Hadi SASANİ, Mehmet Ali ŞİMŞEK
Namık Kemal Medical Journal - 2026;14(2):179-189
Amaç: Pulmoner emboli (PE) ve pulmoner arter sarkomu (PAS) benzer klinik semptomlarla ortaya çıkar, ancak patoloji ve tedavi açısından önemli farklılıklar gösterir. Klinik uygulamada doğru ayırıcı tanı koymak çok önemlidir, ancak zordur. Bu çalışma, PE ile PAS'ı ayırt etmede büyük dil modellerinin (LLM) tanısal etkinliğini değerlendirmek ve klinik karar destek araçları olarak potansiyellerini araştırmak amacıyla yapılmıştır. Gereç ve Yöntem: PE veya PAS tanısı doğrulanmış 18 olgu, DeepSeek V3, Gemini Flash 2.5 ve ChatGPT-4o olmak üzere üç LLM kullanılarak değerlendirilmiştir. Modeller, temel klinik verilerle beslendikten sonra ileri görüntüleme ve tedavi bilgileriyle beslenmiştir. Giriş komutlarını standartlaştırmak için Rol-Hedef-Bağlam çerçevesi uygulanmıştır. Bulgular: DeepSeek V3, ön tanı aşamasında PE'yi tespit etmede en yüksek doğruluğu elde ederken (%88,9), Gemini Flash 2.5 kesin aşamada PAS'ı tanımlamada en iyi performansı gösterdi (%22,2). ChatGPT-4o, sınırlı veri kullanılabilirliği koşullarında daha istikrarlı sonuçlar verdi. Sonuç: LLM'ler, yapılandırılmış komutlar ve uzman gözetimi ile yönlendirildiğinde, PE'yi PAS'tan ayırt etmede destekleyici araçlar olarak umut vaat etmektedir. Nadir veya veri eksikliği olan senaryolarda kullanışlılıkları sınırlıdır. İnsan uzmanlığı ve LLM entegrasyonunu içeren hibrit bir model, tanı doğruluğunu ve klinik karar vermeyi geliştirmede en etkili görünmektedir.
