Acil serviste büyük dil modelleriyle klinik karar desteği: Farklı risk toleransına sahip yapay zekâ hekim personalarının tanısal performansı

---

Tezin Türü: Tıpta Uzmanlık

Tezin Yürütüldüğü Kurum: Sağlık Bilimleri Üniversitesi, İSTANBUL FATİH SULTAN MEHMET SAĞLIK UYGULAMA VE ARAŞTIRMA MERKEZİ, DAHİLİ TIP BİLİMLERİ BÖLÜMÜ, Türkiye

Tezin Onay Tarihi: 2026

Tezin Dili: Türkçe

Öğrenci: BARIŞ KORKMAZ

Danışman: Burak ÇELİK

Özet:

Amaç: Acil servis sarı alanında değerlendirilen hastalarda, risk toleransı boyutunda farklılaşan üç yapay zekâ hekim personasının (Titiz, Dengeli, Pratik) Top-5 tanı doğruluğunu, kritik tanı atlanma oranlarını ve davranışsal profillerini eşleştirilmiş tasarımda karşılaştırmaktır. Gereç ve Yöntem: Prospektif, tek merkezli, eşleştirilmiş tanısal doğruluk çalışmasına acil servis sarı alanında değerlendirilen 564 hasta dahil edildi. Hastaların erken başvuru notları (şikâyet, kısa öykü, vital bulgular, fizik muayene; tetkik olmaksızın) standart şablona aktarılarak üç GPT-5.2 tabanlı personaya eş zamanlı sunuldu; her personadan beş ön tanılık sıralı liste istendi. Personaların Beş Faktör profilleri IPIP-NEO-120 envanteriyle operasyonel düzeyde değerlendirildi. Nihai tanı, iki bağımsız acil tıp uzmanı tarafından (uyuşmazlıkta üçüncü hakem uzlaşısıyla) kapsamlı dosya incelemesi sonucunda kör olarak belirlendi. Analizlerde Cochran Q, McNemar (Bonferroni × 3), Friedman, Cohen kappa ve Wilson skor güven aralıkları kullanıldı. Bulgular: Hastaların yaş ortalaması 54,8 ± 18,4 yıl, %53,7'si erkekti. Top-5 tanı doğrulukları Titiz %81,6, Dengeli %81,6 ve Pratik %83,3 olarak hesaplandı; üç persona arasında istatistiksel olarak anlamlı fark saptanmadı (Cochran Q p = 0,205). Top-5 listesinde yer verilen kritik ayırıcı tanı sayısı Titiz'de 1,60 ± 1,08, Dengeli'de 1,38 ± 1,06 ve Pratik'te 1,20 ± 0,97 olarak saptandı (Friedman p < 0,001). Cohen kappa değerleri 0,73–0,79 aralığında "iyi düzeyde uyum" gösterdi. Kritik tanı alt grubunda (n = 62) Top-1, Top-3 ve Top-5 yakalama oranlarında personalar arasında anlamlı fark gözlenmedi (sırasıyla p = 0,695; 0,062; 0,513). Sonuç: Aynı taban model üzerinde yalnızca sistem yönergesi değiştirilerek tasarlanan üç yapay zekâ hekim personası, Top-5 tanı doğruluğu açısından benzer performans sergilemiş; ancak kritik ayırıcı tanı listeleme davranışında anlamlı biçimde farklılaşmıştır. Bu bulgu, sistem yönergesi temelli persona tasarımının tanısal doğruluktan bağımsız olarak klinik karar destek davranışını etkileyebileceğini düşündürmektedir. Sonuçlar tek merkezli ve tek model tabanlı bir çalışma bağlamında yorumlanmalı; farklı modellerde ve klinik ortamlarda yapılan ileri çalışmalarla doğrulanmalıdır.