<p>Amaç: Bu çalışmanın amacı, lisansüstü periodontolojieğitimi almış ya da almakta olan meslektaşlarımızın çeşitliklinik, radyolojik ve biyokimyasal verileri sunulan vakalarüzerinden koydukları tanıların güncel sınıflamaya göre(2018) uygunluğunun belirlenmesidir. Çalışma ayrıca, buteşhislerin bir yapay zeka (AI) uygulamasında oluşturulanmodellerle tutarlılığını değerlendirmeyi amaçlamaktadır.Gereç-Yöntem: 29.12.2023 tarihinde (karar no: 91) etikuygunluğu onaylanan çalışmamızda, Türk PeriodontolojiDerneği aracılığıyla lisansüstü periodontoloji eğitimi almışya da almakta olan, meslektaşlarımıza iletilen 8 vakayaait verilerin sunulduğu çoktan seçmeli yanıtları içerençevrimiçi anket uygulandı. Meslektaşlarımızın verdiğiyanıtlar her soru için doğruluk yüzdesi ile değerlendirildi.Yapay zeka yöntemlerinden olan XGBC ve CatBoost ileaynı vakaların tanısı belirlendi.Bulgular-Sonuç: Anketi yaşları 20 ile 60 yaş arasındadeğişen, 108 meslektaşımız tamamladı. %65,7’si kadın,%59,3’ü 26-30 yaş aralığında ve %66,7’si 1-5 yıllık meslekitecrübesi olan çalışma popülasyonu vakaları sırasıyla%93,5, %84, %87,9, %54,7, %83,2, %55,1, %91,7, %89,7doğrulukla yanıtladı. Yapay zekâ modelleri periodontalsağlık durumunu %100, periodontitis hastalarındakiderecelendirmeyi %75 tanısal doğruluk ile tespit etmiştir.Periodontal hastalık ve durumların doğru tedavisi içinbirincil ve vazgeçilmez koşul, yeterli bilgi ve tanıtutarlılığıdır. Güncel sınıflamanın içselleştirilmesi içinlisans ve lisansüstü eğitimde güncel sınıflamaya dahafazla yoğunlaşılması gerektiği söylenebilir. BulgularımızTürkiye’deki periodontolog örneklemini tam olarakyansıtamayacağı için ileri çalışmalara gereksinim vardır</p><p>Purpose: This study aims to determine the accuracy ofdiagnoses made by colleagues, who completed/currentlyundergoing postgraduate periodontology training, basedon cases presented with various clinical, radiological, andbiochemical data according to the current classification(2018). Additionally, the study aims to evaluate theconsistency of these diagnoses with models created in anartificial intelligence (AI) application.Materials-Methods: In our study, which was ethicallyapproved on 29.12.2023 ( decision number: 91), an onlinesurvey containing multiple-choice responses to 8 cases’data was administered to colleagues, through the TurkishSociety of Periodontology. The answers were evaluatedwith the percentage of accuracy for each question.The diagnoses of the same cases were also determinedusing AI methods, specifically XGBC and CatBoost.Results and Conclusion: The survey was completed by108 colleagues aged between 20- 60. The study populationconsisted of 65.7% females, 59.3% in the age range of26-30 years, and 66.7% with 1-5 years of professionalexperience. The cases were answered with accuracy ratesof 93.5%, 84%, 87.9%, 54.7%, 83.2%, 55.1%, 91.7%,and 89.7%, respectively. The AI models identified theperiodontal health status with 100% diagnostic accuracyand the staging in periodontitis patients with 75% accuracy.The primary and indispensable condition for the correcttreatment of periodontal diseases and conditionsis knowledge and diagnostic consistency. It can besuggested that more emphasis is needed in undergraduate/postgraduate education to internalize the currentclassification. Since our findings may not fully reflect thesample of periodontologists in Turkey, further studies arerequired.</p>