Balıkesir’de Yaşayan Yetişkinlerin Sağlık Hizmetlerinde Yapay Zekâ Kullanımına Dair Görüşleri

Öz

Giriş: Yapay zekâ, sağlık hizmetlerinde tanı, tedavi planlaması, hastalık öngörüsü, hasta bakım yönetimi ve klinik karar destek süreçlerinde giderek daha fazla kullanım alanı bulmaktadır. Bu teknolojilerin sağlık sistemine başarılı biçimde entegre edilebilmesi, toplumun yapay zekâyı güvenilir ve faydalı bulmasıyla yakından ilişkilidir. Bu çalışmanın amacı, Balıkesir’de yaşayan yetişkinlerin sağlık hizmetlerinde yapay zekâ kullanımına dair görüşlerini belirlemektir.

Gereç-Yöntem: Kesitsel tipteki çalışma, Temmuz 2024’te Balıkesir Altıeylül ilçesi merkez mahallelerinde yaşayan 18 yaş ve üzeri yetişkinlerde yürütüldü. Çok aşamalı küme örnekleme yöntemiyle 715 kişiye ulaşıldı. Veriler yüz yüze anket yöntemiyle Google Forms üzerinden toplandı. Veriler SPSS 26.0 programında analiz edildi; kategorik değişkenler için ki-kare; sürekli değişkenlerin analizi için t testi kullanıldı. Anlamlılık düzeyi p<0,05 kabul edildi.

Bulgular: Katılımcıların yaş ortalaması 40,3±15,3 olup %52,9’u kadındı. Katılımcıların %64,5’i yapay zekânın sağlık hizmetlerinde kullanımının faydalı olacağını düşünmekteydi. Katılımcıların %44,8’i yapay zekânın doğru tanılar sunacağını düşünürken, %57,3’ü kişisel verilerin güvenliği ile ilgili endişe duymaktaydı. Tek değişkenli analizlerde cinsiyet ve sağlık hizmetlerinde yapay zekânın kullanımında kişisel verilerin güvenliği ile ilgili endişe duyma dışında incelenen tüm değişkenler ile yapay zekâyı faydalı bulma durumu arasında anlamlı fark saptandı. Yapay zekâyı faydalı bulma oranı; 50 yaş altındakilerde, bekârlarda, önlisans ve üzeri öğrenim düzeyindekilerde, çalışanlarda, hane geliri yoksulluk sınırı ve üzerinde olanlarda, çocuk sahibi olmayanlarda, kronik hastalığı ve ilaç kullanımı olmayanlarda, teletıp deneyimi bulunanlarda ve sağlık hizmetlerinde yapay zekânın doğru tanı sunacağını düşünen bireylerde daha yüksekti.

Sonuç-Öneriler: Sağlık hizmetlerinde yapay zekâya yönelik fayda algısı sosyodemografik özellikler, sağlık durumu ve teletıp deneyimine göre değişmektedir. Toplumun farklı gruplarına yönelik güven temelli, anlaşılır ve kanıta dayalı bilgilendirme çalışmaları planlanmalıdır.

