Dijital fenotipleme, telefon ve giyilebilir cihazlardan elde edilen verilerle kişinin günlük yaşamındaki davranışsal örüntüleri zaman içinde inceleme yaklaşımıdır. Uyku saatleri, hareket, ekran kullanımı veya kalp ritmi ruh hâliyle ilişkili ipuçları taşıyabilir; ancak akıllı saat depresyonu ölçmez ve bir algoritma tek başına tanı koymaz. Değerli soru, verinin neyi ne ölçüde gösterdiği ve kimin gözetiminde yorumlandığıdır.

Dijital fenotipleme nedir?

“Fenotip” burada kişinin gözlenebilen özellikleri anlamında kullanılır. Dijital fenotipleme ise bu özellikleri yalnızca klinik görüşme sırasında anlatılanlarla sınırlı tutmayıp, kişinin izin verdiği ölçüde günlük yaşamdan gelen dijital sinyallerle izlemeyi amaçlar. Kavram, psikiyatride akıllı telefon verilerini araştırma için kullanmayı öneren 2016 tarihli çalışmayla yaygınlaştı (Torous ve arkadaşları, 2016).

Veri iki biçimde toplanabilir:

  • Pasif veri: Kişinin her seferinde bir form doldurmasına gerek kalmadan sensör veya kullanım kayıtlarından oluşur. Adım sayısı, hareketlilik, ekranın açılma sıklığı, uyku-uyanıklık tahmini veya konum değişimi buna örnektir.
  • Aktif veri: Kişinin bilerek verdiği yanıttır. Kısa ruh hâli anketleri, konuşma örneği, tepki süresi görevi veya gün içindeki bir soruya verilen yanıtlar aktif veriye girer.

Bu yaklaşım bir “duygu okuyucu” değildir. Cihaz davranışın bazı izlerini yakalar; bu izlerin kişinin iç deneyimiyle ilişkisi ancak bağlam, kişinin kendi anlatımı ve gerektiğinde klinik değerlendirme ile anlaşılabilir. Bu verilerden türetilen bazı ölçümler araştırmalarda dijital biyobelirteç adayı olarak incelenebilir; ancak dijital fenotipleme ile dijital biyobelirteç eş anlamlı değildir ve “biyobelirteç” sözcüğü ölçümün klinik olarak doğrulandığı anlamına gelmez. Bir uygulamanın dijital fenotipleme kullanması, onun terapi veya tanı hizmeti olduğu anlamına da gelmez. Dijital ruh sağlığı uygulamaları ile online psikoterapi arasındaki farkı ayrıca değerlendirmek gerekir.

Telefon ve akıllı saat hangi verileri toplayabilir?

Her cihaz aynı sensörlere sahip değildir ve bir uygulama teknik olarak erişebildiği her veriyi toplamak zorunda değildir. Aşağıdaki tablo, bir sinyalin neyi düşündürebileceğini ve neyi kanıtlamadığını ayırmak için kullanılabilir:

Veri türü Örnek ölçüm Araştırmada hangi soruya yardımcı olabilir? Tek başına neyi göstermez?
Uyku ve dinlenme Uyku süresi tahmini, gece uyanmaları, yatış-kalkış düzeni Uyku düzenindeki değişimin ruh hâli ve işlevsellikle birlikte seyredip seyretmediği “Az uyku kesin depresyondur” veya “iyi uyku sorun yoktur” sonucunu
Hareket ve konum Adım, hareket yoğunluğu, evden çıkma sıklığı, konum çeşitliliği Günlük etkinlik ve çevreyle temas örüntüsündeki değişimi Bir kişinin neden daha az hareket ettiğini veya bunu isteyip istemediğini
Telefon kullanımı Ekran açma, uygulama süresi, yazma hızı, arama ve mesajlaşma meta verileri Dikkat, rutin, iletişim veya ekran alışkanlıklarındaki zamansal değişimi Mesaj içeriğini, ilişkinin niteliğini veya ruh hâlinin nedenini
Fizyolojik sinyaller Kalp hızı, kalp hızı değişkenliği, cilt sıcaklığı, elektrodermal aktivite Uyarılma ve bedensel stres tepkilerinin öz-bildirimle birlikte incelenmesini “Kalp hızı yükseldi, kişi panik yaşıyor” gibi kesin bir yorumu
Ses ve diğer sensörler Konuşma hızı, ses enerjisi, ışık veya çevresel gürültü Belirli araştırma protokollerinde davranışsal değişimin izlenmesini Kişinin söylediği her şeyin otomatik olarak analiz edildiğini veya doğru anlaşıldığını
Aktif öz-bildirim Günlük ruh hâli, kısa anket, uyku günlüğü Cihaz sinyalini kişinin yaşantısıyla karşılaştırmayı Kısa bir yanıtın bütün klinik tabloyu özetlediğini

