Telefonun kamerasını yüzünüze çeviriyorsunuz. Birkaç saniye bekliyorsunuz. Ardından ekranda cildinizle ilgili oldukça ayrıntılı görünen bir analiz beliriyor: gözenek görünümü, ince çizgiler, lekeler, kızarıklık, yağlanma, kuruluk… Hemen altında da size özel olduğu söylenen bir bakım rutini var. Sabah şu ürünü, akşam bunu kullanın; şu içerik sizin cildinize daha uygun, bundan ise uzak durun. Bir dermatoloji randevusundan çok daha hızlı. Üstelik evden çıkmanız da gerekmiyor.
Yapay zekâ cilt bakımı ve AI skincare uygulamalarının cazibesi bir süredir etrafta. Yıllardır “cilt tipinizi öğrenin” diyen güzellik sektörü, artık bunun çok daha ileri bir versiyonunu vaat ediyor: Herkesin aynı üç-dört cilt tipinden birine yerleştirildiği standart rutinler yerine, fotoğrafınızın ve verdiğiniz bilgilerin algoritmalar tarafından analiz edildiği kişiselleştirilmiş cilt bakımı. Kulağa oldukça iyi geliyor. Fakat telefon kamerasının gördüğü şey gerçekten cildimizi tanımaya yeter mi?
Bu sorunun yanıtı “yapay zekâ işe yarıyor” ya da “işe yaramıyor” kadar basit değil. Çünkü kozmetik ürün önermekle bir cilt hastalığını tanımak arasında önemli bir sınır var ve bugün tüketiciye sunulan teknolojilerin en tartışmalı noktalarından biri tam olarak bu sınır.
Yapay zekâ cildimize baktığında ne görüyor?
Bugün yapay zekâ destekli cilt bakım sistemlerinin önemli bir bölümü fotoğraf analiziyle çalışıyor. Kullanıcı yüzünün fotoğrafını çekiyor, görüntü işleme sistemleri ciltte belirli görsel özellikleri analiz ediyor ve sistem elde ettiği verileri daha önce işlendiği görüntülerle karşılaştırıyor.
Bazı sistemler bununla yetinmiyor. Yaş, cilt hassasiyeti, mevcut bakım rutini, yaşanılan bölge, güneş maruziyeti veya kullanıcının temel cilt şikâyetleri gibi ek bilgiler de istenebiliyor. Ardından algoritma bir ürün ya da rutin önerisi oluşturuyor. Burada önemli bir ayrım yapmak gerekiyor. Bir uygulamanın fotoğrafınızdan “cildinizde kuruluk görünümü var, nemlendirici ürünlere bakabilirsiniz” demesiyle, aynı fotoğrafa bakarak “bu lezyon şu hastalıktır” demesi aynı şey değil. İlkinde kozmetik bir öneriyle karşı karşıyayız. İkincisinde sistem tıbbi değerlendirme alanına giriyor. Ve mevcut bilimsel literatür, ikinci noktada çok daha dikkatli olmamız gerektiğini söylüyor.
AI skincare ile dermatolojik tanı aynı şey değil
2024 yılında JAMA Dermatology‘de yayımlanan bir çalışma, tüketicilerin doğrudan kullanabildiği yapay zekâ özellikli dermatoloji uygulamalarını incelemek için uygulama mağazalarını taradı. Araştırmacılar ayrıntılı değerlendirmeye aldıkları 41 uygulamada destekleyici bilimsel kanıt, dermatolog veya klinisyen katkısı, algoritmanın nasıl geliştirildiğine ilişkin şeffaflık, veri kullanımı ve kullanıcı gizliliği açısından ciddi eksiklikler tespit etti. Bu bulgu önemli, çünkü bir uygulamanın arayüzünün profesyonel görünmesi veya analiz sonucunun ayrıntılı olması, sistemin klinik olarak doğrulandığı anlamına gelmiyor.
Amerikan Dermatoloji Akademisi de tüketicilere yönelik bilgilendirmesinde, cilt hastalıklarını teşhis ettiğini söyleyen uygulamalara karşı temkinli olunmasını öneriyor. Akademinin yaklaşımı oldukça net: Cilt hastalığının tanısı için kurul onaylı bir dermatoloğa başvurulması gerekiyor; bir uygulamanın verdiği sonuç profesyonel tanının yerine geçirilmemeli.
