Görüntü Analizi Yapabilen Büyük Dil Modellerinin Daimi Dişlenme Döneminde Angle Maloklüzyon Sınıflandırmasındaki Karşılaştırmalı Tanısal Performansı/Comparative Diagnostic Performance of Vision-Capable Large Language Models in Angle Malocclusion Classification in the Permanent Dentition

Alaçam A., Kadıoğlu M. B.

20. Uluslararası Türk Ortodonti Derneği Kongresi, Antalya, Türkiye, 4 - 08 Kasım 2026, ss.1, (Özet Bildiri)

  • Yayın Türü: Bildiri / Özet Bildiri
  • Basıldığı Şehir: Antalya
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1
  • Lokman Hekim Üniversitesi Adresli: Evet

Özet

Amaç
Bu çalışmanın amacı, görüntü analizi yapabilen büyük dil modellerinin (ChatGPT, Gemini, Claude ve Microsoft Copilot) daimi dişlenme dönemindeki bireylerde standartlaştırılmış intraoral fotoğraflar kullanılarak Angle maloklüzyon sınıflandırmasındaki tanısal doğruluk, modelin bildirdiği güven düzeyi, tekrarlanabilirlik ve yanıt sürelerini karşılaştırmak; ayrıca maloklüzyon alt tiplerine göre performanslarını değerlendirmektir.
Gereç ve Yöntem
Çalışmaya daimi dişlenme dönemindeki 120 bireye ait standartlaştırılmış intraoral fotoğraf dahil edildi. Olgular uzman ortodontistler tarafından Sınıf I, Sınıf II Bölüm 1, Sınıf II Bölüm 2 ve Sınıf III olarak sınıflandırıldı (n=30/grup). ChatGPT, Gemini, Claude ve Microsoft Copilot aynı istem kullanılarak iki bağımsız oturumda değerlendirildi. Tanısal doğruluk, modelin bildirdiği güven düzeyi, oturumlar arası tekrarlanabilirlik ve yanıt süreleri karşılaştırıldı. Veriler GEE, Cohen kappa, Ki-kare, McNemar ve post-hoc testlerle analiz edildi (p<0,05).
Bulgular
Gemini her iki oturumda da en yüksek tanısal doğruluğu gösterdi (%60,0 ve %58,3); bunu ChatGPT (%51,7 ve %48,3), Claude (%32,5 ve %35,8) ve Microsoft Copilot (%28,6 ve %34,2) izledi. Modeller arasında tanısal performans açısından anlamlı farklılık bulundu (p<0,001), ancak iki değerlendirme oturumu arasında anlamlı fark saptanmadı (p=0,719). Tüm modellerde tanısal performans maloklüzyon tipine göre değişiklik gösterdi; en yüksek doğruluk Sınıf III, en düşük doğruluk ise Sınıf II Bölüm 2 olgularında elde edildi. Yüksek güven düzeyi, anlamlı olarak daha yüksek tanısal doğruluk ile ilişkili bulundu (p<0,001). Yanıt süreleri bakımından da modeller arasında anlamlı farklılık saptandı (p<0,001).
Sonuç
Görüntü analizi yapabilen büyük dil modellerinin Angle maloklüzyon sınıflandırmasındaki tanısal performansı kullanılan modele ve maloklüzyon alt tipine göre değişmektedir. Modelin bildirdiği yüksek güven düzeyi daha yüksek tanısal doğrulukla ilişkili olmakla birlikte, güncel modeller özellikle Sınıf II Bölüm 2 maloklüzyonlarının sınıflandırılmasında sınırlı performans göstermektedir. Bu nedenle bu sistemler bağımsız tanı sistemleri olarak değil, ortodontistleri destekleyen klinik karar destek araçları olarak değerlendirilmelidir.

Anahtar Kelimeler: Angle maloklüzyon, Büyük dil modelleri, Yapay zekâ, Ortodontik tanı, Daimi dişlenme dönemi