Telefon görüşmelerinin veya mesajların kimle ve ne zaman yapıldığı gibi meta veriler, içerikten daha az hassas görünse de kişinin sosyal ağını ve rutinini açığa çıkarabilir. Konum, uyku ve fizyolojik sinyallerin bir araya gelmesi, tek tek verilerden daha ayrıntılı çıkarımlar yapılmasına izin verebilir. Bu nedenle “yalnızca anonim teknik veri” ifadesi, verinin yeniden kimliklendirilemeyeceğini otomatik olarak garanti etmez.

Akıllı saat depresyonu ölçebilir mi?

Kısa yanıt: Bugünkü kanıtlarla hayır. Akıllı saat, uyku veya hareket gibi bazı göstergeleri tahmin edebilir; depresyon ise yalnızca bu göstergelerden ibaret olmayan, belirtilerin süresi, yoğunluğu, kişinin öznel deneyimi ve yaşamındaki işlev etkisiyle değerlendirilen klinik bir tablodur. Aynı uyku ve hareket örüntüsü; vardiyalı çalışma, kronik ağrı, enfeksiyon, bakım sorumluluğu, yas, ekonomik güçlük veya mevsimsel koşullarla da açıklanabilir.

Bu nedenle cihazda “depresyon skoru” veya “ruh hâli puanı” görülmesi, bunun doğrulanmış bir tanı testi olduğu anlamına gelmez. Bir modelin belirli bir araştırma grubunda iki grubu ayırabilmesi, tek bir kişinin bugün depresyonda olup olmadığını güvenilir biçimde söyleyebildiğini göstermez. Tahmin gelecekteki veya gözlenmeyen bir duruma ilişkin olasılık üretir; tanı ise klinik ölçütler, görüşme ve ayırıcı değerlendirme gerektirir. Bu iki kelime günlük kullanımda birbirinin yerine geçirildiğinde yanlış güven veya gereksiz korku doğabilir.

Araştırmalar ne söylüyor?

Kanıt alanı hızlı büyüyor; fakat çalışmaların ölçtüğü şeyler ve kullandığı yöntemler birbirinden oldukça farklı.

Bulgular umut verici ama henüz standart değil

2023 tarihli bir sistematik derleme, ruhsal bozuklukların izlenmesinde hareketlilik ve konum, telefon kullanımı, çağrı kayıtları, kalp hızı, uyku, ses ve sosyal etkileşim gibi çok çeşitli özelliklerin araştırıldığını bildirdi. Derleme, bu sinyallerin nüks veya belirti değişimini izlemeye yardımcı olabileceğini; alanın yine de gelişmekte ve deneysel olduğunu vurguladı (Bufano ve arkadaşları, 2023).

2025’te yayımlanan bir inceleme, akıllı saat çalışmalarında 11 ülkeden 22 araştırmayı bir araya getirdi. En sık kullanılan özellikler ivmeölçer, adım, kalp hızı ve uyku verileriydi; telefon kullanımı, cilt iletkenliği veya konum gibi ölçümler ise cihaz ve protokole göre değişiyordu (Jung ve arkadaşları, 2025). Bu çeşitlilik, “giyilebilir cihazlar ruh hâlini ölçer” gibi tek bir genellemeyi güçleştirir.