Dolayısıyla telefonunuz size “cildiniz kuru görünüyor” dediğinde bunu bir bakım önerisinin başlangıç noktası olarak değerlendirmek başka; fotoğraf üzerinden egzama, akne, rosacea ya da şüpheli bir lezyon hakkında kesin sonuca ulaşmak başka. Bu ayrım kişiselleştirilmiş cilt bakımı tartışmasının en önemli çizgilerinden biri.
Yapay zekâ tamamen işe yaramıyor mu?
Burada teknolojiye haksızlık etmemek gerekiyor. Çünkü 2026’da yayımlanan yeni çalışmalar, doğru tasarlanmış yapay zekâ araçlarının tüketicinin cilt sorunlarını anlamasına yardımcı olabileceğine dair daha nüanslı sonuçlar ortaya koyuyor.
Nisan 2026’da JAMA Dermatology‘de yayımlanan ve 2.345 kişinin katıldığı bir araştırmada, yapay zekâ destekli bir dermatoloji bilgi aracından yardım alan katılımcılar, kendilerine gösterilen cilt vakalarındaki durumu isimlendirmede daha başarılı oldular. Fakat önemli bir ayrıntı vardı: Yapay zekâ desteği, katılımcıların bundan sonra ne yapmaları gerektiğini doğru belirleme becerisini aynı şekilde artırmadı. Yani sistem size gördüğünüz şeyin ne olabileceğini anlamada yardımcı olabilir; fakat bu, doğru tedaviyi seçebileceğiniz veya bir dermatoloğa gidip gitmemeniz gerektiğine tek başınıza karar verebileceğiniz anlamına gelmiyor.
2026’da Nature Medicine‘da yayımlanan araştırmalar da insan-yapay zekâ ilişkisindeki başka bir probleme dikkat çekiyor: Yapay zekânın açıklama sunması güveni artırabiliyor, ancak sistem yanlış olduğunda bu güven kullanıcıyı yanlış sonuca karşı daha savunmasız hale getirebiliyor. Genel kullanıcılarla yapılan deneylerde AI desteği doğruluğu artırırken, yanlış AI tahminlerine açıklama eklendiğinde kullanıcıların hatalı sonuca fazla güvenebilmesi önemli bir risk olarak ortaya çıktı. Bu, AI skincare tartışmasında pek konuşulmayan bir ayrıntı. Sorun yalnızca algoritmanın hata yapıp yapmaması değil. Algoritmanın ne kadar ikna edici konuştuğu da önemli.
Dermatologların itirazı nerede başlıyor?
Amerikan Dermatoloji Akademisi’nin tüketicilere yönelik açıklamasında sınır açık biçimde çiziliyor: Tanı koyduğunu iddia eden uygulamalar yerine kurul onaylı dermatolog değerlendirmesine güvenilmesi öneriliyor. Akademi ayrıca bu tür araçların farklı cilt tonlarında doğru çalıştığını gösterecek güçlü bilimsel testlerden geçmesi gerektiğini vurguluyor. Bu uyarının arkasında uzun süredir bilinen somut bir problem var.
University of Pittsburgh Dermatoloji Bölümü’nden dermatolog Prof. Dr. Laura K. Ferris ve çalışma arkadaşlarının akıllı telefon uygulamalarını değerlendirdiği araştırmada, otomatik sistemlerle melanoma riskini değerlendiren uygulamaların performansının oldukça değişken olduğu gösterilmişti. İncelenen dört uygulamanın üçü melanomların yüzde 30 veya daha fazlasını endişe verici olmayan lezyonlar olarak sınıflandırmıştı. En yüksek duyarlılığa sahip uygulama ise görüntüyü otomatik algoritmaya bırakmak yerine kurul onaylı bir dermatoloğa gönderen sistemdi. Ferris ve çalışma arkadaşlarının vardığı nokta bugün hâlâ anlamlı. Otomatik değerlendirmeyi tıbbi muayenenin yerine koymak, özellikle ciddi cilt hastalıklarında tanının gecikmesine yol açabilir.
