Gökhan Güzel

Gökhan Güzel

Auto-generated profile, based on publicly available information

Gökhan Güzel

Department of Orthopedic and Traumatology, Atlas University Hospital, Barbaros Mah, H. Ahmet Yesevi Cad, No: 149. Güneşli, Bağcılar, Istanbul, Turkey

Research Focus & Metrics

Academic Career Length

5Years (2022-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
1 June 2026 in Atlas Universitesi Tip ve Saglik Bilimleri Dergisi
Verified
Journal Article
Closed access
GGGökhan Güzel
Gökhan Güzel
HCHasan Ceylan
Hasan Ceylan
Giriş: Büyük dil modelleri (LLM), tıp eğitimi ve klinik destek dahil olmak üzere sağlık hizmetlerinin birçok alanında giderek daha fazla kullanılmaktadır. Bununla birlikte, ortopedik travma gibi yüksek riskli klinik alanlardaki güvenilirlikleri henüz net değildir. Bu çalışma, ortopedik travma sorularında ChatGPT ve Google Gemini’nin doğruluk, klinik muhakeme performansı ve potansiyel klinik risk düzeylerini karşılaştırmayı ve bu performansı ortopedi cerrahlarının performansı ile kıyaslamayı amaçlamıştır. Gereç ve Yöntem: Üst ekstremite, alt ekstremite, pediatrik travma ve acil durumları kapsayan toplam 60 ortopedik travma sorusu (30 teorik ve 30 klinik senaryo tabanlı) hazırlanmıştır. Yanıtlar ChatGPT, Google Gemini ve iki bağımsız ortopedi cerrahından elde edilmiştir. Tüm yanıtlar anonimleştirilmiş ve iki kıdemli ortopedi cerrahı tarafından doğru, kısmen doğru, yanlış veya potansiyel olarak klinik açıdan güvensiz olarak değerlendirilmiştir. İstatistiksel analizler ki-kare ve Fisher’ın kesin testi kullanılarak yapılmıştır. Bulgular: Genel doğruluk oranı ChatGPT için %83,3, Gemini için %80,0 ve ortopedi cerrahları için %91,7 olarak bulunmuştur (p <0,05). Yapay zekâ sistemleri teorik sorularda klinik senaryolara kıyasla daha iyi performans göstermiştir. Potansiyel olarak klinik açıdan güvensiz yanıtlar ChatGPT yanıtlarının %5,0’ında, Gemini yanıtlarının %8,3’ünde ve cerrah yanıtlarının %1,7’sinde görülmüştür. Güvensiz yanıtlar açısından cerrahlar ile Gemini arasındaki fark istatistiksel olarak anlamlı bulunmuştur. Sonuç: Güncel büyük dil modelleri ortopedik travma sorularında yüksek doğruluk göstermesine rağmen, özellikle klinik senaryo temelli muhakemede eğitimli ortopedi cerrahlarının gerisinde kalmaktadır. LLM’ler destekleyici eğitim araçları olarak hizmet edebilir, ancak yüksek riskli travma karar verme süreçlerinde insan denetimi zorunlu olmaya devam etmektedir.

13 October 2022
Verified
Book Chapter
Closed access
GGGökhan Güzel
Gökhan Güzel
Yapay zekânın II. Dünya Savaşı sonrasında Alan Turing ile başlayan ve günümüzde derin öğrenme ile evrişimsel sinir ağlarına (CNN) uzanan gelişim süreci, ortopedik cerrahide tanısal, prognostik ve klinik süreçlerin optimize edilmesinde kritik bir rol oynamaktadır. Ortopedi ve travmatoloji disiplininde derin öğrenme algoritmaları; manuel olarak sınıflandırılmış röntgen, BT ve MRG gibi geniş tıbbi görüntüleme veri tabanlarını işleyerek insan hata payını azaltmayı hedeflemektedir. Literatür incelendiğinde bu sistemlerin; ASA ve mFI-5 gibi geleneksel risk modellerinden daha yüksek doğrulukla postoperatif komplikasyonları öngörebildiği, kalça kırığı risk analizleri ile ekstremite kurtarma tahminlerinde üstün başarı sergilediği gösterilmiştir. Ayrıca ortopedik onkolojide sağkalım sürelerinin tahmini, hastanede kalış süreleri, tedavi maliyetlerinin hesaplanması ve hasta odaklı sonuç ölçütlerinin (PROM) analizinde etkin olarak kullanılmaktadır. Travma ve eklem cerrahisinde ise el, bilek, kalça ve gözden kaçabilecek skafoid kırıklarının tespitinde, osteoartrit evrelendirmesinde, yüksek tibial osteotomi için hasta seçiminde ve omurga cerrahisinde vertebra etiketleme ile dejeneratif değişikliklerin derecelendirilmesinde konunun uzmanı hekimlerle kıyaslanabilir veya daha üstün performans sergilemektedir. Sonuç olarak derin öğrenme, ortopedik cerrahide tanı ve tedavi planlamasını geliştirerek kaynakların verimli kullanılmasına olanak tanımakta ve gelecekte cerrahların bu teknolojik dönüşüme yönelik eğitim alması gerekliliğini ortaya koymaktadır. The developmental process of artificial intelligence, which began with Alan Turing after World War II and has extended to deep learning and convolutional neural networks (CNN) today, plays a critical role in optimizing diagnostic, prognostic, and clinical processes in orthopedic surgery. In the discipline of orthopedics and traumatology, deep learning algorithms aim to reduce human error by processing large medical imaging databases such as manually classified X-rays, CT, and MRI. When the literature is reviewed, it is shown that these systems can predict postoperative complications with higher accuracy than traditional risk models like ASA and mFI-5, and display superior success in hip fracture risk analysis and limb salvage predictions. Additionally, they are effectively utilized in orthopedic oncology for predicting survival times, length of hospital stays, calculating treatment costs, and analyzing patient-reported outcome measures (PROM). In trauma and joint surgery, they exhibit performance comparable to or superior to expert physicians in detecting bone fractures that might be missed, such as in the hand, wrist, hip, and scaphoid, as well as in osteoarthritis grading, patient selection for high tibial osteotomy, and vertebra labeling and grading of degenerative changes in spine surgery. Consequently, deep learning improves diagnosis and treatment planning in orthopedic surgery, enabling efficient use of resources and revealing the necessity for surgeons to receive training on this technological transformation in the future.

