listesi hazırlama, tarifleri sadeleştirme ve aynı fikri farklı bütçe ya da pişirme becerilerine uyarlama konusunda güçlü olabilir. Hızlı geri bildirim ve doğal dil, beslenme eğitimini daha erişilebilir hâle getirebilir.

Yarar, görev sınırı net olduğunda artar: ‘Dört sebzeli kahvaltı fikri üret’, ‘bu tarifi laktozsuz alternatiflerle yeniden yaz’ veya ‘diyetisyenimin verdiği değişim listesine göre alışveriş listesi oluştur’ gibi istekler, ‘bana hastalıklarıma uygun diyet yaz’ talebinden daha kontrollüdür. Yapay zekâ en güvenli biçimde karar verici değil, sınırları insan tarafından belirlenen bir yardımcı olarak çalışır.

Araştırmalar umut ile sınırlılığı birlikte gösteriyor

Büyük dil modelleri beslenme bilgisini akıcı biçimde sunabilir. 1.050 diyetisyenlik sınav sorusunu kullanan bir çalışmada incelenen modeller yüksek genel doğruluk gösterdi; fakat sonuçlar kullanılan modele, konu alanına ve istem biçimine göre değişti. Sınav sorusuna doğru yanıt vermek önemli bir yeterliliktir, ancak karmaşık bir kişiyi değerlendirmek, öncelikleri belirlemek ve izlemekle eşdeğer değildir.

Tip 2 diyabetli 24 standartlaştırılmış sanal profil üzerinden yürüttüğümüz 2025 tarihli çalışmada üç model de ayrıntılı üç günlük planlar üretebildi. Bununla birlikte enerji ve besin ögesi uyumu modeller arasında değişti; yağ, karbonhidrat ve bazı mikro besinlerde sapmalar görüldü. Modellerin hiçbiri Beslenme Bakım Süreci’nin değerlendirme, tanı, müdahale ve izlem bileşenlerinin tamamıyla uyum göstermedi; klinik bağlam eksikliği ve gerçeğe aykırı üretimler de saptandı. Sonuç, ‘yapay zekâ işe yaramaz’ değil; klinik eşdeğerlik iddiası için kanıtın henüz yetersiz olduğudur.

Başka klinik örneklerde de benzer bir tablo var. Bulaşıcı olmayan hastalıklar için oluşturulan menüler uzman veya bilgi tabanlı sistem denetimine ihtiyaç duydu. Diyaliz için hazırlanan örnek bir planda tarif anlatımı güçlü bulunurken yapay zekânın besin ögesi hesapları referans yazılıma göre belirgin biçimde düşük kaldı. Yani güzel yazılmış bir menü, sayısal olarak doğru bir menü olmayabilir.

Neden bu kadar ikna edici görünüp yine de hata yapabilir?

Yapay zekâyı beslenmede daha güvenli kullanmak için

Görevi dar ve açık tanımlayın; modelden eksik bilgileri ve varsayımlarını belirtmesini isteyin. Enerji, protein, sodyum, potasyum veya karbonhidrat gibi klinik önem taşıyan sayıları güvenilir bir besin analiz sistemiyle yeniden kontrol edin. Kaynak istediğinizde bağlantının gerçekten var olduğunu ve söylenen sonucu desteklediğini doğrulayın.

‘Bu plan bana uyuyor mu?’ sorusuna yalnızca hedef kalori üzerinden yanıt vermeyin. Yeterlilik, çeşitlilik, kültür, bütçe, hazırlama becerisi, yeme davranışı ve sürdürülebilirlik de kontrol edilmelidir. Tanı, ilaç, laboratuvar sonucu ve ayrıntılı beslenme kaydı gibi verilerin hassas sağlık bilgisi olduğunu unutmayın; gereksiz ayrıntıyı paylaşmamak temel ilkedir.

Dünya Sağlık Örgütü de sağlıkta üretken yapay zekâ için şeffaflık, insan özerkliği, güvenlik, mahremiyet ve hesap verebilirlik ilkelerini vurguluyor. Son kararı kimin verdiği, hatayı kimin fark edeceği ve olumsuz sonuçta sorumluluğun kimde olduğu baştan belirlenmelidir.

Hangi durumlarda yapay zekâ tek başına kullanılmamalı?

Diyabet, böbrek, karaciğer, kalp-damar veya gastrointestinal hastalık; kanser tedavisi; besin alerjisi; yeme bozukluğu; gebelik ve emzirme; çocukluk; ileri yaşta kırılganlık; istemsiz kilo kaybı; çoklu ilaç kullanımı veya özel tıbbi ürün gereksinimi varsa beslenme planı profesyonel değerlendirme gerektirir. Birden fazla durumun birlikte bulunması riski daha da artırır.

Diyetisyenin katkısı yalnızca menü yazmak değildir. Beslenme durumunu değerlendirir, tanıyı ve öncelikleri belirler, hedefleri kişiyle birlikte kurar, müdahaleyi güvenlik ve uygulanabilirlik açısından düzenler, sonuçları izler ve gerektiğinde diğer sağlık profesyonelleriyle koordinasyon sağlar. Bugünkü genel amaçlı yapay zekâ araçları bu sorumluluk zincirini tek başına üstlenemez.