Referanslar

1. Alum, E. U., & Ugwu, O. P.-C. (2025). Artificial intelligence in personalized medicine: Transforming diagnosis and treatment. Discover Applied Sciences, 7(3), 193. https://doi.org/10.1007/s42452-025-06625-x
2. Aras, S., Drakos, C., Manimangalam, V., Nasir, M. A., Burns, C., Smith, D., & Equils, O. (2026). Influencing public acceptance of artificial intelligence (AI) in healthcare delivery. Frontiers in Digital Health, 7. https://doi.org/10.3389/fdgth.2025.1664345
3. Atalay, H. N., & Yücel, Ş. (2024). Decoding privacy concerns: The role of perceived risk and benefits in personal health data disclosure. Archives of Public Health, 82(1), 180. https://doi.org/10.1186/s13690-024-01416-z
4. Görgün Baran, A., Koçak Kurt, Ş., & Serdar Tekeli, E. (2017). Yaslilarin Dijital Teknolojileri Kullanım Düzeyleri Üzerine Bir Araştırma. İletişim Kuram ve Araştırma Dergisi 45, 1-24.
5. Beets, B., Newman, T. P., Howell, E. L., Bao, L., & Yang, S. (2023). Surveying Public Perceptions of Artificial Intelligence in Health Care in the United States: Systematic Review. Journal of Medical Internet Research, 25(1), e40337. https://doi.org/10.2196/40337
6. Botha, N. N., Ansah, E. W., Segbedzi, C. E., Dumahasi, V. K., Maneen, S., Kodom, R. V., Tsedze, I. S., Akoto, L. A., & Atsu, F. S. (2024). Artificial intelligent tools: Evidence-mapping on the perceived positive effects on patient-care and confidentiality. BMC Digital Health, 2(1), 33. https://doi.org/10.1186/s44247-024-00091-y
7. Busch, F., Hoffmann, L., Xu, L., Zhang, L. J., Hu, B., García-Juárez, I., Toapanta-Yanchapaxi, L. N., Gorelik, N., Gorelik, V., Rodriguez-Granillo, G. A., Ferrarotti, C., Cuong, N. N., Thi, C. A. P., Tuncel, M., Kaya, G., Solis-Barquero, S. M., Mendez Avila, M. C., Ivanova, N. G., Kitamura, F. C., Hayama, K. Y. I., … Zhang, S. (2025). Multinational Attitudes Toward AI in Health Care and Diagnostics Among Hospital Patients. JAMA network open, 8(6), e2514452. https://doi.org/10.1001/jamanetworkopen.2025.14452
8. Çeti̇nkaya, F., Naçar, M., & Poyrazoğlu, S. (2025). Health Literacy: Individual, Social, and System Dimensions. Turkey Health Literacy Journal, 5(3), 151-160.
9. Dankwa-Mullan, I. (2024). Health Equity and Ethical Considerations in Using Artificial Intelligence in Public Health and Medicine. Preventing Chronic Disease, 21, E64. https://doi.org/10.5888/pcd21.240245
10. DSÖ. (2025, Mart 25). Ethics and governance of artificial intelligence for health: Guidance on large multi-modal models. https://www.who.int/publications/i/item/9789240084759
11. Esmaeilzadeh, P., Mirzaei, T., & Dharanikota, S. (2021). Patients’ Perceptions Toward Human–Artificial Intelligence Interaction in Health Care: Experimental Study. Journal of Medical Internet Research, 23(11), e25856. https://doi.org/10.2196/25856
12. Fahim, Y. A., Hasani, I. W., Kabba, S., & Ragab, W. M. (2025). Artificial intelligence in healthcare and medicine: Clinical applications, therapeutic advances, and future perspectives. European Journal of Medical Research, 30(1), 848. https://doi.org/10.1186/s40001-025-03196-w
13. Fritsch, S. J., Blankenheim, A., Wahl, A., Hetfeld, P., Maassen, O., Deffge, S., Kunze, J., Rossaint, R., Riedel, M., Marx, G., & Bickenbach, J. (2022). Attitudes and perception of artificial intelligence in healthcare: A cross-sectional survey among patients. Digital Health, 8, 20552076221116772. https://doi.org/10.1177/20552076221116772
14. Frost, E. K., O’Shaughnessy, P., Steel, D., Braunack-Mayer, A., Aquino, Y. S. J., & Carter, S. M. (2023). Measures of socioeconomic advantage are not independent predictors of support for healthcare AI: Subgroup analysis of a national Australian survey. BMJ Health & Care Informatics, 30(1). https://doi.org/10.1136/bmjhci-2022-100714
