Amaç: Yapay zekâ ve özellikle büyük dil modelleri (LLM), onkolojide tanı, prognostik değerlendirme ve tedavi planlamasına yönelik karar destek potansiyeli ile giderek daha fazla ilgi görmektedir. Bununla birlikte, gerçek yaşam klinik verileri karşısındaki doğrulukları ve uzman kararlarıyla uyumları henüz yeterince gösterilmemiştir. Bu çalışmada, metastatik hormon duyarlı prostat kanseri (mHSPC) yönetiminde dört LLM’nin (ChatGPT 5.2, Gemini 3, Claude, DeepSeek) klinik kararlarını 3 kişilik tıbbi onkoloji konseyi kararlarıyla karşılaştırarak uyum değerlendirmesi amaçlanmıştır.
Yöntem: Adnan Menderes Üniversitesi’nde takip edilen de novo mHSPC’li 193 hastanın verileri anonimleştirildi ve tedavi kararı için standart formlara aktarıldı. Modeller ve konseyden; volüm/risk sınıflaması, tedavi amacı (küratif/palyatif) ve tedavi önerisi değerlendirmesi istendi; konsey her hasta için tek ortak karar verdi. Uyum Cohen kappa ve yüzde uyumla analiz edildi; p<0,01 anlamlı kabul edildi.
Bulgular: Klinisyen referansına göre volüm değerlendirmesinde (CHAARTED) en yüksek uyum Gemini’de saptandı (κ=0,814; %90,7); Claude orta düzeyde kaldı (κ=0,544; %77,2). ChatGPT (κ=0,096; %55,9) ve DeepSeek (κ=0,058; %54,9) düşük uyum gösterdi ve düşük volüm olgularını çoğunlukla yüksek volüm olarak sınıflandırdı. Risk sınıflamasında (LATITUDE) benzer şekilde Gemini yüksek uyum sağladı (κ=0,768; %88,6), Claude orta düzeydeydi (κ=0,463; %74,1); ChatGPT (κ=0,181; %62,2) ve DeepSeek (κ=0,069; %57,5) zayıf kaldı. Klinisyen 25 hastada küratif hedef belirlemişken, ChatGPT/Gemini/DeepSeek hiç küratif önermezken Claude yalnızca 3 olguda eşleşti. Sistemik tedavi seçiminde en yüksek uyum Claude’da (κ=0,532; %73,6) olup Gemini (κ=0,412; %65,8), ChatGPT (κ=0,302; %59,1) ve DeepSeek (κ=0,150; %58,5) izledi. Tüm modeller ADT tekli tedaviyi belirgin biçimde az tanıyıp ikili/üçlü rejimlere kaydı; DeepSeek ikili, ChatGPT ve Gemini üçlü rejimleri orantısız sıklıkta önerdi. ARPI alt tip eşleşmesi Abirateron’da görece daha iyi, Apalutamid/Darolutamid’de ise yok denecek düzeydeydi.
Sonuç: mHSPC yönetiminde LLM–klinisyen uyumu heterojendi: Gemini volüm/riskte, Claude tedavi seçiminde daha iyi; ChatGPT/DeepSeek yanlış sınıflama ve rejim yoğunlaştırma eğilimindeydi. Bu çalışma; LLM’lerin klinik kararlarda bağımsız kullanım için henüz erken olduğunu, onkolojide ancak uzman denetiminde destekleyici araç olabileceklerini göstermektedir.