Yapay zekâ, bağımlılığı anlamak ve önlemek için yeni umut mu?

Tolga MIRMIRIK
X/@mirmirik

Bağımlılık, yalnızca kişisel bir irade zayıflığı değil; beyinde gerçekleşen biyolojik, psikolojik ve sosyal faktörlerin birleşimiyle ortaya çıkan karmaşık bir bozukluktur. Bugün alkol, tütün, uyuşturucu, hatta akıllı telefonlar ve sosyal medya gibi davranışsal bağımlılıklar milyonlarca insanın hayatını derinden etkiliyor. Uzun yıllar boyunca tedavi yöntemleri çoğunlukla terapi, grup desteği ve farmakolojik müdahalelere dayansa da teknolojik gelişmeler bu alana da yön vermeye başladı. Özellikle yapay zekâ (YZ), bağımlılığı tanıma, tedavi etme ve hatta önleme alanında giderek daha fazla umut vaat ediyor.

BAĞIMLILIK NEDİR?

Bağımlılık, Dünya Sağlık Örgütü’ne göre, “bir maddenin tekrarlayan ve kompulsif kullanımı sonucu kişinin sağlığını veya yaşam kalitesini bozmasına rağmen kullanımı bırakmakta güçlük çekmesi” durumudur. Beyindeki ödül sistemi, özellikle dopamin adlı nörotransmitterin aşırı salınımı, kişiyi tekrar tekrar aynı maddeye veya davranışa yöneltir.

Bir kişi her sigara yaktığında, her kumar oynadığında veya sosyal medyada onay aldığında beyin bu ödül mekanizmasını çalıştırır. Zamanla beyin bu uyarana karşı duyarsızlaşır ve daha fazla uyarıcıya ihtiyaç duyar hale gelir. İşte bu döngü, bağımlılığın en temel mekanizmasıdır.

Yapay zekâ, büyük veri setlerini işleyerek içindeki kalıpları ve öngörüleri bulmakta çok başarılıdır. Bu özellik, bağımlılık gibi birçok faktörün bir araya gelerek oluştuğu karmaşık durumları anlamada büyük avantaj sağlar. İşte bu noktada YZ’nin potansiyeli üç ana başlıkta öne çıkmakta:

1. ERKEN TANI VE RİSK TAHMİNİ

Günümüzde sosyal medya paylaşımları, akıllı saatler, telefon uygulamaları gibi araçlar sayesinde bireylerin duygu durumu, davranış alışkanlıkları ve iletişim tarzı gibi veriler toplanabiliyor.

ABD’de yapılan bir araştırmada, Brenda Curtis ve ekibi, kişilerin Facebook gönderilerini analiz ederek, bağımlılık tedavisini bırakma riskini %81 doğrulukla tahmin edebilen bir YZ modeli geliştirdi. Bu model, paylaşımlardaki anahtar kelimeleri, duygusal tonlamayı ve dilsel yapıları analiz ederek “dijital fenotipler” oluşturdu ve bu fenotipleri geleneksel psikolojik testlerden daha isabetli buldu (Curtis et al., 2023, Neuropsychopharmacology).

2. KİŞİSELLEŞTİRİLMİŞ MÜDAHALE VE TERAPİ

Her bireyin bağımlılık geçmişi, tetikleyicileri ve başa çıkma biçimleri farklıdır. YZ, bu farklılıkları analiz ederek kişiye özel müdahale yöntemleri önerebilir. Örneğin, bir bireyin stresli olduğu zamanlarda maddeye yönelme eğilimi varsa, bu durum mobil uygulamalar aracılığıyla gerçek zamanlı olarak fark edilip, kişiye meditasyon, destek mesajı veya terapist yönlendirmesi gibi çözümler sunulabilir.

Stanford Üniversitesi’nde geliştirilen bir yapay zekâ sistemi, bağımlılık tedavisinde kullanılan CBT (Bilişsel Davranışçı Terapi) seanslarının yazılı dökümlerini analiz ederek, terapistlerin müdahale tarzını optimize etmek üzere geri bildirim sağlayabiliyor.

3. NÜKS RİSKİNİN TAHMİNİ VE ÖNLENMESİ

Bağımlılık tedavisinde en zorlu aşamalardan biri, tedavi sonrası kişinin tekrar madde kullanımına dönme (nüks) riskidir. Bu riski belirlemek için YZ, bireyin yaşam biçimi, çevresel faktörler, sosyal destek ağı ve duygu durumunu içeren verileri işleyebilir.

Geliştirilen bazı modeller, kişinin son 30 gün içerisindeki davranış değişikliklerini analiz ederek nüks riskinin arttığını erken aşamada tahmin edebiliyor. Böylece, birey daha krize girmeden önce müdahale edilebiliyor.

ETİK SINIRLAR VE VERİ MAHREMİYETİ

Elbette bu teknolojilerin kullanılabilmesi için ciddi etik sorular da gündeme geliyor. Kişisel sosyal medya verilerinin analiz edilmesi ya da duygusal durum takibi yapılması, ancak bireyin açık onayı ve veri mahremiyetine tam uyumla mümkün olmalı. YZ’nin etik kullanımı, bağımlılık gibi hassas bir alanda çok daha önem kazanıyor.

GELECEĞE BAKIŞ

Yapay zekâ, bağımlılık tedavisinde bir sihirli değnek değil; ancak tedavi sürecine entegre edildiğinde daha etkin, kişiselleştirilmiş ve önleyici sağlık hizmetlerine olanak sağlayabilir. Önümüzdeki yıllarda klinik karar destek sistemleri, sanal terapistler ve duygu tanıma algoritmaları bağımlılık tedavisinin ayrılmaz parçaları haline gelebilir.

Bunu gerçekleştirebilmek için teknoloji geliştiren mühendisler, klinik psikologlar, bağımlılık uzmanları ve etik kurulların birlikte çalışması şart. Ancak doğru kullanıldığında YZ, sadece maddeyle değil, bağımlılığın ardındaki yalnızlık, çaresizlik ve umutsuzlukla da mücadele etmemize yardımcı olabilir. Bağımlılıklarımızdan kurtulmak ümidi ile. İyi haftalar.

Kaynaklar ve önerilen okumalar:

Curtis, B. et al. (2023). AI-based analysis of social media language predicts addiction treatment dropout at 90 days. Neuropsychopharmacology. DOI: 10.1038/s41386-023-01585-5

NIH Basın Duyurusu: https://irp.nida.nih.gov/hot-off-the-press-may-23-2023/

World Health Organization – Substance Use: https://www.who.int/health-topics/substance-use