AI Summary & Key Takeaways
AI InsightThe adoption of these technologies will be a significant step toward achieving the Sustainable Development Goal of "ensuring healthy lives and promoting well-being for all.
📌 3 Key Takeaways
Abstract
This study aims to systematically evaluate the sensitivity, consistency, and effectiveness of digital health applications such as artificial intelligence (AI) and machine learning used in the detection and monitoring of infectious diseases. The study is based on a systematic review methodology. A literature search was conducted using PubMed, Scopus, and Web of Science databases for peer-reviewed research articles published in English and Turkish between 2016 and 2025. The keywords used in the search included: “infectious diseases,” “machine learning,” “deep learning,” “digital health,” “telehealth,” “detection,” “monitoring,” “artificial intelligence,” “digital health,” “telehealth,” “determine,” and “follow-up.” The literature findings demonstrated that AI and machine learning-based diagnostic systems exhibit significantly higher sensitivity and consistency compared to traditional methods. These systems were found to achieve a relative reduction of up to 30-60% in infection-related in-hospital mortality rates. Furthermore, deep learning models were shown to provide superior speed and accuracy in pathogen detection and medical imaging. In contrast, telehealth applications did not yield consistent results in patient monitoring and medication adherence, with their effectiveness varying depending on the design and context of the application. Next-generation technologies such as IoT, blockchain, and robotics were found to offer a robust infrastructure for proactive pandemic management and early warning systems. Digital health applications continue to play a critical role in combating infectious diseases. AI-based systems, in particular, demonstrate groundbreaking potential in diagnosis and prognosis. However, challenges to the integration of these technologies into global health systems such as cost, data privacy, and standardization as well as the need to validate their effectiveness across different contexts, remain key areas for future research. The adoption of these technologies will be a significant step toward achieving the Sustainable Development Goal of "ensuring healthy lives and promoting well-being for all.
Özet
Literatür bulguları, yapay zekâ ve makine öğrenmesi tabanlı tanı sistemlerinin, geleneksel yöntemlere kıyasla önemli ölçüde daha yüksek duyarlılık ve tutarlılık sergilediğini göstermiştir. Bu sistemlerin, enfeksiyon kaynaklı hastane içi mortalite oranlarında %30-60'a varan göreli bir azalma sağlayabildiği belirlenmiştir. Bununla birlikte derin öğrenme modellerinin, patojen tespiti ve tıbbi görüntülemede üstün bir hız ve doğruluk sağladığı tespit edilmiştir. Tele-sağlık uygulamalarının ise hasta izlemi ve ilaç uyumunda tutarlı sonuçlar vermediği, etkinliğin uygulama tasarımına ve bağlama bağlı olarak değiştiği gözlemlenmiştir. IoT, blockchain ve robotik gibi yeni nesil teknolojilerin ise proaktif salgın yönetimi ve erken uyarı sistemleri için güçlü bir altyapı sunduğu ortaya konmuştur. Dijital sağlık uygulamaları, bulaşıcı hastalıklarla mücadelede kritik bir rol oynamaya devam etmektedir. Özellikle yapay zekâ tabanlı sistemler, tanı ve prognozda çığır açıcı bir potansiyel sergilemektedir. Ancak, bu teknolojilerin küresel sağlık sistemlerine entegre edilmesi önündeki engeller (maliyet, veri gizliliği, standardizasyon) ve farklı bağlamlardaki etkinliklerinin doğrulanması, gelecekteki araştırmaların odaklanması gereken temel alanlardır. Bu teknolojilerin benimsenmesi, sürdürülebilir kalkınma hedefleri doğrultusunda "Sağlıklı ve Kaliteli Yaşam" amacına ulaşmada önemli bir adım olacaktır.