Gecikmiş Konuşma Vakalarında Büyük Dil Modellerinin Tedavi Yaklaşımlarının Karşılaştırmalı Analizi: Chatgpt, Deepseek ve Claude

Creative Commons License

Şimşek A., Güneş Z.

GLOHEALTH JOURNAL, cilt.2, sa.1, ss.11-19, 2026 (Hakemli Dergi)

Özet

Arka Plan:Büyük dil modelleri (BDM), sağlık bilimleri alanında klinik karar desteği işlevi üstlenmektedir. Dil ve konuşma terapisi, bu modellerin yetkinliğinin araştırılması gereken kritik bir uygulama alanını oluşturmaktadır.Gereç ve Yöntem:Üç farklı etiyolojik profili temsil eden hipotetik gecikmiş konuşma vakasına (çevresel yoksunluk, late talker ve OSB riski) yönelik ChatGPT, DeepSeek ve Claude platformlarının tedavi önerileri; kanıta dayalı uyum, klinik bütünlük, multidisipliner perspektif, aile odaklılık ve risk sınıflandırması boyutlarında betimsel-karşılaştırmalı analiz yöntemiyle incelenmiştir.Bulgular:Her üç model de Enhanced Milieu Teaching, ESDM ve PRT gibi kanıta dayalı müdahaleleri doğru biçimde tanımlamıştır. Claude yapısal bütünlük ve ayırıcı tanı derinliği açısından öne çıkarken, DeepSeek somut protokol adımları ve nicel ilerleme hedefleri konusunda belirginleşmiş; ChatGPT ise pratik ve erişilebilir öneriler sunmuştur.Sonuç:BDM'ler, dil ve konuşma terapisinde yardımcı karar destek araçları olarak potansiyel taşımaktadır. Ancak klinik uzman denetiminin zorunluluğu sürmekte olup bu araçların uygulamaya entegrasyonu için net etik ve klinik çerçevelere ihtiyaç duyulmaktadır.

Background:Large language models (LLMs) are increasingly assumed roles in clinical decision  support  across  health  sciences.  Speech-language  pathology  represents  a  critical  application  area  requiring systematic evaluation of these models' competencies.Materials   andMethods:Treatment   recommendations   generated   by   ChatGPT,   DeepSeek,   and   Claude   for   three hypothetical delayed speech cases representing distinct etiological profiles (environmental deprivation, late talker, and ASD risk) were examined using a descriptive-comparative method across five dimensions: evidence-based adherence, clinical comprehensiveness, multidisciplinary perspective, family-centered orientation, and risk classification.Results:All  three  models  correctly  identified  core  evidence-based  interventions  including  Enhanced  Milieu  Teaching, ESDM, and PRT. Claude distinguished itself in structural comprehensiveness and differential diagnosis depth; DeepSeek excelled  in  concrete  protocol  steps  and  quantitative  progress  targets;  ChatGPT  provided  practical  and  accessible recommendations.Conclusions:LLMs hold potential as auxiliary decision-support tools in speech-language therapy. However, the necessity of  clinical  expert  supervision  remains  paramount,  and  clear  ethical  and  clinical  frameworks  are  neededfor  the integration of these tools into practice.