Depresyon tahmininde dış doğrulama ve eksik veri sorunu var

2024 tarihli sistematik derleme, depresyonda akıllı telefon verilerini kullanan 24 çalışmayı ve 9.801 katılımcıyı inceledi. Sonuçlar orta düzeyde bir tahmin performansına işaret ederken, karmaşık ve eksik verilerin yanlılık yaratabileceğini; modellerin farklı örneklemlerde yeterince dış doğrulanmadığını belirtti (Leaning ve arkadaşları, 2024). Bir modelin geliştirildiği grupta iyi çalışması, başka yaş, kültür, telefon kullanımı veya sağlık koşullarındaki kişilerde aynı sonucu vereceği anlamına gelmez.

2025’teki boylamsal derlemede dokuz özgün çalışma değerlendirildi; altı çalışmada depresyon şiddeti veya dönemleri için bir tür tahmin bildirildi. Dört çalışmada yüzde 81–91 arasında doğruluk değerleri raporlanmış olsa da örneklemler, süreler ve performans ölçütleri heterojendi; çalışmaların hiçbiri en az bir yıllık izlem, bireysel düzeyde güçlü doğrulama veya klinik kararlarla tutarlı uzun dönem sonuç sağlamadı (Amin ve arkadaşları, 2025). Bu oranlar seçilmiş araştırma koşullarına aittir; bir akıllı saatin günlük hayatta aynı doğrulukla tanı koyduğu şeklinde okunmamalıdır.

2026 tarihli uygulama ve hayata geçirme sistematik derlemesi 47 çalışmayı inceledi. Cihazlar, sensörler, veri işleme ve analiz yöntemleri arasındaki büyük farklılıkların tekrarlanabilirliği ve klinik kullanıma geçişi sınırladığı; çalışmaların çoğunun yüksek gelirli ülkelerde ve belirli tanı gruplarında toplandığı bildirildi (Alam ve arkadaşları, 2026). Bu bulgu, yalnızca algoritmanın başarısını değil, kimin verisinin araştırmaya girdiğini de sormamız gerektiğini gösterir.

2024 tarihli bir görüş yazısı da toplum düzeyinde bir ilişkinin, tek bir kişiye yönelik uygulanabilir bir klinik tahminle aynı olmadığını hatırlatıyor. Yazarlar, o tarihe kadarki klinik çalışmaların dijital fenotiplemenin klinik sonuçları iyileştirdiğini henüz göstermediğini ve uygulamaya geçmeden önce adım adım doğrulama gerektiğini savunuyor (Ortiz ve Mulsant, 2024). Bu, teknolojinin hiçbir zaman işe yaramayacağı anlamına gelmez; kanıtın hangi kullanım için yeterli olduğunu açıkça tanımlamak anlamına gelir.

Modeller nasıl çalışır ve neden kişiden kişiye değişir?

Bir model genellikle önce veriyi küçük parçalara ayırır: günlük adım ortalaması, uyku zamanındaki değişim, ekran kullanımının gün içindeki dağılımı veya kalp hızındaki örüntü gibi özellikler çıkarılır. Daha sonra bu özellikler, anket veya klinik değerlendirme gibi bir referansla ilişkilendirilir. Bazı modeller grup ortalamasını öğrenir; bazıları kişinin kendi geçmişini başlangıç çizgisi kabul etmeye çalışır.

Kişiselleştirme önemli görünse de tek başına sorunu çözmez. Telefonun birkaç gün evde kalması, sensörün şarj edilmemesi veya kişinin uygulamayı açmayı bırakması “veri yok” durumudur; model bunu bazen yanlış biçimde “düşük etkinlik” olarak yorumlayabilir. Cihaz değişikliği, yazılım güncellemesi, mevsim, yeni iş düzeni veya tedavi değişikliği de modelin zaman içinde kaymasına (model drift) yol açabilir. Bu nedenle sonuç bir neden açıklaması değil, belirli koşullarda üretilmiş bir olasılık sinyalidir.

Yanlış alarm, gözden kaçırma ve algoritmik yanlılık

Bir algoritma ruhsal bir sorun olmayan bir değişimi riskli olarak işaretlerse yanlış pozitif sonuç ortaya çıkar. Bu, kişinin kendisini gereksiz yere hasta hissetmesine, damgalanma kaygısına veya gereksiz sağlık başvurularına yol açabilir. Sorun varken model değişikliği yakalayamazsa yanlış negatif sonuç oluşur; bu kez cihazın “sorun yok” mesajı tehlikeli bir güven duygusu verebilir.

