Martin’in yürütücülüğünü üstlendiği proje, madde kullanan bireyler arasında HIV, hepatit C virüsü (HCV) ve aşırı doz riskini azaltmaya yönelik müdahaleleri daha isabetli hale getirmek için yapay zekâ araçlarından yararlanıyor. Araştırmanın merkezinde, halk sağlığı sistemlerinin uzun süredir eksik bıraktığı bir alan yer alıyor: insanların hangi müdahaleleri, hangi koşullarda ve ne tür hizmet modelleriyle daha kabul edilebilir bulduğunu yerel ve değişken bağlamlarda anlayabilmek. Bu bilgi eksikliği, özellikle yerel toplulukların davranış örüntülerini ve önceliklerini yansıtmayan programların etkisini sınırlayabiliyor.

Yeni girişim AMPLIFY adıyla anılıyor. Projenin amacı, madde kullanan kişilerin deneyimlerini ve tercihlerini araştırma tasarımının pasif bir girdisi olmaktan çıkarıp doğrudan modelleme süreçlerine dahil etmek. Bu yaklaşım, kamu sağlığı planlamasında daha kişiselleştirilmiş ve yerel gerçekliğe uyumlu stratejiler geliştirilmesine katkı sağlayabilir. AMPLIFY’nin adı da bu nedenle anlamlı: amaç, çoğu zaman istatistiksel ortalamaların içinde görünmez kalan bireysel ve topluluk temelli sesleri “güçlendirmek”.

Günümüzde HIV ve HCV önleme çalışmaları, temas takibi, test, tedaviye yönlendirme, zarar azaltma hizmetleri ve davranışsal destek gibi bir dizi bileşene dayanıyor. Ancak bu hizmetlerin etkisi, hedef grubun yaşam koşullarına ve önceliklerine uyum sağladığında artıyor. Özellikle madde kullanım bozukluğu yaşayan kişiler için damgalanma, hizmete erişim güçlükleri, değişken risk ortamları ve yerel hizmet altyapısındaki farklılıklar, standart müdahalelerin başarı şansını azaltabiliyor. Martin’in projesi, bu nedenle veri odaklı ama topluluk duyarlılığı taşıyan bir model kurmayı hedefliyor.

Projede yapay zekâ teknolojilerinin kullanılacak olması, yalnızca otomasyon anlamına gelmiyor. Araştırma ekibi, dijital araçları toplum temelli içgörüleri işleyebilen, değişen tercihleri izleyebilen ve müdahale seçeneklerini senaryolaştırabilen bir çerçeveye dönüştürmeyi amaçlıyor. Bu tür sistemler, sağlık hizmetlerinin farklı kombinasyonlarının olası etkilerini değerlendirmek ve kaynakları daha verimli yönlendirmek açısından değerli olabilir. Özellikle hızlı değişen ve çok etkenli salgın dinamiklerinde, geleneksel veri toplama yöntemleri çoğu zaman sahadaki değişimi yeterince hızlı yansıtamayabiliyor.

Halk sağlığı uzmanları uzun süredir yerelleştirilmiş veri eksikliğinin sorun yarattığını vurguluyor. Ulusal düzeyde güçlü görünen göstergeler, mahalle, şehir ya da hizmet ağı düzeyinde ciddi farklılıkları gizleyebiliyor. Aynı durum, HIV, HCV ve aşırı doz önleme hizmetlerinde de geçerli. Bir bölgede etkili olan bir uygulama, başka bir bölgede ulaşılabilirlik, güven, stigma ya da hizmet tercihleri nedeniyle aynı sonucu vermeyebilir. UC San Diego’daki çalışma, tam da bu nedenle, müdahale tasarımını yalnızca epidemiyolojik eğilimlere değil, kullanıcıların gerçek yaşam tercihlerine dayandırmak istiyor.

NIDA’nın Avant-Garde Ödülü, her yıl yalnızca sınırlı sayıda araştırmacıya verilen ve alışılmışın dışında fikirleri desteklemeyi amaçlayan seçkin bir mekanizma olarak biliniyor. Bu ödül, erken aşamadaki ya da yüksek riskli fakat potansiyel etkisi büyük projelere kapı açıyor. Martin’in çalışmasının bu programa dahil edilmesi, kurumun yapay zekâ ile halk sağlığı verisini birleştiren, disiplinler arası ve toplum merkezli modellerin gelecekte daha fazla önem kazanabileceğine işaret ediyor.

HIV ve hepatit C’nin önlenmesi ile aşırı doz ölümlerinin azaltılması, ABD’de hâlen birbiriyle bağlantılı halk sağlığı öncelikleri arasında yer alıyor. Bu üç alan, sıklıkla aynı sosyal ve klinik risk ağlarında kesişiyor. Bu nedenle tek bir müdahale yerine, bireyin ihtiyaçlarıyla uyumlu, çok katmanlı ve esnek stratejiler geliştirmek kritik görülüyor. Yapay zekâ destekli modelleme, doğru kullanıldığında, hangi hizmetlerin hangi topluluklarda daha fazla benimsenme ihtimali taşıdığını anlamaya katkıda bulunabilir; ancak bunun sahadaki uygulanabilirliği, veri kalitesi ve topluluk katılımının gücüne bağlı kalacak.

Martin’in projesi, bilimsel açıdan özellikle iki nedenle dikkat çekiyor: Birincisi, dijital araçları yalnızca tahmin üretmek için değil, toplumun tercihlerini görünür kılmak için kullanması. İkincisi ise müdahale planlamasında “ortalama kullanıcı” varsayımının ötesine geçme çabası. Sağlık eşitsizlikleri ve madde kullanımına bağlı riskler söz konusu olduğunda, bu tür hassasiyetler programların erişimini ve etkisini belirleyebilir.

Önümüzdeki beş yıl boyunca yürütülecek çalışma, yapay zekâ tabanlı karar destek yaklaşımlarının halk sağlığına nasıl entegre edilebileceğine dair önemli ipuçları sunabilir. Araştırmanın nihai etkisi, yalnızca geliştireceği teknik modellerle değil, bu modellerin sahadaki hizmet sunumuna ne ölçüde uyarlanabildiğiyle de ölçülecek. UC San Diego’daki ekip için bu ödül, HIV, HCV ve aşırı doz krizlerine karşı daha duyarlı, daha yerel ve daha veri temelli çözümlere doğru atılmış önemli bir adım olarak görülüyor.