Çalışmada incelenen yaklaşım, uygulamanın bir öğünün fotoğrafını görsel tanıma ile analiz etmesi ve ardından porsiyon boyutlarını tahmin etmesi üzerine kurulu. Uygulama, görüntüdeki yiyecekleri tanımlamak için yapay zekâ destekli görüntü tanıma kullanıyor; tanımladığı öğeleri daha sonra besin içeriği veritabanlarıyla eşleştirerek toplam enerji ve makro besin ögelerini hesaplıyor. Kağıt üzerinde bu akış, kullanıcı için pratik bir deneyim sunuyor. Ancak araştırmada, gerçek hayattaki öğün çeşitliliğinin ve porsiyon belirsizliğinin, otomatik tahmin süreçlerinde hatalara yol açabildiği vurgulanıyor.

Sunumda yer alan bulgulara göre, dört uygulama arasında MyFitnessPal, LoseIt!, CalAI ve Appediet gibi isimler öne çıkıyor. Araştırmacılar, bu uygulamaların aynı tür girdi altında, referans olarak kullanılan daha kesin bir ölçüm setiyle kıyaslandığında sürekli düşük sonuç verdiğini raporladı. Özellikle “kalori” ve “yağ” tahminlerindeki bu sapma, yalnızca toplam enerji hesabını değil, beslenmenin makro düzeydeki dağılımını da etkileyebilecek türden bir hata olduğuna işaret ediyor.

Bu noktada kritik mesele, fotoğrafa dayalı tahminlerin doğası gereği porsiyon büyüklüğü ve yiyeceğin gerçek bileşimi gibi ayrıntılarda belirsizlik taşıması. Aynı görünen bir tabak farklı hazırlanma yöntemleri, farklı yağ kullanımı veya sos/ek malzeme yoğunluğu nedeniyle kalorisi açısından değişebiliyor. Uygulamalar, görüntüdeki öğeleri ve olası porsiyon hacmini tahmin ederken, bu tür ayrıntıları her zaman doğru yakalayamayabiliyor. Araştırmanın da işaret ettiği gibi, gerçek hayattaki yemeklerin karmaşıklığı, veritabanına eşleştirme adımında hataların büyümesine neden olabilir.

Çalışmanın NUTRITION 2026’da duyurulan sunum formatında yer aldığını ve bulguların, söz konusu uygulamaların kullanıcıların kendi kendine raporlama deneyiminde nasıl bir yanılgı üretebileceğine dair erken ama dikkat çekici bir sinyal verdiğini belirtmek gerekiyor. Fotoğraflı izleme araçlarının diyet farkındalığı yaratması ve kişilere genel eğilimler hakkında yardımcı olması, farklı araştırma alanlarında sıkça tartışılan bir konu. Bununla birlikte, bu yeni değerlendirme; “hızlı takip” hedefi olan sistemlerde, özellikle kalori ve yağ gibi temel metriklerde sistematik eksik tahmin olasılığının göz ardı edilmemesi gerektiğini ortaya koyuyor.

Sonuç olarak, fotoğrafa dayalı kalori sayma uygulamalarının pratik faydaları bulunsa da, National Harbor’da sunulan çalışma kullanıcıların yediklerini sürekli daha düşük görme eğilimiyle karşılaşabileceğini düşündürüyor. Araştırmacıların bulguları, klinik çalışmalar ya da beslenme kalitesini daha titiz biçimde değerlendirme gerektiren senaryolarda, bu tür araçların referans yöntemlerle doğrulanmasının önemini artırıyor. https://scienmag.com/photo-based-calorie-tracking-apps-may-underestimate-calories-consumed-in-meals/

JAMA Network Open’da yayımlanan araştırma, elektronik sağlık kayıtlarından (EHR) alınan metinlerle, Reddit gibi menopozla ilgili çevrimiçi forumlarda yer alan kişisel belirti anlatılarını veri kaynağı olarak kullanıyor. Çalışmanın lideri Yulin Hswen (University of Maryland), klinisyen notlarını ve forum paylaşımlarını, belirtileri yakalayan birbirine benzer “mikrofonlar” gibi düşünerek, menopoz deneyimlerinin hangilerinin sağlık sisteminde belgelenirken, hangilerinin ise daha çok hastaların kendi anlatılarında öne çıktığını karşılaştırmayı hedeflediklerini belirtiyor.