Modelin gördüğü sinyal ile kişinin yaşadığı anlam aynı değildir. Örneğin evden daha az çıkmak depresyonla ilişkili olabilir; fakat bu durum yeni doğum yapma, engellilik, güvenlik kaygısı, hava koşulları, yoğun uzaktan çalışma veya bakım verme nedeniyle de ortaya çıkabilir. Daha fazla telefon kullanmak yalnızlıkla ilişkili olabilir; aynı zamanda iş gereği çevrim içi olmayı, eğitim dönemini veya doomscrolling ve haber yorgunluğu gibi çevresel bir stresörü yansıtabilir.

Veri seti belirli ülkelerden, gelir gruplarından, yaşlardan veya cihaz sahiplerinden oluşuyorsa model bu grubun dışındaki kişilerde daha hatalı çalışabilir. 2024 tarihli bir çalışma, uzaktan çoklu veriyle ruh sağlığı değerlendirmelerinde ırk, cinsiyet, eğitim ve yaş gibi gruplar arasındaki adaleti ayrıca değerlendirme gereğini ortaya koydu (Jiang ve arkadaşları, 2024). Dünya Sağlık Örgütü Avrupa Bölgesi de yapay zekâ için temsili, kaliteli ve etik biçimde toplanmış veri; yanlılığın azaltılması ve güçlü yönetişim ilkelerini öne çıkarıyor (WHO Europe, 2025).

Mahremiyet, mülkiyet ve onam neden merkezde?

Bir ruh hâli çıkarımı doğru olmasa bile kişisel olabilir. Uyku saatleri, konum, iletişim sıklığı veya kalp ritmi; kişinin nerede yaşadığını, kimlerle görüştüğünü, ne zaman çalıştığını ve ne zaman kırılgan olduğunu tahmin etmeye yarayabilir. Ayrıca uygulama yalnızca topladığı veriyi değil, veriden çıkarılan bilgiyi de saklayabilir veya paylaşabilir.

Güvenilir bir sistem için en az şu soruların açıkça yanıtlanması gerekir:

  • Hangi ham veriler, ne sıklıkta ve ne kadar süreyle toplanıyor?
  • Konum, iletişim meta verisi, ses veya mesaj içeriği gerçekten gerekli mi?
  • Veriler cihazda mı işleniyor, buluta mı gönderiliyor; şifreleme nasıl sağlanıyor?
  • Veriyi kimler görebiliyor ve araştırma, reklam veya üçüncü taraf amaçlarla yeniden kullanılabiliyor mu?
  • Veriyi silme, dışa aktarma ve onamı geri çekme nasıl yapılacak?
  • Bir model risk işareti üretirse bunu kim inceleyecek, kişi sonucu görebilecek ve itiraz edebilecek mi?
  • Cihazı kullanmamak ya da belirli sensörleri kapatmak hizmete erişimi etkiler mi?
  • Verinin bir gün sigorta, işveren veya başka bir kurum tarafından istenmesi durumunda sınırlar neler?

Dünya Sağlık Örgütü yapay zekâda insan özerkliği, mahremiyet, bilgilendirilmiş onam ve insan denetimini temel etik ilkeler arasında sayıyor (WHO, Ethics and governance of artificial intelligence for health, 2021). Ergen hastalar ve bakım verenlerle yapılan, 40 kişinin görüşlerine dayanan bir çalışma ise onam konuşmalarında klinik yarar, açıklanabilirlik, doğruluk, veri güvenliği, kontrol, klinisyen ilişkisi ve kişinin onuru gibi yedi alanın önemsendiğini gösterdi (Sonig ve arkadaşları, 2024). Bu çalışma tüm yetişkinlerin görüşlerini temsil etmez; yine de teknik bir “kabul ediyorum” kutusunun, gerçek onam konuşmasının yerini tutmadığını hatırlatır.

Bu çerçevede veri sahipliği yalnızca hukuki bir başlık değildir. Kişi, hakkında üretilen çıkarımı görebilmeli; yanlışsa düzeltilmesini isteyebilmeli ve hizmet alabilmek için gereksiz veri vermeye zorlanmamalıdır. Online psikoterapide mahremiyet ve güvenli görüşme yazısında ele alınan güvenlik soruları, sensör verisi kullanan uygulamalarda da geçerlidir.

