Vildan ÖZER, Özlem BÜLBÜL, Efnan BAYRAK ERBÖLÜKBAŞ, Serdar KARAKULLUKÇU, Aynur ŞAHİN
Kırıkkale Üniversitesi Tıp Fakültesi Dergisi - 2026;28(2):314-320
Amaç: Karbonmonoksit (CO) zehirlenmesi, klinik sonuçları iyileştirmek için hızlı tanımlama ve hiperbarik oksijen tedavisi (HBOT) ihtiyacına yönelik zamanında karar verilmesini gerektirir. Bu çalışma, CO zehirlenmesi vakalarında hastane öncesi evrede HBOT ihtiyacının doğru şekilde belirlenmesinde acil sağlık hizmetleri (ASH) personeli ile büyük dil modellerinin (LLM) karar verme performansını karşılaştırmayı ve LLM'lerin hasta triyajı ve sevkinde karar destek aracı olarak kullanım potansiyelini kullanımını araştırmayı amaçlamıştır. Gereç ve Yöntemler: Bu prospektif ve simülasyon temelli tanısal doğruluk çalışmasında, yerleşik endikasyonlara dayalı olarak 128 standart vaka temelli klinik senaryo (64'ü HBOT gerektiren, 64'ü gerektirmeyen) geliştirildi. Altmış ASH personeli ve beş LLM (GPT-4o, GPT-4.5, GPT-o3, Gemini 2.5 Pro ve DeepSeek-R1) her bir senaryoyu değerlendirdi. Katılımcıların yanıtları, bir tıbbi toksikolog ve bir hiperbarik tıp uzmanı arasındaki fikir birliği ile oluşturulan altın standart cevaplarla karşılaştırıldı. Bulgular: ASH personelinin genel doğruluk oranı %65,1 iken, en yüksek doğruluk oranı GPT-o3 modelinde (%96,9) gözlemlenmiştir. Tüm LLM'ler %100 duyarlılık göstermekle birlikte özgüllük oranları %26,6 (GPT-4.5) ile %93,8 (GPT-o3) arasında değişmiştir. GPT-o3 (%96,9, p<0,001), GPT-4o (%78,9, p=0,001) ve Gemini 2.5 Pro (%75,8, p=0,012) modellerinin doğruluk oranları ASH personeline kıyasla istatistiksel olarak anlamlı düzeyde yüksek bulunmuştur. Ayrıca GPT-o3, diğer tüm modellerden anlamlı derecede daha iyi performans göstermiştir (tümü için p<0,001). Sonuç: Çalışmamız, LLM'lerin hastane öncesi karar verme süreçlerini destekleyebileceğini, uygun merkezlere zamanında sevki kolaylaştırabileceğini, HBOT'ye erken erişimi artırabileceğini ve potansiyel olarak klinik sonuçları iyileştirebileceğini öne sürmektedir. Bununla birlikte, bu bulgular standart simülasyon senaryolarına dayanmaktadır ve yaygın uygulama öncesinde gerçek dünya klinik doğrulamasının yapılması gerekmektedir.
