RUH SAĞLIĞI HİZMETLERİNDE YAPAY ZEKA UYGULAMALARI VE İLİŞKİLİ TEKNOLOJİLER

Öz

Dünya nüfusu her geçen gün artmaktadır. Bu durum çeşitli dezavantajları da beraberinde getirmektedir. Özellikle ruh sağlığı alanında hastaların hizmete erişimi ve etkin tedaviye ulaşmasının önünde en gelişmiş ülkelerde dahi çeşitli sorunlar yaşanmaktadır. Nüfus artışına paralel olarak, ruh sağlığı bozulmuş ve terapi süreçlerine ihtiyaç duyan insan sayısı da her geçen gün artmaktadır. Bu konuda yetişmiş uzman sayısı, gelişmiş ülkelerde dahi yeterli ihtiyacı karşılayacak miktarda değildir. Söz konusu problem, teknolojik gelişmeler ışında doğan yapay zeka uygulamaları ile kısmen çözülebilecek gibi gözükmektedir. Her ne kadar bir takım kaygıları ve etik tartışmaları barındırsa da YZ alanındaki hızlı ve başarılı gelişmeler bu konudaki destekleyici sistemlerin de etkisi ile önümüzdeki yıllarda daha da yaygınlaşacağına işaret etmektedir. Yapay zeka teknolojilerinin insana dair hata potansiyeli barındıran fizyolojik çıktılardan bağımsız olması ve sıfır hataya yaklaşması, terapi süreçlerinde terapiste çeşitli kolaylık ve avantajlar sağlaması, daha kısa sürede daha fazla insana terapi desteği sunması, düşük maliyet gibi avantajlarla ruh sağlığı alanında yaygınlaşmasının önünü açacak gibi görülmektedir. Son dönemde sıklıkla adı geçen, dijital fenotipleme, sanal terapistler (robo –psikologlar), sanal gerçeklik, akıllı mobil uygulamalar gibi teknolojiler ile ruh sağlığı alanında yapay zeka uygulamalarının kendisine daha büyük bir alan açtığı görülmektedir. Söz konusu çalışmamız, ruh sağlığı alanında geliştirilmiş yapay zeka teknolojilerinin tarihsel sürecini ele alarak, tanı, tedavi ve rehabilitasyon hizmetlerinde başarılı sonuçlar elde edilmiş teknolojilere değinmektedir.

Anahtar Kelimeler

• yapay zeka
• teknoloji
• ruh sağlığı

ARTIFICIAL INTELLIGENCE APPLICATIONS AND RELATED TECHNOLOGIES IN MENTAL HEALTH SERVICES)

Öz

The world population is increasing day by day. This situation brings with it various disadvantages. Even in the most developed countries, there are various problems in patients' access to services and effective treatment, especially in the field of mental health. In parallel with population growth, the number of people with impaired mental health and in need of therapy processes is increasing day by day. The number of experts trained in this field is not sufficient to meet the sufficient needs even in developed countries. The problem in question seems to be partially solved by artificial intelligence applications arising from technological developments. Although it involves some concerns and ethical debates, rapid and successful developments in the field of AI indicate that it will become more widespread in the coming years with the influence of supporting systems in this field. It seems that artificial intelligence technologies will pave the way for their widespread use in the field of mental health, with advantages such as being independent of physiological outputs that have the potential for human error and approaching zero error, providing various conveniences and advantages to the therapist in therapy processes, providing therapy support to more people in a shorter time, and low cost. It is seen that technologies such as digital phenotyping, virtual therapists (robo-psychologists), virtual reality, smart mobile applications and artificial intelligence applications in the field of mental health have opened a larger field for themselves, which have been frequently mentioned recently. Our study covers the historical process of artificial intelligence technologies developed in the field of mental health and touches upon technologies that have achieved successful results in diagnosis, treatment and rehabilitation services.