Klinik olarak ne zaman işe yarayabilir?

Dijital fenotiplemenin en makul kullanım alanları bugün için şunlardır:

  1. Araştırmada, kişinin günlük yaşamını yalnızca tek bir görüşme anına bağlı kalmadan incelemek.
  2. Kişinin onamıyla, kendi belirtilerini ve rutinini zaman içinde takip etmesine yardımcı olmak.
  3. Klinik görüşmede “son haftalarda uykum ve hareketim nasıl değişti?” sorusuna ek bağlam sağlamak.
  4. Bir değişimi, tanı ilanı olarak değil, kişi veya klinisyen tarafından konuşulacak bir erken soru olarak işaretlemek.

Bu kullanımlarda insan değerlendirmesi, kişinin öznel anlatımı ve alternatif açıklamalar vazgeçilmezdir. Bir uygulamanın “risk yükseldi” uyarısı, otomatik ilaç değişikliği, işverene bildirim veya acil müdahale tetikleyicisi olmamalıdır. Cihazın klinik kararı desteklediği iddia ediliyorsa, ölçümün uygunluğu, güvenilirliği ve kullanım amacına göre doğrulanması gerekir; klinik araştırmalarda dijital sağlık teknolojileri için yayımlanan FDA rehberi de bu doğrulama ve kullanılabilirlik adımlarına dikkat çeker (FDA, Digital Health Technologies for Remote Data Acquisition in Clinical Investigations, 2023).

Bir uygulama veya cihazı kullanmadan önce kısa kontrol listesi

Teknolojiye bütünüyle güvenmek ya da bütünüyle reddetmek yerine şu sorularla daha bilinçli bir karar verilebilir:

  • Uygulama açıkça “tanı koymaz” diyor mu; hangi iddiasını hangi çalışmayla destekliyor?
  • Araştırma farklı yaş, kültür, engellilik ve cihaz erişimi olan kişilerde sınanmış mı?
  • Performans sayısı hangi sonuç ölçütüne, hangi örnekleme ve hangi izlem süresine ait?
  • Eksik veya hatalı sensör verisi nasıl ele alınıyor?
  • Bir uyarı geldiğinde gerçek bir insanla görüşme ve sonucu sorgulama yolu var mı?
  • Veriyi kapatmak, silmek ve onamı geri çekmek kolay mı?
  • Ürün, veriyi reklam veya başka ticari amaçlarla kullanıyor mu?
  • Kullanım, bende faydalı bir farkındalık mı yaratıyor, yoksa sürekli kontrol ve kaygıyı mı artırıyor?

Bu liste bir cihazın “iyi” veya “kötü” olduğunu tek başına belirlemez. Ama pazarlama dilindeki “duygularını ölç”, “depresyonu erken yakala” gibi geniş vaatleri, ölçümün gerçek sınırlarıyla karşılaştırmaya yardımcı olur.

Kendi verilerimi nasıl yorumlamalıyım?

Bir haftanın düşük adım sayısı, tek gecenin kötü uykusu veya uzun ekran süresi bir tanı değildir. Veriyi kullanıyorsanız onu birkaç gün ya da hafta içindeki bağlamıyla birlikte gözlemleyin: çalışma saatleri değişti mi, hastalandınız mı, bir yakının bakımını mı üstlendiniz, yolculuk mu yaptınız, cihazı düzenli taktınız mı? Ardından “Cihazım depresyonda olduğumu söylüyor” demek yerine “Son iki haftada uykum ve dışarı çıkma düzenim değişti; ben bunu nasıl yaşıyorum?” sorusunu sorun.

Öznel deneyim, cihaz verisinden daha az önemli değildir. Kişi kendisini iyi hissediyorsa ama cihaz düşük etkinlik gösteriyorsa, bu çelişki bir hata, yanlış ölçüm veya farklı bir bağlam olabilir. Kişi yoğun sıkıntı yaşıyor ama cihaz “normal” görünüyorsa, bu da yardım aramayı ertelemek için gerekçe değildir. Veriyi, gerekiyorsa bir ruh sağlığı uzmanıyla konuşmaya götürülebilecek yardımcı bir not olarak düşünmek daha güvenlidir.