Burada söz konusu çalışma 2013 tarihli, yani bugünkü yapay zekâ modellerinden çok daha eski teknolojileri inceliyordu. Ancak 2026’da Avrupa’daki dermatoloji uygulamalarını değerlendiren geniş kapsamlı yeni çalışma, doğrulama ve şeffaflık sorununun tamamen ortadan kalkmadığını gösteriyor. Avrupa Dermatoloji ve Venereoloji Akademisi’nin Yapay Zekâ Görev Gücü tarafından yürütülen incelemede 44 Avrupa ülkesindeki uygulamalar tarandı. Çalışmaya alınan 420 dermatoloji uygulamasının yalnızca yüzde 20’si hakemli bilimsel yayınlara bağlantı veriyordu; klinik çalışma değerlendirmesi bulunan uygulama sayısı 24, randomize kontrollü çalışmadan geçmiş olanların sayısı ise yalnızca beşti. Araştırmacılar bilimsel doğrulama, düzenleyici uyum ve şeffaflık açısından hâlâ önemli boşluklar bulunduğu sonucuna vardı. Yani teknoloji hızla ilerliyor ama “uygulama mağazasında bulunuyor” ile “klinik olarak güvenilirliği gösterilmiş” hâlâ aynı anlama gelmiyor.
Bir başka problem: Yapay zekâ her cildi aynı iyi görebiliyor mu?
Yapay zekâ cilt bakımı söz konusu olduğunda gözden kaçırılmaması gereken konulardan biri de eğitim verisi. Bir algoritma, kendisine öğretilen görüntüler üzerinden örüntü tanımayı öğreniyor. Eğitim verisinde belirli cilt tonları yeterince temsil edilmiyorsa sistemin performansı gruplar arasında değişebiliyor.
Bu yalnızca teorik bir kaygı değil. 2026’da Scientific Reports‘ta yayımlanan bir çalışma, dermatoloji yapay zekâ sistemlerinin koyu cilt tonlarında daha düşük performans gösterebilmesinin tanısal eşitlik açısından sorun oluşturduğunu belirtiyor. Araştırmacılar bu farkı azaltmaya yönelik yeni bir model geliştirmiş olsa da çalışmanın varlık nedeni bile mevcut sistemlerin önemli problemlerinden birini gösteriyor: Algoritmik doğruluk herkes için otomatik olarak eşit değil. Bu nedenle bir uygulamanın “yüzde 90 doğruluk” gibi tek bir performans rakamı vermesi tek başına yeterli bilgi olmayabilir. Modelin hangi popülasyonda test edildiğini, farklı cilt tonlarında nasıl performans gösterdiğini ve gerçek yaşam koşullarında doğrulanıp doğrulanmadığını da bilmek gerekiyor.
Kişiselleştirilmiş cilt bakımı gerçekten ne kadar kişisel?
İşin güzellik sektörü açısından en ilginç tarafı burada başlıyor. “Kişiselleştirilmiş” kelimesi son derece güçlü bir pazarlama vaadi. Çünkü hepimiz cildimizin bize özgü olduğunu biliyoruz. Dolayısıyla yalnızca bize hazırlanmış bir rutinin standart bir öneriden daha iyi olacağını düşünmek oldukça doğal. Fakat kişiselleştirmenin dereceleri var.
Bir sistem yaşınızı, cilt tipinizi ve birkaç soruya verdiğiniz cevabı kullanarak ürün kataloğundan seçenek eşleştiriyorsa bu da teknik olarak kişiselleştirme sayılabilir. Fotoğraf analizi eklemek sistemi daha gelişmiş hale getirebilir. Ancak bunların hiçbiri tek başına dermatoloğun yaptığı klinik değerlendirmeyle eşdeğer değil. Dermatolog yalnızca yüzünüzün fotoğrafına bakmaz. Öykünüzü dinler, belirtilerin ne zaman başladığını sorar, kullandığınız ilaçları ve ürünleri öğrenir, gerektiğinde cildin farklı bölgelerini inceler ve benzer görünen durumlar arasında ayırıcı tanı yapar.
Bir selfie bütün bu bağlamı taşıyamaz. Bu nedenle kişiselleştirilmiş cilt bakımı için yapay zekânın en gerçekçi rolü, şimdilik “dijital dermatolog” olmak yerine kullanıcıya bilgi düzenleyen, değişimleri takip etmeyi kolaylaştıran ve uygun kozmetik seçenekleri daraltan yardımcı bir araç olmak gibi görünüyor.
