Osman KONUKOGLU, Murat KAYA, Seyma ESEOGLU PEKCAN, Isa GUNAYDIN
Ankara Üniversitesi Tıp Fakültesi Mecmuası - 2026;79(2):216-225
Arka plan: Chat Generative Pre-Trained Transformer (ChatGPT), gerçek yaşam sohbetlerini simüle edebilen ve tanısal destek sağlayabilen yaygın kullanılan bir büyük dil modelidir. Ancak omuz travmalarında kırık saptamadaki performansı henüz araştırılmamıştır. Amaç: Bu çalışmanın amacı, ChatGPT'nin omuz kırıklarını saptamadaki tanısal doğruluğunu değerlendirmek ve performansını bir acil tıp uzmanı ile bir radyologla karşılaştırmaktır. Yöntemler: Bu retrospektif çalışmaya, Eylül 2023 ile Temmuz 2025 tarihleri arasında hem omuz grafisi hem de bilgisayarlı tomografi (BT) çekilen 197 hasta dahil edildi. Bir acil tıp uzmanı, bir radyolog ve ChatGPT modelleri (4o ve 4.5), anonimleştirilmiş grafileri bağımsız ve kör olarak değerlendirerek kırık varlığını ve lokalizasyonunu belirledi. BT altın standart olarak kabul edildi. Tanısal performans; duyarlılık, özgüllük, doğruluk ve eğri altındaki alan (AUC) kullanılarak değerlendirildi. Bulgular: 197 hastanın 74'ünde (%37,56) kırık saptandı ve en sık humerus tutulumu izlendi. Radyolog en yüksek tanısal performansı gösterdi (AUC: 0,903; Doğruluk: %90,86), bunu acil tıp uzmanı izledi (AUC: 0,824; Doğruluk: %82,74). ChatGPT-4o (AUC: 0,641; Doğruluk: %61,93) ve ChatGPT-4.5 (AUC: 0,626; Doğruluk: %57,36) istatistiksel olarak anlamlı ancak zayıf-orta düzeyde tanısal katkı sağladı; her iki model de yüksek duyarlılık ancak düşük özgüllük gösterdi (ChatGPT-4o: 55.28%; ChatGPT-4.5: 41.46%). Her iki modelde de gözlemciler arası uyum stabil bulundu. Sonuç: ChatGPT modelleri, omuz kırıklarının tanısında klinisyenlere kıyasla sınırlı performans göstermiştir. Klinik uzmanlığın yerini alamamakla birlikte, karar verme süreçlerinde destekleyici araçlar olarak kullanılabilirler.