Cihazın kendisi kaygıyı artırıyorsa

Bazı kişiler uyku puanını, kalp hızını veya “hazırlık” skorunu gün içinde defalarca kontrol etmeye başlayabilir. Puan düşmeden uyuyamamak, sensör takılı değilken huzursuz olmak veya her dalgalanmayı tehlike olarak yorumlamak, teknolojinin amaçlanan faydasını tersine çevirebilir. Böyle bir durumda bildirimleri azaltmak, sensörü bir süre kullanmamak veya veriyi yalnızca belirli zamanlarda kontrol etmek düşünülebilir. Telefon çalmadığı hâlde titreşim hissetmek gibi cihazla ilişkili deneyimler de, duyum ile tehlike yorumunu birbirinden ayırmanın önemini gösterir.

Bu adımlar tıbbi bir tedavi önerisi değildir. Cihazı kapatmak, yardım alma hakkından vazgeçmek anlamına gelmez; tam tersine, hangi tür izlem biçiminin kişiye iyi geldiğini fark etmeye yardımcı olabilir.

Sık sorulan sorular

Telefon verileri depresyonu tespit edebilir mi?

Araştırmalar telefon kullanımındaki, hareketlilikteki ve uykudaki bazı örüntülerin depresyon belirtileriyle ilişkili olabileceğini inceliyor. Ancak bu ilişkiler kişiden kişiye değişir; telefon verisi tek başına depresyon tanısı koydurmaz ve yardım aramayı erteletmemelidir.

Akıllı saat ruh hâlini neden yanlış anlayabilir?

Saat çoğunlukla ruh hâlini değil, onunla ilişkili olabilecek dolaylı sinyalleri ölçer. Hastalık, ilaç, egzersiz, vardiya, stresli bir olay veya sensör hatası aynı sinyali üretebilir. Bu nedenle sonuç, kişinin kendi anlatımı ve bağlamı olmadan eksik kalır.

Konum verisini paylaşmak istemiyorsam uygulamayı kullanamaz mıyım?

Her uygulamanın tasarımı farklıdır. Konumun gerçekten gerekli olup olmadığını, kapatıldığında hangi işlevlerin etkileneceğini ve eşdeğer daha az veri isteyen bir seçenek bulunup bulunmadığını sormak gerekir. Onam, hizmete erişmek için gereksiz veriyi paylaşmaya zorlanmak anlamına gelmemelidir.

Uygulama “yüksek risk” uyarısı verirse ne yapmalıyım?

Uyarıyı tanı veya kesin öngörü olarak değil, yaşantınızı kontrol etmeye yarayan bir işaret olarak ele alın. Belirtileriniz, işlev kaybınız veya güvenliğinizle ilgili endişeniz varsa bir ruh sağlığı uzmanıyla görüşün. Kendinize zarar verme düşüncesi, acil tehlike veya güvende kalamama varsa cihaz sonucunu beklemeden Türkiye’de 112’yi arayın ya da en yakın acil servise başvurun.

Sonuç: Ölçüm, kişinin yerini tutmaz

Dijital fenotipleme, ruh sağlığını günlük yaşamın akışı içinde araştırmak için ilginç ve potansiyel olarak yararlı bir araçtır. Uyku, hareket, telefon kullanımı ve fizyolojik sinyaller; kişinin kendi anlatımına eklendiğinde değişimleri fark etmeyi kolaylaştırabilir. Fakat mevcut kanıtlar, bu verilerin akıllı saati bağımsız bir depresyon ölçerine veya telefon uygulamasını klinik değerlendirmeye dönüştürmesi için yeterli değildir.

İyi bir sistem daha çok veri topladığı için değil; amacını sınırlı ve dürüst biçimde açıkladığı, farklı gruplarda sınandığı, yanlış sonuçları görünür kıldığı, veriyi koruduğu ve son sözü kişiye ve yetkin insana bıraktığı için güvenilir olur. Ruh hâli bir gösterge panelindeki tek sayıya sığmaz. Teknoloji, kişinin yaşantısını dinlemenin yerine değil, ancak onunla birlikte kullanılabilir.