15. Gundlack, J., Thiel, C., Negash, S., Buch, C., Apfelbacher, T., Denny, K., Christoph, J., Mikolajczyk, R., Unverzagt, S., & Frese, T. (2025). Patients’ Perceptions of Artificial Intelligence Acceptance, Challenges, and Use in Medical Care: Qualitative Study. Journal of Medical Internet Research, 27(1), e70487. https://doi.org/10.2196/70487
16. Huh, K. Y., & Song, I. (2025). Cross-sectional analysis of sociodemographic factors associated with self-reported and knowledge-based health literacy in Korea using data from KNHANES 2023. Scientific Reports, 15, 32297. https://doi.org/10.1038/s41598-025-08705-9
17. Kaplan, M., Çakar, F., & Bingöl, H. (2024). Sağlık Alanında Yapay Zekanın Kullanımı: Derleme. Muş Alparslan Üniversitesi Sağlık Bilimleri Dergisi, 4(3), 75-85.
18. Karabulut, B. (2015). Bilgi Toplumu Çağında Dijital Yerliler, Göçmenler ve Melezler. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (21), 11-23.
19. Kaya N. (2025). Hastaların Sağlık Hizmetlerinde Yapay Zeka Kullanımına Yönelik Tutumlarının Değerlendirilmesi [Doktora tezi, Marmara Üniversitesi]. https://katalog.marmara.edu.tr/veriler/yordambt/cokluortam/4B/685078fc7182c.pdf
20. Kılıç, S., & Akca, Ü. (2024). Baby Boomers ve Z Kuşağındaki Yetişkinlerin Dijital Teknoloji Kullanımları Ve Kuşaklararası Dijital Dayanışma. 8gen-ART, 4(1), 27-42. https://doi.org/10.53463/8genart.202400275
21. Levai, C. M., Nussbaum, L. A., Popa, D.-I., Burtic, S.-R., Căpăstraru, B. F., & Jugănaru, I. (2025). Patient Perspectives on AI- and XR-Enabled Telemedicine: A Cross-Sectional Survey in Romania. Healthcare, 13(21), 2672. https://doi.org/10.3390/healthcare13212672
22. OECD. (2024). Explanatory memorandum on the updated OECD definition of an AI system (OECD Artificial Intelligence Papers Sy. 8; OECD Artificial Intelligence Papers, C. 8). https://doi.org/10.1787/623da898-en
23. Osnat, B. (2025). Patient perspectives on artificial intelligence in healthcare: A global scoping review of benefits, ethical concerns, and implementation strategies. International Journal of Medical Informatics, 203, 106007. https://doi.org/10.1016/j.ijmedinf.2025.106007
24. Panteli, D., Adib, K., Buttigieg, S., Goiana-da-Silva, F., Ladewig, K., Azzopardi-Muscat, N., Figueras, J., Novillo-Ortiz, D., & McKee, M. (2025). Artificial intelligence in public health: Promises, challenges, and an agenda for policy makers and public health institutions. The Lancet. Public Health, 10(5), e428-e432. https://doi.org/10.1016/S2468-2667(25)00036-2
25. Shi, Z., Du, X., Li, J., Hou, R., Sun, J., & Marohabutr, T. (2024). Factors influencing digital health literacy among older adults: A scoping review. Frontiers in Public Health, 12, 1447747. https://doi.org/10.3389/fpubh.2024.1447747
26. Sisk, B. A., Antes, A. L., Burrous, S., & DuBois, J. M. (2020). Parental Attitudes toward Artificial Intelligence-Driven Precision Medicine Technologies in Pediatric Healthcare. Children, 7(9), 145. https://doi.org/10.3390/children7090145
27. Uysal, B. (2025). Sağlık Hizmetlerinde Dış Kaynak Kullanımı Teori, Uygulama ve Gelecek Eğilimleri. Efe Akademi Yayınları.
28. Wilson, J., Heinsch, M., Betts, D., Booth, D., & Kay-Lambkin, F. (2021). Barriers and facilitators to the use of e-health by older adults: A scoping review. BMC Public Health, 21(1), 1556. https://doi.org/10.1186/s12889-021-11623-w
29. Yakar, D., Ongena, Y. P., Kwee, T. C., & Haan, M. (2022). Do People Favor Artificial Intelligence Over Physicians? A Survey Among the General Population and Their View on Artificial Intelligence in Medicine. Value in Health, 25(3), 374-381. https://doi.org/10.1016/j.jval.2021.09.004
30. Zhang, Z., Genc, Y., Xing, A., Wang, D., Fan, X., & Citardi, D. (2020). Lay individuals’ perceptions of artificial intelligence (AI)-empowered healthcare systems. Proceedings of the Association for Information Science and Technology, 57(1), e326. https://doi.org/10.1002/pra2.326