Peki bir AI cilt bakım uygulamasına güvenmeden önce neye bakmalı?
Bir uygulamanın ekranda ayrıntılı grafikler göstermesi bizi kolayca etkileyebilir. Fakat teknoloji değerlendirilirken daha sıkıcı görünen sorular çok daha önemli. Algoritma bağımsız olarak test edilmiş mi? Çalışmanın sonuçları hakemli bir bilimsel dergide yayımlanmış mı? Geliştirme sürecinde dermatologlar yer almış mı? Sistem farklı cilt tonlarında test edilmiş mi? Fotoğraflarınız nerede saklanıyor ve şirket bu verileri başka amaçlarla kullanabiliyor mu? Uygulama size kozmetik ürün mü öneriyor, yoksa hastalık teşhis ettiğini mi iddia ediyor?
2024 JAMA Dermatology incelemesinin dikkat çektiği algoritmik şeffaflık, klinisyen katılımı ve veri gizliliği eksiklikleri düşünüldüğünde bu sorular ayrıntı sayılmaz. Özellikle yüz fotoğrafı söz konusu olduğunda mahremiyet meselesi de bakım rutininin dışına taşar. Kullanıcı yalnızca “cildim kuru mu?” sorusuna yanıt almak için oldukça hassas bir biyometrik veri bırakıyor olabilir.
Yapay zekâ aynaya yeni bir katman ekliyor
Güzellik teknolojilerinin tarihi bize sürekli daha yakından bakmayı öğretti. Önce büyüteçli aynalar vardı. Sonra yüksek çözünürlüklü ön kameralar geldi. Ardından filtreler, cilt analiz cihazları ve şimdi de yüzümüzü sayısal verilere dönüştüren algoritmalar. Burada dikkat edilmesi gereken başka bir kültürel mesele var: Daha fazla veri, cildimiz hakkında her zaman daha sağlıklı bir ilişki kurduğumuz anlamına gelmiyor.
Daha önce önemsemediğimiz küçük bir gözenek, uygulama onu puanladığı anda “düzeltilmesi gereken” bir probleme dönüşebilir. İnce bir çizgi yüzde olarak ölçüldüğünde yaşlanmanın sıradan bir parçası olmaktan çıkıp performans göstergesine benzeyebilir. Teknoloji bize cildimizi anlamamız için yeni araçlar verirken güzellik endüstrisinin uzun zamandır yaptığı başka bir şeyi de çok daha hassas hale getirebilir: Normal özellikleri çözülmesi gereken sorunlar olarak sınıflandırmak. Bu nedenle AI skincare konusunda sormamız gereken soru yalnızca “algoritma doğru ölçüyor mu?” olmamalı. Neyi ölçmeye değer bulduğu da önemli.
Yapay zekâ destekli sistemler önümüzdeki yıllarda cilt bakımının önemli parçalarından biri haline gelebilir. Araştırmalar, doğru geliştirildiğinde bu teknolojilerin insanlara cilt sorunlarını anlamada yardımcı olabileceğini şimdiden gösteriyor. Fakat aynı araştırmalar başka bir şeyi de söylüyor: Algoritmanın verdiği yanıtla o yanıta ne kadar güvenmemiz gerektiği aynı konu değil.
Telefonumuz cildimize bakabilir, görüntüleri karşılaştırabilir, bazı değişimleri takip edebilir ve yüzlerce ürün arasından seçenekleri azaltabilir. Fakat ekrandaki analiz ne kadar ayrıntılı görünürse görünsün, bir kozmetik öneri ile dermatolojik tanı arasındaki çizgiyi ortadan kaldırmıyor. Şimdilik kişiselleştirilmiş cilt bakımında yapay zekânın en güçlü yeri dermatoloğun koltuğu değil de o koltuğa ihtiyaç duyup duymadığımızı anlamamıza yardımcı olabilecek araçların arasında.
Kaynakça ve İleri Okuma
- De La Garza, H. ve ark. (2024). Consumer-Facing Artificial Intelligence Dermatology Applications: A Systematic Evaluation. JAMA Dermatology.