Anahtar Kelimeler

• artıfıcıal
• intelligence
• mental
• health

Kaynakça

1. Abbas, H., Garberson, F., Liu-Mayo, S., Glover, E. & Wall, D. P. (2020). Multi-modular AI approach to streamline autism diagnosis in young children. Scientific Reports, 10, 5014.
2. Akalın Betül, Demirbaş (2022). Rehabilitasyon Uygulamalarında Yapay Zeka Uygulamaları. Acta Infologıca .6(2): 141- 161.
3. Akalın Betül, Veranyurt (2021). Sağlıkta Dijitalleşme ve Yapay Zeka. SDÜ Sağlık Yönetimi Dergisi. 2: 131- 141.
4. Akgöz Nagehan, Ülker S. Varol, Keskin Remziye, Doğan İdil Arasan (2022). Günümüz ve Gelecekteki Teknolojinin Psikoterapi Uygulamalarına Etkisi ve Etik Tartışmalar. Article Type Review Article Subject Area Psychology. İnternational Journal of Social, Humanities and Administrative Sciences ( JOSHAS Journal). (8): 59: 1840- 1848.
5. Akdoğan Erhan (2007). Rehabilitasyon Amaçlı Bir Robot Kolunun Kuvvet ve Konumunun Zeki Kontrolü.Marmara Üniversitesi Fen Bilimleri Enstitüsü Doktora Tezi.
6. Allen, S. (2020). Artificial intelligence and the future of psychiatry. IEEE Pulse, 11(3), 2-6.
7. Alan Burcu, Zengin Kırbağ (2023). İnsan Zekasından Yapay Zekaya.Fırat Üniversitesi Fen Bilimleri Fakültesi.
8. Altınbaşak, G. (2019). Bipolar ve unipolar bozuklukların uygun biyobelirteç kullanarak makine öğrenme yöntemleri ile sınıflandırılması. [Yayınlanmamış master tezi]. Üsküdar Üniversitesi.

