YAPAY ZEKÂ TABANLI AKILLI BESLENME VE SAĞLIK ASISTANI

YAPAY ZEKÂ TABANLI AKILLI BESLENME VE SAĞLIK ASISTANI

(Sağlıklı Beslenme için Mobil Uygulama (NutriGuide AI))

1. GİRİŞ VE PROBLEM TANIMI

Günümüzde düzensiz beslenme, hareketsiz yaşam tarzı ve işlenmiş gıda tüketiminin artması; obezite, tip 2 diyabet, hipertansiyon ve kardiyovasküler hastalıklar gibi kronik rahatsızlıkları tetiklemektedir. Bireyler sağlık durumlarına uygun beslenmek istediklerinde sıklıkla iki büyük engelle karşılaşmaktadırlar:

1. Anlık biyometrik verilerinin (kan şekeri, tansiyon vb.) beslenme düzenine nasıl yansıtılacağını bilememek.

2. Evde bulunan mevcut ve sınırlı malzemelerle hem sağlıklı hem de o anki sağlık ihtiyacına uygun yemek kombinasyonları oluşturmakta zorlanmak.

Projenin Amacı

Bu projenin amacı; giyilebilir teknolojilerden ve kullanıcı beyanlarından elde edilen anlık sağlık verilerini analiz ederek, kullanıcının o anki makro/mikro besin ihtiyaçlarını belirleyen ve evdeki mevcut malzemelerle optimize edilmiş kişiselleştirilmiş yemek tarifleri sunan yapay zekâ destekli bir mobil uygulama geliştirmektir.

2. SİSTEM MİMARİSİ VE ÇALIŞMA PRENSİBİ

Sistem; veri toplama, dinamik ihtiyaç analizi ve tarif optimizasyonu olmak üzere üç temel katmandan oluşmaktadır.

+-------------------------------------------------+

| 1. VERİ TOPLAMA KATMANI |

| - Akıllı Saat (Tansiyon, Nabız, Aktivite) |

| - Manuel Giriş / CGM (Kan Şekeri, Trigliserit)|

+------------------------+------------------------+

|

v

+-------------------------------------------------+

| 2. İHTİYAÇ ANALİZİ (ALGORİTMA MOTORU) |

| - Biyometrik Veri Analizi |

| - Makro/Mikro Besin İhtiyacı Belirleme |

+------------------------+------------------------+

|

v

+-------------------------------------------------+

| 3. ÖNERİ VE TARİF KATMANI |

| - Evdeki İşlenmemiş Gıdaların Seçimi |

| - Veritabanı Eşleştirmesi ve Tarif Üretimi |

+-------------------------------------------------+

2.1. Veri Toplama Katmanı (Giyilebilir Teknoloji ve Kullanıcı Girişi)

• Giyilebilir Cihaz Entegrasyonu: Kullanıcıya entegre edilen Spovan Electro 2X (veya muadili) akıllı saat aracılığıyla tansiyon, nabız ve günlük aktivite verileri anlık olarak takip edilir.

• Laboratuvar ve Sensör Verileri: Cihazların doğrudan ölçemediği kan şekeri (glikoz) ve trigliserit derişimi gibi hassas veriler, kullanıcının Sürekli Glikoz Ölçüm (CGM) cihazı entegrasyonuyla veya güncel laboratuvar sonuçlarını mobil arayüze manuel olarak girmesiyle sisteme aktarılır.

2.2. İhtiyaç Analizi Motoru

Uygulama, girilen metabolik verileri analiz ederek kullanıcının tüketmesi ve kaçınması gereken besin öğelerini bir algoritma filtresinden geçirir:

• Kan Şekeri Analizi: Birim kandaki glikoz miktarını ifade eder. Yüksek seyreden kan şekeri durumunda sistem, glisemik indeksi yüksek olan basit karbonhidratları (unlu gıdalar, nişastalı besinler, şekerler) bloke eder; lifli ve protein ağırlıklı besin limitlerini artırır.

• Tansiyon Analizi: Kalpten pompalanan kanın damar çeperinde oluşturduğu basınçtır. Yüksek tansiyon (hipertansiyon) saptandığında, sistem günlük sodyum (tuz) alımını kısıtlar ve potasyum/magnezyum açısından zengin (yeşil yapraklı sebzeler vb.) besinleri öne çıkarır.

• Trigliserit Analizi: Kandaki lipit (yağ) seviyesini gösterir. Yüksek trigliserit seviyelerinde sistem, trans yağları ve doymuş yağları tamamen eler; omega-3 ve doymamış bitkisel yağların (zeytinyağı, avokado vb.) kullanımını teşvik eder.

2.3. Akıllı Yemek Önerisi ve Tarif Optimizasyonu

• Envanter Yönetimi: Kullanıcı, uygulamanın kullanıcı dostu arayüzünde yer alan onay kutucuklarını (checkbox) kullanarak evinde o an bulunan işlenmemiş gıdaları (örneğin: ıspanak, tavuk göğsü, zeytinyağı, bulgur, domates) işaretler.

• Besin Değeri Veritabanı: Uygulama arkasında çalışan ilişkisel veritabanı (SQL/NoSQL), her işlenmemiş gıdanın 100 gramındaki karbonhidrat, yağ, protein, mineral ve vitamin oranlarını tutar.

• Tarif Üretim Algoritması: Sistem, evdeki malzemeler ile kullanıcının sağlık ihtiyacını çakıştırır. Örneğin; kan şekeri ve trigliseriti yüksek bir kullanıcının evinde "patates, tavuk ve zeytinyağı" varsa, sistem patatesi eler veya minimum oranda tutar; kullanıcıya oransal olarak "Zeytinyağlı Fırın Tavuk" tarifini, gramaj ve pişirme önerileriyle birlikte sunar.

3. PROJENİN YENİLİKÇİ (İNOVATİF) YÖNLERİ

• Dinamik Menü Yönetimi: Standart diyet uygulamaları gibi kalıplaşmış listeler sunmaz; kullanıcının o anki fizyolojik durumuna ve evindeki malzemeye göre anlık reçete üretir.

• Sıfır Atık / Sürdürülebilirlik: Evdeki malzemelerin değerlendirilmesini sağlayarak gıda israfının önüne geçer.

• Önleyici Sağlık Hizmeti: Kronik hastalık riski taşıyan bireylerin hastalanmadan önce, günlük beslenme ile parametrelerini (tansiyon, şeker) dengede tutmalarına yardımcı olur.

4. GELECEKTEKİ GELİŞTİRMELER (YOL HARİTASI)

1. Yapay Zekâ (LLM) Entegrasyonu: Tarif oluşturma motorunun ChatGPT/Gemini API'leri veya daha sonra geliştirilebilecek API'lerle ile güçlendirilerek kullanıcılara daha yaratıcı ve gurme tarifler sunması.

2. Gelişmiş Sensör Entegrasyonları: Gelecekte çıkacak olan ve non-invaziv (iğnesiz) kan şekeri ölçümü yapabilen akıllı saat API'lerinin sisteme doğrudan dahil edilmesi.

3. Barkod Okuma Sistemi: Evdeki paketli/işlenmemiş gıdaların kameraya okutularak sisteme saniyeler içinde dahil edilmesi.