İlaç Takip Uygulamaları Neden Yetmiyor? AI Çözümü

Dünya Sağlık Örgütü’nün (2003) sık alıntılanan bir tespiti var: kronik hastalıklarda ilaç tedavisine uyum ortalama %50 civarında. Yani her iki dozdan biri ya gecikiyor ya da atlanıyor. Bu sadece “unutkanlık” meselesi değil; daha fazla hastane başvurusu, daha yüksek maliyet ve bazen de geri dönüşü olmayan klinik sonuçlar demek.

Bu tabloyu görünce, “İlaç hatırlatma uygulaması indirir, konu kapanır” düşüncesi cazip geliyor. Gerçek hayatta ise işler o kadar basit değil. 16.12.2025’te yayımlanan yeni bir karma yöntemli çalışma, ücretsiz ilaç uyumu (adherence) uygulamalarının ürettiği çıktılar ile kullanıcıların gerçekten ihtiyaç duyduğu şeyler arasında net bir uyumsuzluk olduğunu gösteriyor.

Bu yazı, Sağlık Sektöründe Yapay Zekâ ve Dijital Sağlık serimizin bir parçası. Amacım, araştırmayı sadece özetlemek değil: dijital sağlık ürünlerini (özellikle yapay zekâ destekli olanları) “kullanıcı ihtiyacına göre çıktı üretme” açısından nasıl daha iyi tasarlayabileceğimizi somut şekilde konuşmak.

Araştırma bize ne söylüyor? Ücretsiz uygulamalar “çıktı”da zayıf

Net cevap: Uygulamalar çoğunlukla “kayıt tutuyor”, ama “anlamlandırma” tarafında eksik kalıyor.

Araştırmacılar, iki büyük uygulama mağazasında arama yapıp 80 uygulamayı tarıyor; kriterleri karşılayan 9 ücretsiz uygulamayı detaylı test ediyor. Burada “çıktı”dan kasıt şu: kullanıcının işaretlediği doz verilerinin işlenmesi, görselleştirilmesi ve dışa aktarılabilir hale getirilmesi.

Santo ve arkadaşlarının (2016) önerdiği 5 “ideal çıktı” özelliği referans alınıyor:

• Geçmiş takibi (tracking history)
• Grafikler (charts)
• İstatistikler (statistics)
• Ödül/puan sistemi (rewards)
• Dışa aktarılabilir dosya (exportable file)

Test sonucu (9 uygulama):

• Geçmiş takibi: 8/9 (%89)
• İstatistik: 3/9 (%33)
• Ödül: 2/9 (%22)
• Dışa aktarım: 2/9 (%22)
• Grafik: 1/9 (%11)

Tek cümleyle: Ücretsiz uygulamaların büyük kısmı “takvim gibi” çalışıyor; klinik anlam üreten dashboard gibi değil.

Kullanıcılar ne istiyor? “Puan” değil, profesyonel yorum

Net cevap: Kullanıcılar rozet istemiyor; verilerinin bir sağlık profesyoneliyle birlikte yorumlanmasını istiyor.

Araştırma, iki odak grup (toplam 8 kişi) ve çevrimiçi anket (42 kişi) ile kullanıcı ihtiyaçlarını ölçüyor.

Anketten çıkan en kritik bulgu

Katılımcılar 7’li ölçekte özellikleri puanlıyor. Ortalama skorlar:

• Geçmiş takibi: 5,29
• Dışa aktarılabilir dosya: 4,83
• Sağlık profesyoneliyle veriyi konuşma opsiyonu: 4,38
• Ek öneriler (içim düzenine göre): 4,21
• Profesyonel geri bildirim: 4,10
• İstatistik: 4,02
• Grafik: 3,95
• Ödül sistemi: 2,81

Burada iki şey çok net:

1. En çok istenen şey “geçmiş takibi”. İnsanlar “Ben düzenli mi gidiyorum?”u görmek istiyor.
2. En az istenen şey “ödül”. Sağlık davranışını oyunlaştırma, herkes için cazip değil.

Odak gruplarının söylediği “ek üç özellik”

Kullanıcılar, klasik 5’linin üzerine 3 tane daha çıktı beklentisi ekliyor:

• Tedavi gidişatına göre profesyonel geri bildirim (ör. yan etki yaşadığında ne yapmalı?)
• Kullanım düzenine göre ek öneri ve bilgi
• Veriyi bir hekim/eczacı gibi sağlık profesyoneliyle tartışma seçeneği

“Yan etki yaşarsam, ‘normal, takip et’ mi yoksa ‘eczacıya/hekime git’ mi demesi çok değerli olur.”

Bu, dijital sağlık tasarımı açısından kritik bir sinyal: Kullanıcı, veriyi “kendisi yorumlamak” istemiyor; “doğru aksiyona bağlamak” istiyor.

Uygulama neden yetmiyor? Sorun hatırlatmada değil, karar desteğinde

Net cevap: Hatırlatma var; karar desteği ve iş akışına entegrasyon yok.

İlaç uyumu uygulamalarının çoğu şuna odaklanıyor: bildirim gönder, kullanıcı “aldım”a bassın. Bu yaklaşımın etkisi de literatürde görülüyor (özellikle unutkanlık kaynaklı uyumsuzlukta). Ama araştırmanın işaret ettiği boşluk farklı:

• Kullanıcı “aldım/almadım” işaretliyor.
• Uygulama bunu en fazla bir liste gibi saklıyor.
• Kullanıcı şunu soruyor: “Bu düzensizlik önemli mi? Ne yapmalıyım?”
• Uygulama cevap veremiyor.