9. Angın Esra (2023). Otizme Yönelik Türkçe Twitter İletilerinin Yapay Zeka Temelli Duygu Çözümlemesi. Kırıkkale Üniversitesi Psikoloji Bölümü. 8(15).
10. Amoroso, N., Diacono, D., Fanizzi, A., La Rocca, M., Monaco, A., Lombardi, Guaragnella, C., Bellotti, R. & Tangaro, S. (2018). Deep learning reveals alzheimer’s disease onset in MCI subjects: Results from an international challenge. Journal of Neuroscience Methods, 302, 3-9.
11. Aydeniz Hüsnü (2020). Geleneksel Değerler Üzerinden Bir Transhümanizm Eleştirisi.İlahiyat Tetkikleri Dergisi. (1 -53): 353- 376.
12. Bardak Selahattin (2022). Mühendislikte Güncel Araştırmalar. Gece Kitaplığı.
13. Bedi, G., Carrillo, F., Cecchi, G., Slezak, D. F., Sigman, M., Mota, N. B., Ribeiro, S., Javitt, D. C., Copelli, M. & Corcoran, C. M. (2015). Automated analysis of free speech predicts psychosis onset in high-risk youths. NPJ Schizophrenia, 1, 15030.
14. Budagova, G.(2021). Dikkat Eksikliği, Hiperaktivite Bozukluğu ve Yapay Zeka.Sağlıkta Yapay Zeka Uygulamaları. Akademisyen Kitabevi.Ankara.
15. Bulut Melisa, Bulu , Neşe Mercan, Çiğdem Yüksel (2020). Psikiyatride Malpraktis. Psikiyatride Güncel Yaklaşımlar-Current Approaches in Psychiatry . 12(2):195-204
16. Cao, B., Cho, R. Y., Chen, D., Xiu, M., Wang, L., Soares, J. C. & Zhang, X. Y. (2018). Treatment Response Prediction and İndividualized İdentification of First-episode Drug-naïve Schizophrenia Using Brain Fun
17. Copeland Jack B.(2004). The Essential Turing: Seminal Writing İn Computing, Logic, Philosophy, Artificial İntelligence and Artificial Life: Plus The Secrets of Enigma. Oxford Ünisersity Press.
18. Coyle, D., Matthews, M., Sharry, J., Nisbet, A. & Doherty, G. (2005). Personal investigator: A therapeutic 3D game for adolecscent psychotherapy. Interactive Technology and Smart Education, 2(2), 73-88.
19. Colpani, R. ve Homem, M.R.P. (2015). An innovative augmented reality educational framework with gamification to assist the learning process of children with intellectual disabilities.
20. Çınar Fatma İlknur, Erpay Faruk, Yıldırım Ezgi, Küçük Emine, Demirtaş Ayla (2022). Demansta Bilişsel Aktiviteyi Artırıcı Yöntemler ve Bakımda Teknolojinin Kullanımı. Sağlık Bilimleri Üniversitesi.
21. Çilingir Buket Mermit (2019). Pulmoner Rehabilitasyonda yapay Zeka; Giyilebilir Takip Cihazları. Van Yüzüncü ıl Tıp Fakültesi.
22. Davydenko Ekaterina A.(2012). Artificial Intelligence in Education of Children with Learning Disabilities. Introduction to Artificial Intelligence, UNM. CS 527
23. Demir Aysel (2018). Ölümsüzlük ve Yapay Zeka Bağlamında Trans- hümanizm. Kırıkkale Üniversitesi. Felsefe Bölümü.(9): 30.
24. Demir Mehmet Hilmi, Arıcı Murat (2019).İnsanı Tanımak İçin Yapay Zeka: Sahici İnsan ve Bir yaşam Tarzı. Yapay Zeka ve Zihin Felsefesi Dergisi. 2 (2): 137-158.
25. De Mello, F. L. & De Souza, S. A. (2019). Psychotherapy and artificial intelligence: A proposal for alignment. Frontiers in Psychology, 10(263), 1-9 .
26. Edipoğlu Gazi Orkun (2023). Yapay Zekanın İnsn Zekasına Psikoterapötik Yaklaşımı. Çukurova Üniversitesi Tıp Fakültesi.Çukurova Tıp Öğrenci Dergisi.3(1): 12- 18.
27. Emre İlkim Ecem, Taş Cumhur, Erol Çiğdem (2021). Psikiyatride Makine Öğrenmesi Yöntemlerinin Kullanımı.Psikiyatride Güncel Yaklaşımlar.13 ( 2) : 332- 353.
28. Erebak, S. (2018). Attitudes toward potential robot coworkers: An experimental investigation on anthropomorphism and caregivers’ trust, work intention and preference of level of automation. [Yayınlanmamış master tezi]. Marmara Üniversitesi
29. Erguzel, T. T., Sayar, G. H. & Tarhan, N. (2016). Artificial intelligence approach to classify unipolar and bipolar depressive disorders. Neural Computing and Applications, 27. 1607-1616.
