Sağlık turizminin en önemli gereksinimlerden birisi, ziyaret öncesinde hastaya özel iyi hazırlanmış bir tedavi planı sunulmasıdır. Ziyaret öncesinde planlanan tedavinin hizmet sunumu sırasında beklenmedik şekilde değiştirilmesi güven, zaman ve maliyet kaybına neden olmaktadır. Hastaların tedavi planlarının değiştirilmesinde, insan kaynaklı planlama hataları önemli bir yer tutmaktadır. İnsan kaynaklı hataları minimize etmek için chatbot adı verilen; kişilere online olarak kendi verilerini girme imkânı sunan sanal asistanlar kullanılmaya başlanmıştır. Bu çalışmanın amacı, bir saç ekimi merkezinden tedavi almak için farklı ülkelerden on-line başvuru yapan hastaların verdiği bilgilerden yola çıkarak, hastalara sunulabilecek uygun saç ekimi tedavisinin (graft sayısı vb.) makine öğrenmesi yöntemleri ile tahmin edilmesi amaçlanmaktadır. Öğrenme veri seti (N = 998) saç ekim merkezinin çağrı merkezinden alınan anonimleştirilmiş görüşme kayıtlarından elde edilmiştir. Daha sonra veri seti üzerinde tahminsel analiz yöntemleri içerisinden 6 farklı algoritma (Support Vector Machine, Randomforest, J48, Tree Ensemble, Gradient Boosted Trees, AdaBoostM1) üzerinde çalışılmış ve ZeroR algoritması ile mukayese (benchmark) edilmiştir. Algoritmaların doğrulukları %26 ile %100 oranları arasında değişiklik göstermektedir. Elde edilen sonuçlardan J48 algoritması %100 doğruluk değeri ile yapay zekâ desteği sunulan chatbotların, sağlık turizminden yararlanmak isteyen hastalara etkin bir şekilde tedavi önerisinde bulunabileceğini göstermiştir.  Bu çalışma, makine öğrenimi yöntemlerinin sağlık turizminde tedavi planlamasında önemli katkı sağlayabileceğini gösteren ilk örneklerden biridir.

One of the essential requirements in medical tourism is offering a treatment plan explicitly developed for the patient before visitation. Unexpected modifications to the scheduled patient treatment just before the service delivery result in the loss of trust, time, and cost. Human-induced planning errors play a crucial role in modifying treatment plans. Virtual assistants called chatbots, which allowed people to enter their data online, were used to minimize human-induced errors. This study aims to predict, throught machine learning, the appropriate hair transplant treatment (number of grafts, etc.) that can be offered to patients based on the information provided by patients who apply online from different countries to undergo treatment at a hair transplant center. The learning dataset (N = 998) was obtained from the anonymized call records from the call center of a hair transplant center. Then, six algorithms selected from predictive analysis methods (Support Vector Machine, Random forest, J48, Tree Ensemble, Gradient Boosted Trees, AdaBoostM1) were run on the dataset and benchmarked with the ZeroR algorithm. The accuracy of algorithms ranged between 26% and 100%. Considering the accuracy values in predicting the treatments to be offered to the patients who intended to get service from hair transplant and plastic surgery clinics, it is deemed appropriate to use the J48 algorithm. This study is one of the first examples demonstrating that artificial intelligence methods may substantially contribute to treatment planning in medical tourism.