Fenilketonüride Besin Tüketim Kayıtlarının Yapay Zeka Modelleri ile Değerlendirilmesi: Diyetisyen ile Uyum Analizi
XVIII. Uluslararası Katılımlı Metabolik Hastalıklar ve Beslenme Kongresi, Girne, Kıbrıs (Kktc), 27 Nisan - 01 Mayıs 2026, ss.224, (Özet Bildiri)
- Yayın Türü: Bildiri / Özet Bildiri
- Basıldığı Şehir: Girne
- Basıldığı Ülke: Kıbrıs (Kktc)
- Sayfa Sayıları: ss.224
- Dokuz Eylül Üniversitesi Adresli: Evet
Özet
Giriş: Yapay zeka (YZ), beslenme ve diyet planlaması dahil olmak üzere birçok alanda giderek daha fazla kullanılmaktadır. Ancak fenilketonüri (FKU) gibi diyet yönetiminin kritik olduğu nadir hastalıklarda bu sistemlerin güvenilirliği henüz net değildir. Bu çalışmada, FKU hastalarının besin tüketim kayıtlarından (BTK) esinlenerek diyetisyen tarafından oluşturulan BTK’lerde, YZ modelleri tarafından hesaplanan besin ögesi değerleri ile diyetisyen arasındaki uyumun değerlendirilmesi amaçlanmıştır. Yöntem: Toplam 16 BTK analiz edilmiştir. Her liste için kalori, total protein, doğal protein, fenilalanin (FA) diyetisyen tarafından hesaplanarak referans değer olarak kabul edilmiştir. Aynı kayıtlar dört farklı YZ modeli ile analiz edilmiştir: ChatGPT-Türkçe (GPT-TR), ChatGPT-İngilizce (GPT-EN), Gemini-Türkçe (Gemini-TR) ve Gemini-İngilizce (Gemini-EN). Uyum; SPSS Statistics27 ile yüzde sapma, işaretli ortalama fark, Pearson korelasyon analizi ve intraclass correlation coefficient (ICC, two-way mixed, absolute agreement) kullanılarak değerlendirilmiştir. Bulgular: Kalori hesaplamalarında tüm modellerde orta düzey sapma (%21–23) ve sistematik düşük tahmin eğilimi saptanmıştır. Kalori için ICC değerleri orta düzeyde bulunmuş (0,73–0,75) olup en yüksek uyum Gemini-EN modelinde gözlenmiştir. Total protein hesaplamalarında düşük sapma (%8–13) ve yüksek uyum izlenmiş, en iyi performans Gemini-TR modelinde (ICC=0,943) saptanmıştır. Doğal proteinde uyum değişkenlik göstermiş olup en yüksek uyum GPT-TR modelinde (ICC=0,803) bulunmuştur. Fenilalanin hesaplamalarında en iyi uyum Gemini-TR modelinde (ICC=0,849) izlenirken, GPT modellerinin fenilalanin değerlerini daha yüksek tahmin etme eğiliminde olduğu görülmüştür. Tüm parametrelerde güçlü korelasyonlar saptanmasına rağmen bu durum her zaman yüksek uyum ile paralel bulunmamıştır. Sonuç: Sonuç olarak, YZ modelleri besin ögesi hesaplamalarında umut verici sonuçlar göstermektedir. Ancak kritik parametrelerdeki sapmalar nedeniyle FKU gibi diyet yönetiminin hassas olduğu hastalıklarda dikkatli kullanılmasını gerektirmektedir. Bu bulgular, nadir hastalıklara özgü veri ile eğitilmiş ve klinik olarak doğrulanmış YZ sistemlerine olan ihtiyacı vurgulamaktadır. Bu çalışma pilot nitelikte olup sınırlı örneklem büyüklüğüne sahiptir; elde edilen bulguların doğrulanması için daha geniş örneklemli ve kapsamlı çalışmalara ihtiyaç bulunmaktadır. Anahtar kelime: Diyetisyen; Fenilalanin; Fenilketonüri; Uyum analizi; Yapay zeka