İbrahim Faruk ADIGÜZEL, Hakan ERTEM
Osmangazi Tıp Dergisi - 2026;48(6):1072-1078
Hastalar el ve el bileği hastalıkları hakkında bilgi edinmek için giderek daha fazla konuşmaya dayalı yapay zekâ araçlarına başvurmaktadır. Bununla birlikte, mevcut büyük dil modellerinin performansı yeterince tanımlanmamıştır. Bu çalışmada GPT-5.5 ve Claude Opus 4.8 tarafından üretilen hasta eğitimi metinlerinin güvenilirliği, genel kalitesi ve okunabilirliği karşılaştırıldı. Ortopedik eğitim kaynakları ve yazarların poliklinik pratiğine dayanarak 30 el cerrahisi konusu seçildi. Her model aynı istemle konu başına bir yanıt üretti (toplam 60 metin). Yan dal eğitimi almış iki el cerrahı, kaynak kimliği maskelenmiş metinleri bağımsız değerlendirdi. Güvenilirlik ve tedavi bilgisi DISCERN, genel kalite Global Kalite Skoru (GQS), okunabilirlik Flesch-Kincaid Sınıf Düzeyi (FKGL) ve Flesch Okuma Kolaylığı (FRE) ile değerlendirildi. Platformlar Mann-Whitney U testiyle, değerlendiriciler arası uyum sınıf içi korelasyon katsayısı (ICC) ile analiz edildi. Ortanca DISCERN puanı GPT-5.5 için 66,5, Claude Opus 4.8 için 63,5 idi (p = 0,143); ortanca GQS her iki modelde 4,0 bulundu (p = 0,389). Claude Opus 4.8 daha düşük FKGL (8,75'e karşı 10,4; p < 0,001) ve daha yüksek FRE (50,35'e karşı 43,6; p = 0,009) sağladı. ICC nokta tahminleri (%95 GA) DISCERN için 0,755 (0,589-0,853), GQS için 0,676 (0,458-0,807) idi. Uzmanlarca puanlanan güvenilirlik ve genel kalite bakımından anlamlı fark saptanmazken Claude Opus 4.8 daha olumlu formüle dayalı okunabilirlik göstergeleri ortaya koydu; her iki modelde de ortanca FKGL, önerilen altıncı sınıf okuma düzeyinin üzerinde bulundu. FKGL ve FRE yüzeysel dilsel karmaşıklığı ölçtüğünden bu bulgular daha iyi hasta anlayışının, klinik etkinliğin, olgusal eşdeğerliğin veya güvenliğin kanıtı olarak yorumlanmamalıdır.