Araştırmacılar, çalışmanın tasarımında yapay zekâdan yararlanarak büyük ölçekli bir veri taraması gerçekleştiriyor. Ekip, University of California San Francisco’ya (UCSF) ait geniş bir EHR metin havuzundan toplamda iki milyondan fazla belgeyi taradığını ve daha sonra çevrimiçi anlatılarla karşılaştırma için kapsamlı bir içerik örüntüsü çıkardığını bildiriyor. Metin tabanlı yaklaşımın amacı, her iki ortamda da “hangi belirti türlerinin” daha görünür veya daha az görünür olduğuna dair desenleri saptamak.

Bu yaklaşım, menopozda sık görülen ve bireyden bireye değişebilen duygusal ve bilişsel değişimlerin neden klinik kayıtlarda her zaman açıkça yer almayabileceğine ışık tutmayı amaçlıyor. Zira rutin başvurularda zaman kısıtları, görüşme sırasında önceliklerin değişmesi ya da hastaların bazı deneyimleri utanç, belirsizlik veya “normal kabul etme” eğilimi nedeniyle dile getirmemesi gibi etkenler, klinik dokümantasyonda eksik bilgi oluşmasına yol açabiliyor. Çalışma, çevrimiçi toplulukların bu tür deneyimleri daha sık ve daha ayrıntılı şekilde paylaşmaya elverişli bir alan olabildiğini varsayarak, iki farklı veri türü arasındaki tutarsızlığı ölçülebilir hale getirmeye çalışıyor.

Metin karşılaştırmasında odağı, menopozun sadece fiziksel belirtilerle sınırlı olmadığı; aynı zamanda bilişsel güçlükler ve duygudurum etkileri gibi alanlarda da kişinin yaşam kalitesini etkileyen süreçler içerdiği yönünde. Araştırmacıların, çevrimiçi anlatılar ile klinik kayıtların “hangi yönleri öne çıkardığına” dair bir ayrışma (divergence) çerçevesi kurmaları, sağlık sistemlerinin hangi semptom gruplarını daha sık belgelediği ve hangilerinin sistematik olarak atlanmış olabileceği sorusunu gündeme getiriyor.

Çalışmanın sonuçlarına ilişkin ayrıntılar, raporun ilerleyen bölümlerinde sunulacak olsa da, metodolojik yaklaşımın değeri şimdiden dikkat çekiyor: EHR metinlerini ve çevrimiçi semptom anlatılarını aynı yapay zekâ altyapısında incelemek, klinik ile hasta deneyimi arasındaki veri görünürlüğü farkını görünür kılma potansiyeli taşıyor. Bu, doğrudan bireylerin tedaviye yönlendirilmesi anlamına gelmeyen, daha çok klinik değerlendirme süreçlerinde hangi bilgilerin atlanabileceğine dair hipotez üretmeye yönelik bir veri analizi olarak konumlanıyor.

Sonuç olarak araştırma, menopozu yalnızca klinik ölçümlerle değil, hastaların gerçek yaşam deneyimlerini nasıl anlattığıyla birlikte düşünmenin önemini gündeme getiriyor. Menopozla ilişkili duygusal ve bilişsel belirtilerin klinik kayıtlarda daha az görünür olabileceğini araştıran bu çalışma, gelecekte daha kapsayıcı semptom tarama yaklaşımlarının tasarlanmasına zemin hazırlayabilecek bir dijital sağlık veri çalışması niteliğinde.

Kaynak: https://scienmag.com/reddit-posts-uncover-silent-menopause-symptoms-in-new-findings/