30. Estabragh, Z.S., Kashani, M. M. R., Moghaddam, F.J. Sari, S., Taherifar, Z., Moosavy, S. M. & Oskooyee, K. S. (2013). Bayesian network modeling for diagnosis of social anxiety using some cognitive-behavioral factors. Network Modeling Analysis in Health Informatics and Bioinformatics, 2: 257–265.
31. Fecich, S. J. (2014). The use of augmented reality-enhanced reading books for vocabulary acquisition with students who are diagnosed with special needs.
32. Fiske, A., Henningsen, P. & Buyx, A. (2019). Your robot therapist will see you now: Ethical implications of embodied artificial intelligence in psychiatry, psychology, and psychotherapy. Journal of Medical Internet Research, 21(5), 13216.
33. Fitzpatrick, K. K., Darcy, A. & Vierhile, M. (2017). Delivering cognitive behavior therapy to young adults with symptoms of depression and anxiety using a fully automated conversational agent (Woebot): A randomized controlled trial. JMIR Mental Health, 4(2)- 19.
34. Habib L, Berget G, Sandnes FE, Sanderson N, Kahn P, Fagernes S (2012). Dyslexic students in higher education and virtual learning environments: an exploratory study. Journal of Computer Assisted Learning. 28(6):574-84.
35. Haynos, A., Wang, S., Lipson, S., Peterson, C. B., Mitchell, J. E., Halmi, K. A., Agras, W. S. & Crow, S. J. (2020). Machine learning enhances prediction of illness course: a longitudinal study in eating disorders. Psychological Medicine, 51(8), 1392-1402.
36. Haşimoğlu,A.(2021).Özgül Öğrenme Bozukluğu ve Dislekside Sanal Gerçeklik Uygulamalarının Yeri ve Kullanımı. Sağlıkta Yapay Zeka Uygulamaları. Akademisyen Kitabevi. Ankara.
37. Hirschtritt, M. E. & Insel, T. R. (2018). Digital technologies in psychiatry: Present and future. Focus (American Psychiatric Publishing), 16(3), 251-258.
38. Huang K, Fu Tianfan ( 2022). Artificial İntelligence Foundation For Therapeutic Science.Comment.1033-1036.
39. Goldwasser. ( 2013). Artificial İntelligence.Saint Louıs Üniversity.(362).
40. Gökdel Mehmet ( 2019). Gelecek tahmin Sistemlerine Yeni Dijital Teknolojiler, Etkileşim Tasarımı ve Kişisel Destek Odaklı Bir Yaklaşım.Yıldız Teknik Üniversitesi. İnteraktif Medya Tasarımı Bölümü Yüksek Lisans Tezi.
41. Gunning D, Sterflk M, Miller J, Stumpf S, Yang G- Z (2019). City Üniversity of London İnstitutional Repository. (4) 37.
42. Gültekin Mücahit (2021 ). Psikolojik Sağlık Hizmetlerinde Dijital Fenotipleme Kullanımı: Fırsatlar , Etik ve Yasal Sorunlar. Kocatepe Üniversitesi Rehberlik ve Psikolojik Danışmanlık Bölümü.
43. Gültekin Mücahit (2022). Yapay Zekanın Ruh Sağlığı Hizmetlerinde Kullanımına İlişkin Fırsatlar ve Sorunlar. İnsan ve Toplum Dergisi.12 (3). 121- 158.
44. Işık, D. (2019. Özel Öğrenme Güçlüğü Olan Öğrencilerin Eğitiminde Artırılmış Gerçeklik Teknolojisi ile Zenginleştirilmiş İçeriklerin Kullanımı. Gazi Üniversitesi Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı Yüksek Lisans Tezi.
45. Jan, A., Meng, H., Gaus, Y. F. & Zhang, F. (2018). Artificial intelligent system for automatic depression level analysis through visual and vocal expressions. İEEE Transactions Cognitive Develop Systems, 10, 668-680. https://doi.org/10.1109/TCDS.2017.2721552
46. Jiang Y, Li X, Luo H, Yin S, Kaynak O ( 2022). Quo Vadıs Artificial İntelligence. Discover Artificial İntelligence.(2): 4
47. Karadavut Ufuk ( 2022). Sağlık Bilimleri Alanında Uluslararası Araştırmalar.Eğitim Yayınevi.
48. Karakoç Elif, Erdem Kaya (2020). Yas ve Melankolide Sanal Gerçekliğin Duygulanımsal Boyutu.İntermedia İnternational e – Journal Spring. 7 ( 12).
49. Karakuş Buse Şencan (2021). Psikoterapide Mobil Uygulama Kullanımının Etik Kurallar Çerçevesinde Ele Alınması. Yaşam Becerileri Psikoloji Dergisi.5(10): 133- 140.