Tüketiciye doğrudan sunulan yapay zekâ destekli dermatoloji uygulamalarını; bilimsel doğrulama, klinisyen katılımı, algoritmik şeffaflık ve veri gizliliği açısından değerlendiren çalışma. Yazıdaki “uygulamanın profesyonel görünmesinin klinik olarak doğrulandığı anlamına gelmediği” bölümünün temel kaynaklarından biri.
JAMA Dermatology – çalışma sayfası - JAMA Dermatology (2026). Artificial Intelligence–Assisted Consumer Recognition of Dermatologic Conditions. 2.345 katılımcıyla gerçekleştirilen çalışma, yapay zekâ desteğinin insanların dermatolojik durumları tanıma becerisine nasıl etki ettiğini inceliyor. Çalışmada AI desteği durumun isimlendirilmesini iyileştirirken, uygun sonraki adımı belirleme konusunda aynı ölçüde yarar görülmemesi yazıda özellikle kullandığımız önemli ayrım. JAMA Dermatology – 2026 araştırması
- Ferris, L. K. ve ark. (2013). Diagnostic Accuracy of Smartphone Applications for Melanoma Detection. JAMA Dermatology, 149(4), 422–426.
Dermatolog Laura K. Ferris ve çalışma arkadaşlarının akıllı telefon uygulamalarının melanom değerlendirmesindeki doğruluğunu araştırdığı çalışma. Otomatik sistemlerin performansındaki farklılıkları ve tıbbi değerlendirmenin yerine tüketici uygulaması koymanın taşıdığı riski göstermesi açısından yazıda kullanıldı.
JAMA Dermatology – Ferris ve arkadaşlarının araştırması - European Academy of Dermatology and Venereology – Artificial Intelligence Task Force (2026). Avrupa’da tüketicilere sunulan dermatoloji uygulamalarının bilimsel doğrulama, düzenleyici uyum ve şeffaflık açısından değerlendirilmesi. İncelemede 44 Avrupa ülkesindeki uygulamalar taranıyor, 420 uygulamanın yalnızca sınırlı bir bölümünün hakemli bilimsel yayınlarla desteklendiği bildiriliyor.
PubMed – Avrupa dermatoloji uygulamaları araştırması - Nature Medicine (2026). Yapay zekâ destekli dermatolojik değerlendirmelerde kullanıcıların AI önerilerine ve açıklamalarına nasıl tepki verdiğini inceleyen araştırma. Çalışma özellikle yanlış bir AI çıktısının ikna edici bir açıklamayla birlikte verilmesinin aşırı güven yaratabilmesi açısından önemli. Yazıdaki “sorun yalnızca algoritmanın hata yapması değil, ne kadar ikna edici konuştuğu da önemli” bölümünü destekliyor.
Nature Medicine – araştırma - Scientific Reports (2026). Dermatoloji yapay zekâ sistemlerinde farklı cilt tonları arasındaki performans farklılıklarını ve tanısal eşitlik sorununu ele alan çalışma. Yazıda AI sistemlerinin eğitim verilerindeki temsil sorunu ve koyu cilt tonlarında performans konusunu desteklemek amacıyla kullanıldı. Scientific Reports – dermatoloji AI ve cilt tonu araştırması
- American Academy of Dermatology (AAD). Should you trust an app with your skin?
Amerikan Dermatoloji Akademisi’nin tüketicilere yönelik bilgilendirmesi. Cilt hastalıklarını teşhis ettiğini iddia eden uygulamalara karşı dikkatli olunmasını, uygulamaların profesyonel dermatolojik değerlendirmenin yerine kullanılmamasını ve teknolojilerin farklı cilt tonlarında doğrulanmasının önemini vurguluyor.
American Academy of Dermatology – dermatoloji uygulamaları rehberi
©mümkün dergi
Yasal Uyarı: Yayınlanan köşe yazısı/haberin tüm hakları Yuka Ajans Yay. ve Org. Tic. Ltd. Şti.’ye aittir. Köşe yazısı/haberin tamamı ya da bir kısmı kaynak gösterilmesi ve/veya habere aktif link verilmesi halinde dahi kesinlikle kullanılamaz.
Ayrıntılar için lütfen tıklayınız.
