Amaç: Yapay zeka (AI) ilerlemeye devam ettikçe, tıp eğitimine ve klinik karar verme sürecine entegrasyonu büyük ilgi görmüştür. ChatGPT-4o, Gemini, Bing AI ve DeepSeek gibi büyük dil modelleri, özellikle uzmanlık eğitimi sınavlarında sağlık uzmanlarını destekleme potansiyelini göstermiştir. Bununla birlikte, bu modellerin uzmanlaşmış tıbbi değerlendirmelerde insan performansını bağımsız olarak ne ölçüde eşleştirebileceği veya aşabileceği belirsizliğini korumaktadır. Bu çalışma, 2010-2021 yılları arasında gerçekleştirilen Uzmanlık Eğitimi Geliştirme Sınavlarında (UEGS) bu AI modellerinin performansını ortopedi asistanları ile sistematik olarak karşılaştırmayı ve doğruluklarına, açıklama derinliklerine ve klinik uygulanabilirliklerine odaklanmayı amaçlamaktadır. YÖNTEMLER: Bu retrospektif karşılaştırmalı çalışma, UEGS sorularının ChatGPT-4o, Gemini, Bing AI ve DeepSeek’e sunulmasını içermektedir. Sınavlara 2010-2021 yılları arasında giren ortopedi asistanları kontrol grubu olarak görev yapmıştır. Yanıtlar doğruluk, açıklayıcı ayrıntı ve klinik uygulanabilirlik açısından değerlendirilmiştir. İstatistiksel analiz, performans karşılaştırması için tek yönlü ANOVA ve post-hoc testleri ile SPSS Version 27 kullanılarak gerçekleştirilmiştir. BULGULAR: Tüm AI modelleri doğruluk açısından ortopedi asistanlarından daha iyi performans göstermiştir. Bing AI en yüksek doğruluk oranlarını (%64,0 ila %93,0) gösterirken, onu Gemini (%66,0 ila %87,0) ve DeepSeek (%63,5 ila %81,0) takip etmiştir. ChatGPT-4o, yapay zeka modelleri arasında en düşük doğruluğu göstermiştir (%51,0 ila %59,5). Ortopedi asistanları sürekli olarak en düşük doğruluğa sahip olmuştur (%43,95 ila %53,45). Bing AI, Gemini ve DeepSeek 5 yıldan fazla tıbbi deneyime eşdeğer bilgi seviyeleri gösterirken, ChatGPT-4o 2-5 yıl arasında değişmektedir. SONUÇ: Bu çalışma, yapay zeka modellerinin, özellikle Bing AI ve Gemini’nin ortopedi uzmanlık muayenelerinde yüksek düzeyde performans gösterdiğini ve eğitim destek araçları olarak potansiyele sahip olduğunu göstermektedir. Bununla birlikte, ChatGPT-4o’nun daha düşük doğruluğu, değerlendirmeler için uygunluğunu azaltmaktadır. Bu sınırlamalara rağmen, yapay zeka tıp eğitiminde umut vaat etmektedir. Gelecekteki araştırmalar güvenilirliği artırmaya, görsel veri yorumlamasını dahil etmeye ve klinik entegrasyonu keşfetmeye odaklanmalıdır. (SETB-2025-03-073)