50. Khan, N. S., Gahni, S. M., & Anjum, G. G. (2021). ADAM-sense: Anxiety-displaying activities recognition by motion sensors. Pervasive and Mobile Computing, 78.
51. Kuhn, E., Greene, C., Hoffman, J., Nguyen, T., Wald, L., Schimidt, J., Ramsey, K. M. & Ruzek, J. (2014). Preliminary evaluation of PTSD coach, a smartphone app for post-traumatic stress symptoms. Military Medicine, 179(1), 12-18.
52. Kulke, L., Feyerabend, D. & Schacht, A. (2020). A comparison of the affectiva imotions facial expression analysis software with EMG for identifying facial expressions of emotion. Frontiers in Psychology, 11, 4.
53. Lim, S. M., Shiau, C. W. C., Cheng, L. J. & Lau, Y. (2021). Chatbot-delivered psychotherapy for adults with depressive and anxiety symptoms: A systematic review and meta-regression, Behavior Therapy, 53(2), 334-347.
54. Lin, C. Y., Chai, H. C., Wang, J. Y., Chen, C. J., Liu, Y. H., Chen, C. W. ve Huang, Y. M. (2016). Augmented reality in educational activities for children with disabilities. 42(1), 51-54.
55. Masri, R. Y. & Jani, H. M. (2012). Employing artificial intelligence techniques in mental healthdiagnostic expert system. International Conference on Computer & Information Science (ICCIS)
56. McGinnis, E.V., Anderau, S.P., Hruschak, J., Gurchiek, R.D., Lopez-Duran, N.L., Fitzgerald, K., Rosenblum, K.L., Muzik, M & McGinnis, R. S. (2019). Giving voice to vulnerable children: Machine learning analysis of speech detects anxiety and depression in early childhood. IEEE Journal of Biomedical and Health Informatics, 23: 2294-2301.
57. Menon, V., Rajan, T. M. & Sarkar, S. (2017). Psychotherapeutic applications of mobile phone-based technologies: A systematic review of current research and trends. Indian Journal of Psychological Medicine, 39(1), 4-11.
58. Mutlu, Y. (2016), Bilgisayar destekli öğretim materyallerinin matematik öğrenme güçlüğü yaşayan öğrencilerin sayı algılama becerileri üzerindeki etkilerinin incelenmesi.(Doktora tezi). https://tez.yok.gov.tr sayfasından erişilmiştir.
59. Morsünbül Ümit (2018). Robotlarla Bağlanma ve Cinsellik: Ruh Sağlığı Bakış Açısından Bir Değerlendirme.Psikiyatride Güncel Yaklaşımlar.10 (4): 427- 439.
60. Nilsson Nils J. ( 2009). The Quest For Artıficial İntelligence.Standfort Üniversity.
61. Öz Şahsenem Müşerref (2023). İnsan –Yapay Zeka Dönüşümü: Akıllı Haz Makineleri. Karabük Üniversitesi Yüksek Lisans Tezi.
62. Özer Ömer, Ceyhan Aykut (2021). Kendi Kendine Yardım Temelli Çevrimiçi Psikososyal Destek Platformunun Geliştirilmesi. Afet ve Risk Dergisi . 4 (2): 371- 386.
63. Özbek, A. B. (2014). Öğrenme güçlüğü olan öğrencilerin okuma akıcılığını geliştirmede tablet bilgisayar destekli sağaltım programının etkililiği. (Yüksek lisans tezi).https://tez.yok.gov.tr sayfasından erişilmiştir.
64. Özdil Umut, Arslan Büşra, Taşar Emre, Polat Gökçe, Ozan Şükrü (2021). Dönüştürücü Tabanlı Doğal Dil İşleme Yöntemleri ile reklam Metni Sınıflandırması.
65. Pandian M Durai (2019). Sleep Pattern Analyysıs and İmprovement Usıng Artıfıcıal İntelligence and Musıc Therapy. 2: 54- 62
66. Pedroli E, Padula P, Guala A, Meardi MT, Riva G, Albani G. A (2016). Psychometric tool for a virtual reality rehabilitation approach for dyslexia. Computational and mathematical methodsin medicine
67. Pirim, Harun (2000). Yapay Zeka. Mükendislik Mimarlık Fakültesi. Journal of Üniversity .1 (1). 81- 93
68. Polat, E. (2013). Özel öğrenme güçlüğü yaşayan öğrenciler için web destekli uyarlanabilir öğretim sistemi tasarımı. (Yüksek lisans tezi). https://tez.yok.gov.tr sayfasından erişilmiştir.
