Seniye Burcu TORUMTAY ALIÇ
Hitit Medical Journal - 2026;8(2):272-282
Amaç : Bu çalışmanın amacı, düşük riskli term gebeliklerde doğum şekli ve doğum zamanının öngörülmesinde, genel amaçlı bir yapay zekâ (YZ) dil modeli olan ChatGPT (OpenAI, GPT -4o)'ın klinik olarak önceden yorumlanmış veriler üzerinden çalışan bir karar destek aracı olarak öngörü performansını, deneyimli bir obstetrisyenin klinik değerlendirmesi ile karşılaştırmaktır. Gereç ve Yöntemler : Bu tek merkezli, retrospektif çalışmaya düşük riskli, term, tekil gebeliği olan 50 olgu dahil edilmiştir. Önceki sezaryen öyküsü, çoğul gebelik, fetal makrozomi, maternal boy <150 cm, yüksek vücut kitle indeksi, pelvik uygunsuzluk, eşlik eden komorbidite ler, yüksek riskli gebelik, fetal distres, doğum indüksiyonu veya epidural analjezi uygulanan olgular çalışma dışı bırakılmıştır. Tüm fetüsler sefalik prezentasyonda olup olguların tamamı vajinal doğum (VD) isteğine sahipti. Demografik ve obstetrik veriler ile başvuru anındaki kardiyotokografi (KTG) bulguları kaydedildi. Deneyimli obstetrisyen ve ChatGPT -4.0, doğum şeklini ve VD'lerde doğum zamanını tahmin etti. ChatGPT -4.0, üç bağımsız klinisyenin uzlaşı ile belirlediği klinik olarak yoru mlanmış KTG özetlerini kullanırken, obstetrisyen KTG'leri bağımsız olarak değerlendirdi. İstatistiksel analizlerde McNemar testi, Cohen kappa katsayısı, Wilcoxon işaretli sıralar testi ve uyum analizleri kullanıldı. Bulgular : Olguların 41'i (%82) VD, 9'u (%18) uzamış doğum eylemi nedeniyle sezaryen ile doğum yaptı. ChatGPT -4.0 sezaryen olgularının %100'ünü doğru tahmin ederken, vajinal doğumları tahmin etme doğruluğu %53,7 idi. Obstetrisyen VD'lerin %100'ünü doğru tahmin etmi ş, ancak sezaryen tahmin doğruluğu %22,2 olarak saptanmıştır. McNemar testi, iki yaklaşım arasında doğum şekli tahmini açısından ChatGPT -4.0 lehine istatistiksel olarak anlamlı bir yönsel fark olduğunu göstermiştir (p <0.001 ). Nullipar olgularda Cha tGPT-4.0 lehine anlamlı fark bulunmuştur ( p=0.031 ). Doğum zamanı tahmininde iki yöntem arasında anlamlı fark saptanmamıştır ( p=0.319 ). Sonuç : ChatGPT -4.0, obstetriye özgü bir model olmamasına rağmen, bu veri setinde sezaryen gereksinimi olabilecek olguların tanımlanmasında deneyimli bir obstetrisyene kıyasla daha yüksek bir saptama oranı göstermiştir; ancak bu bulgu, klinik karar verme üstünlü ğü anlamına gelmemektedir. Buna karşın, vajinal doğum öngörüsündeki doğruluğu sınırlı bulunmuştur. Gerçek zamanlı ve çok modlu intrapartum verilerle geliştirilecek, obstetriye özgü yapay zekâ tabanlı karar destek sistemleri, klinik uygulamalardaki pot ansiyel faydayı artırabilir. Bu bulgular, yapay zeka modellerinin doğum zamanını ve şeklini tahmin etmedeki potansiyel uygulamalarını göstermektedir; ancak sonuçlar ChatGPT -4.0 modeline özgüdür ve yapay zeka teknolojisinin tamamını temsil ettiği şeklinde y orumlanmamalıdır. Örneklem büyüklüğünün azlığı ve sınıf dengesizliği göz önüne alındığında, bu bulgular kesin sonuçlardan ziyade keşif niteliğinde ve hipotez oluşturucu olarak yorumlanmalıdır.