13 October 2022
Verified
Book
Open access
PDF file
GGGökhan Güzel
Gökhan Güzel
OGOrtaç Güran
Ortaç Güran
Umur BatakUmur Batak
Umur Batak
MÇMehmet Ümit Çetin
Mehmet Ümit Çetin
SCSercan Capkin
Sercan Capkin
AÇAli Kutta Çelik
Ali Kutta Çelik
Akademisyen Yayınevi yöneticileri, yaklaşık 30 yıllık yayın tecrübesini, kendi tüzel kişiliklerine aktararak uzun zamandan beri, ticarî faaliyetlerini sürdürmektedir. Anılan süre içinde, başta sağlık ve sosyal bilimler, kültürel ve sanatsal konular dahil 2000’i aşkın kitabı yayımlamanın gururu içindedir. Uluslararası yayınevi olmanın alt yapısını tamamlayan Akademisyen, Türkçe ve yabancı dillerde yayın yapmanın yanında, küresel bir marka yaratmanın peşindedir. Bilimsel ve düşünsel çalışmaların kalıcı belgeleri sayılan kitaplar, bilgi kayıt ortamı olarak yüzlerce yılın tanıklarıdır. Matbaanın icadıyla varoluşunu sağlam temellere oturtan kitabın geleceği, her ne kadar yeni buluşların yörüngesine taşınmış olsa da, daha uzun süre hayatımızda yer edineceği muhakkaktır. Akademisyen Yayınevi, kendi adını taşıyan “Bilimsel Araştırmalar Kitabı” serisiyle Türkçe ve İngilizce olarak, uluslararası nitelik ve nicelikte, kitap yayımlama sürecini başlatmış bulunmaktadır. Her yıl Mart ve Eylül aylarında gerçekleşecek olan yayımlama süreci, tematik alt başlıklarla devam edecektir. Bu süreci destekleyen tüm hocalarımıza ve arka planda yer alan herkese teşekkür borçluyuz.

27 June 2026 in Journal of Orthopaedic Surgery and Research
Verified
Journal Article
Open access
OMOsman Gorkem Muratoglu
Osman Gorkem Muratoglu
CYCem Yıldırım
Cem Yıldırım
HCHasan Ceylan
Hasan Ceylan
GGGökhan Güzel
Gökhan Güzel
VKVolkan Karaduman
Volkan Karaduman
NDNecati Doğan
Necati Doğan
Objective: Imaging modalities play a critical role in determining surgical versus conservative management for distal radius fractures. This study aimed to evaluate the impact of two-dimensional (2D) and three-dimensional (3D) computed tomography (CT) on the decision to operate in distal radius fractures and to compare their influence between AO Type B and Type C fractures. Methods: This cross-sectional, survey-based study included 97 orthopedic and traumatology specialists. Twelve distal radius fracture cases classified according to the AO system (six Type B and six Type C) were selected. Participants were sequentially presented with plain radiographs, post-reduction radiographs in cast, 2D CT images, and 3D CT reconstructions for each case. After each imaging stage, participants were asked to indicate their decision to operate (surgical or conservative). Changes in the decision to operate were statistically analyzed. Results: Among AO Type B fractures, the addition of CT imaging to plain and post-reduction radiographs did not significantly change the decision to operate in most cases ( p > 0.05). In contrast, among AO Type C fractures, the addition of 2D CT imaging significantly changed the decision to operate in favor of surgical management ( p < 0.05), whereas the subsequent addition of 3D CT did not produce a further significant change ( p > 0.05). Conclusion: For AO Type B distal radius fractures, the addition of CT imaging to plain and post-reduction radiographs had limited impact on the decision to operate. In AO Type C fractures, 2D CT imaging significantly influenced the decision to operate, whereas the subsequent addition of 3D CT did not provide an additional impact on the decision to operate. Level of evidence III: Descriptive survey study.