İşte burada Sağlık Sektöründe Yapay Zekâ ve Dijital Sağlık teması devreye giriyor. Yapay zekâ, ham uyum verisini klinik açıdan anlamlı içgörüye dönüştürmek için en doğru araçlardan biri.

Yapay zekâ bu boşluğu nasıl kapatır? “Çıktı”yı kişiselleştirerek

Net cevap: AI’nin değeri, daha çok grafik çizmek değil; doğru kişiye doğru uyarıyı, doğru dille ve doğru zamanda vermek.

İlaç uyumu çıktısını geliştirmek için AI ve veri odaklı tasarımın somut katkıları şunlar:

1) Kişiselleştirilmiş içgörü: Herkese aynı ekranı gösterme

Aynı “%70 uyum” iki kişi için tamamen farklı anlam taşır.

• Tansiyon ilacı kullanan bir hastada birkaç kaçırma, haftalar içinde kontrolü bozabilir.
• Vitamin takviyesinde aynı durum farklı yönetilir.

AI destekli çıktı, hastanın ilaç sınıfı, doz sıklığı ve risk profiline göre şunu söyleyebilir:

• “Son 7 günde akşam dozlarının %40’ı kaçmış. Bu örüntü devam ederse tedavi etkinliği düşer. Hatırlatma saatini 21:30’a alalım mı?”

Bu, “istatistik” değil; eyleme dönük karar desteği.

2) Sağlık profesyoneli köprüsü: Uygulama tek başına kalmasın

Araştırmada kullanıcıların en güçlü taleplerinden biri şu: veriyi hekim/eczacıyla konuşabilmek.

Burada pratik bir model var:

• Uygulama, haftalık özet üretir (exportable file mantığı).
• Klinik ziyaret öncesi, hasta “son 14 gün” raporunu paylaşır.
• Hekim/eczacı, “uyum düşüşü”nü yan etki, maliyet, unutkanlık, ilaç bulunurluğu gibi sebeplerle ilişkilendirir.

AI bu noktada şunları otomatikleştirir:

• Örüntü yakalama (hangi gün/saat kaçırılıyor?)
• Riskli düşüşleri işaretleme
• Görüşmeye hazırlık notu üretme (kısa, anlaşılır)

3) Doğru iletişim dili: “Ödül” yerine “güven”

Ödül sisteminin düşük puan alması bana şaşırtıcı gelmedi. Sağlık gibi ciddi bir alanda kullanıcı şunu ister:

• mahremiyet
• sadelik
• güvenilir öneri

AI’nin dili de burada belirleyici: yargılayıcı değil, destekleyici. “3 gün kaçırdın” demek yerine:

• “Bu hafta 2 doz kaçmış görünüyor. Bir yan etki mi yaşıyorsun, yoksa saat mi zor geliyor?”

Bu yaklaşım, dijital sağlıkta kullanıcı bağlılığını (engagement) artırır.

Ürün sahipleri için kontrol listesi: Türkiye’de iyi bir ilaç uyumu uygulaması nasıl seçilir?

Net cevap: Bir uygulamayı hatırlatma özelliğine göre değil, veriyi nasıl işlediğine ve paylaşabildiğine göre seçin.

Uygulama seçerken (veya kurum içinde ürün geliştirirken) şu kontrol listesini kullanın:

1. Geçmiş takibi anlaşılır mı? (gün/gün, doz/dos, kaçırılanlar net mi?)
2. Rapor dışa aktarılabiliyor mu? (PDF/CSV gibi; en azından özet ekran paylaşımı)
3. Mahremiyet ve gizlilik ayarı var mı? (bildirimde ilaç adı görünmesin, ekran kilidi, yerel saklama seçeneği)
4. Birden fazla ilacı yönetmek kolay mı? (özellikle polifarmasi için)
5. Sade mi? Kullanıcıların “keep it simple” isteği tesadüf değil.
6. Sağlık profesyoneliyle iletişim senaryosu düşünülmüş mü? (en azından “sorulacak sorular” şablonu)

Kurumsal tarafta (hastane, klinik, eczane zinciri) ise ek soru:

• İş akışına oturuyor mu? Hekim/eczacı 30 saniyede okuyup anlamazsa rapor çöpe gider.

Dijital sağlıkta asıl yarış: “uygulama” değil, “çıktının kalitesi”

Ücretsiz ilaç uyumu uygulamalarının çoğu bugün hala aynı yere takılıyor: kullanıcının işaretlediği veriyi saklıyor ama klinik anlam üretmiyor. Oysa araştırma bize şunu söylüyor: kullanıcıların önemli bir kısmı, kendi performansını puanlamak yerine verisinin bir uzmanla birlikte yorumlanmasını istiyor.

Bu yüzden ben şu cümleyi net savunuyorum: İlaç uyumu uygulamaları sağlık profesyonelinin yerini almaz; doğru tasarlanırsa onun etkisini büyütür. Yapay zekâ ve dijital sağlık yaklaşımı da tam burada değer üretir: kişiselleştirilmiş içgörü, doğru uyarı, doğru zamanda paylaşılabilir rapor.

Siz kendi kurumunuzda (hastane, klinik, eczane, sigorta, dijital sağlık girişimi) ilaç uyumu tarafında bir çözüm düşünüyorsanız, kritik soru şu:

Uygulamanız kullanıcıya sadece “ne oldu”yu mu söylüyor, yoksa “şimdi ne yapmalı”yı mı?