AĞIZ, DİŞ VE ÇENE RADYOLOJİSİ EĞİTİMİNDE BÜYÜK DİL MODELLERİNİN PERFORMANSININ KARŞILAŞTIRILMASI
TDB 29. Uluslararası Dişhekimliği Kongresi, İstanbul, Türkiye, 1 - 04 Ekim 2026, sa.13, ss.89, (Özet Bildiri)
- Yayın Türü: Bildiri / Özet Bildiri
- Basıldığı Şehir: İstanbul
- Basıldığı Ülke: Türkiye
- Sayfa Sayıları: ss.89
- Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
- İstanbul Üniversitesi Adresli: Evet
Özet
AMAÇ:Büyük dil modelleri (BDM), sağlık eğitiminde giderek daha yaygın kullanılmaktadır. Bu çalışmanın amacı, farklı BDM’lerin Ağız, Diş ve Çene Radyolojisi alanındaki bilgi performanslarını karşılaştırmak ve eğitimdeki potansiyel kullanım alanlarını değerlendirmektir. GEREÇ VE YÖNTEM:Çalışmaya, 2012–2021 yılları arasında gerçekleştirilen Diş Hekimliğinde Uzmanlık Eğitimi Giriş Sınavı’nda (DUS) yer alan Ağız, Diş ve Çene Radyolojisi soruları dahil edildi. Sorular iki araştırmacı tarafından Türkçeden İngilizceye çevrildi ve görüş birliğiyle son hâline getirildi. Her soru, bağımsız oturumlarda aynı istem kullanılarak ChatGPT-4.0, Gemini Advanced ve DeepSeek Chat modellerine yöneltildi. Model yanıtları, ÖSYM tarafından yayımlanan resmî cevap anahtarlarıyla karşılaştırıldı ve doğruluk oranları hesaplandı. Modeller arasındaki performans farkı Kruskal–Wallis testi ile değerlendirildi. İstatistiksel anlamlılık düzeyi p<0,05 olarak kabul edildi. BULGULAR:ChatGPT-4.0, %89,26 doğruluk oranıyla en yüksek performansı gösterdi. Gemini Advanced ve DeepSeek Chat modellerinin doğruluk oranları sırasıyla %83,05 ve %81,34 olarak bulundu. ChatGPT-4.0 sayısal olarak daha yüksek doğruluk oranına ulaşmasına rağmen modeller arasındaki fark istatistiksel olarak anlamlı değildi (H=4,426; p=0,1094). SONUÇ:Değerlendirilen tüm BDM’ler, Ağız, Diş ve Çene Radyolojisi sorularında yüksek doğruluk oranları göstermiştir. ChatGPT-4.0 en yüksek performansı sergilese de modeller arasında istatistiksel olarak anlamlı fark saptanmamıştır. Bulgular, BDM’lerin Ağız, Diş ve Çene Radyolojisi eğitiminde destekleyici öğrenme araçları olarak kullanılabileceğini; ancak klinik karar verme ve görüntü yorumlamaya dayalı eğitim süreçlerinde
AIM:Large language models (LLMs) are increasingly being used in health education. This study aimed to compare the knowledge performance of different LLMs in Oral and Maxillofacial Radiology and to evaluate their potential applications in education. MATERIAL AND METHODS:Oral and Maxillofacial Radiology questions from the Turkish Dental Specialty Examination (DUS) administered between 2012 and 2021 were included. The questions were translated from Turkish into English by two researchers and finalized by consensus. Each question was submitted to ChatGPT-4.0, Gemini Advanced, and DeepSeek Chat in independent sessions using the same prompt. Model responses were compared with the official answer keys published by the Student Selection and Placement Center, and accuracy rates were calculated. Differences in performance among the models were evaluated using the Kruskal–Wallis test. Statistical significance was set at p<0.05. RESULTS:ChatGPT-4.0 achieved the highest performance, with an accuracy rate of 89.26%. The accuracy rates of Gemini Advanced and DeepSeek Chat were 83.05% and 81.34%, respectively. Although ChatGPT-4.0 achieved a numerically higher accuracy rate, the difference among the models was not statistically significant (H=4.426; p=0.1094). CONCLUSION:All evaluated LLMs demonstrated high accuracy rates on Oral and Maxillofacial Radiology questions. Although ChatGPT-4.0 showed the highest performance, no statistically significant difference was found among the models. These findings indicate that LLMs may be used as supportive learning tools in Oral and Maxillofacial Radiology education; however, they cannot replace expert-led training in educational processes based on clinical decision-making and image interpretation.