69. Rabbi, M., Philyaw-Kotov, M., Lee, J., Mansour, A., Dent, L., Wang, X., Cunningham, R., Bonar, E., Nahum-Shani, I., Klasnja, P., Walton, M., & Murphy, S. (2017). SARA: A mobile app to engage users in health data collection. ACM International Joint Conference on Pervasive and Ubiquitous Computing sunulan bildiri (ss. 781-789) Ramesh AN, Kamphampati C, Monson JRT, Drew PJ (2004).Artificial İntelligence İn Medicine.The Royal College of Surgeons of England. (86) – 334- 338
70. Sattler, A. F., Whiteside, S. P. H., Bentley, J. P. & Young, J. (2018). Development and validation of a brief screening procedure for pediatric obsessive-compulsive disorder derived from the spence children’s anxiety scale. Journal of Obsessive-Compulsive and Related Disorders, 16, 29-35
71. Turhan Esma Nur (2022). Hekim Faaliyetlerinde Yapay Zeka Tarafından Karar Desteği. Federal Tabipler Birliği Kurulu.Süleyman demirek Hukuk Fakültesi Dergisi.2 : 1413-1447.
72. Ucuz, İ., Özcan, Ö., Mete, B., Ari, A., Kayhan-Tetik, B. & Yıldırım, K. (2020). Evaluation of inflammatory markers in childhood-onset psychiatric disorders by using artificial intelligence architectures. Anadolu Psikiyatri Dergisi, 21(3), 301-309.
73. Usta, M. B., Karabekiroğlu, K., Say, G. N., Gumus, Y. Y., Aydon, M., Sahin, B., Bozkurt, A., Karaosman, T., Aral, A., Çobanoğlu Osmanlı, C., Duman Kurt, A., Kesim, N. & Sahin, I. (2020). Can we predict psychiatric disorders at the adolescence period in toddlers? A machine learning approach. Psychiatry and Behavioral Sciences, 10(1-1), 7-12.
74. Soysal Pınar , Tükek Tufan ( 2022). Tele Sağlık. İstanbul Tıp Kitapevi.
75. Steels, Luc (1993). The Artificial Life Roots of Artificial İntelligence.Vrije Üniversiteit Brussel.( B-1050).
76. Şeker Muzaffer, Bulduklu Yasin, Korkut Cem, Doğrul Mürsel ( 2020).Bilişim Teknolojileri ve İletişim.Türkiye Bilimler Akademisi, Ankara.
77. Tsigelny Igor F.(2019). Artificial İntelligence İn Drug Combination Therapy.Oxford Üniversity. 20(4): 1434- 14448.
78. Varol, S, Öncü Abdulkerim (2006). Uzman Sistem Yaklaşımı İle Web Tabanlı Öğretim Değerlendirme Sisteminin Geliştirilmesi. Marmara Üniversitesi Fen Bilimleri Fakültesi Yüksek Lisans Tezi.
79. Walsh, C.G., Riberio, J. D. & Franklin, J. C. (2017). Predicting risk of suicide attempts over time through machine learning. Clinical Psychological Science, 5(3), 457-469.
80. Wang, P. H. ve Hsu, T. (2018). Application of amplified reality to the cognitive effect of children with attention deficit hyperactivity disorder (ADHD)–An example ofItalian Chicco-app interactive building blocks.
81. Yünden Sena (2022). Psikiyatrik Hastalarda Ses Analizi.Psikoloji ve Psikiyatride Güncel Araştırmalar ve İncelemeler. 2 (2) : 201 – 216.
82. Yılmaz Faruk, Mete Anıl, Türkön Buse Fidan, İnce Özgür (2022). Sağlık Hizmetlerinin Geleceğinde Metaverse Ekosistemi ve Teknolojileri: Uygulamalar, Fırsatlar ve Zorluklar.Eurisan Journal of Health Technlogy Assessment. 6(1): 12- 34.
83. Yılmaztekin Hasan Kadir (2020). Türk Fikri Hakları Hukuku Yapay Zeka Tarafından Meydana Getirilen Eserleri Korumak İçin Hazır mı?.Türkiye Adalet Akademisi. 2: 1513- 1586.
84. Zainuddin, N. M. M., Zaman, H. B. ve Ahmad, A. (2010). Developing augmented reality book for deaf in science: the determining factors. In 2010 International Symposium on Information Technology.
85. Zhang, X., Wang, R., Sharma, A. & Deverajand, G. G. (2021). Artificial intelligence in cognitive psychology-Influence of literature based on artificial intelligence on children’s mental disorders. Aggression and Violent Behavior, 101590.
86. Çınar, Kubilay. ( 2023, 20 Ekim). Yapay Sinir Ağları ve R Programıyla Uygulama Artificial Neural Network Utku. https://www.yenibiyoloji.com/sinir-hucresinin-noronun-yapisi-gorevleri-ve-noron-cesitleri-1556/ adresinden edinilmiştir.
87. 89.(2023, 20 Ekim) .Yapay Zeka Uygulamaları. https://en.wikipedia.org/wiki/ELIZA adresinden edinilmiştir.