Generative AI Responses to Patient-Presented Orthodontic Misinformation and Controversial Claims: A Comparative Cross-Sectional Evaluation of Safety, Accuracy, Evidence Concordance, Misinformation Correction, Uncertainty Communication, Transparency, and Actionability

يلجأ الناس بشكل متزايد إلى محركات البحث، ووسائل التواصل الاجتماعي، ومقاطع الفيديو القصيرة للحصول على إجابات حول صحتهم. تجعل هذه القنوات العثور على المعلومات سهلاً، لكنها تجعل أيضاً من الصعب الحكم على من يقول الحقيقة. ينطبق هذا بشكل خاص على تقويم الأسنان، وهو مجال طب الأسنان الذي يعمل على تقويم الأسنان ومحاذاة الفكين. غالباً ما تمزج النصائح الموجودة عبر الإنترنت بين الحقائق والمبالغات، أو القصص الشخصية، أو العروض الترويجية. قد يقرأ المريض أن نوعاً معيناً من التقويم يمكن أن يغير شكل وجهه، أو أنه يمكنه تقويم أسنانه بنفسه في المنزل باستخدام الأربطة المطاطية. وبينما قد يكون بعض هذه المعلومات غير ضار، إلا أن بعض الادعاءات يمكن أن تؤدي إلى توقعات غير واقعية، أو تأخير الرعاية الطبية، أو حتى الإصابة الجسدية. وعندما يواجه الشخص ادعاءً مربكاً أو خطيراً، فإنه يحتاج إلى شرح واضح وآمن ودقيق لمساعدته في اتخاذ القرار بشأن ما يجب فعله بعد ذلك.

في السنوات الأخيرة، ظهر نوع جديد من الأدوات لمساعدة الناس على تنظيم المعلومات: الذكاء الاصطناعي التوليدي. يمكن لهذه الأنظمة إجراء محادثات والإجابة على الأسئلة بلغة طبيعية وسلسة. لقد أصبحت هذه الأنظمة شائعة في الحياة اليومية، ويطلب منها الكثير من الناس الآن نصائح صحية. ومع ذلك، لا يزال من غير الواضح ما إذا كانت هذه الأنظمة قادرة على التعامل مع المهمة الصعبة المتمثلة في تصحيح الادعاءات الطبية الخاطئة دون تقديم تعليمات خطيرة عن طريق الخطأ. فقد يبدو برنامج الكمبيوتر واثقاً ومهذباً بينما يغفل عن تحذير حاسم أو يفشل في شرح سبب كون فكرة شائعة ما خاطئة. ولفهم مدى كفاءة هذه الأدوات في سيناريو من الواقع العملي، احتاج الباحثون إلى اختبارها ضد أنواع محددة من الأسئلة المضللة التي يطرحها المرضى بالفعل.

قام فريق من الباحثين من مستشفيات في الصين بإجراء اختبار لخمسة من أكثر برامج الدردشة الآلية للذكاء الاصطناعي استهلاكاً وشيوعاً. أرادوا معرفة كيفية استجابة هذه الأنظمة عندما يقدم المستخدمون ادعاءات خاطئة أو مثيرة للجدل حول علاج تقويم الأسنان. ركزت الدراسة على خمسة أنظمة محددة هي: ChatGPT، وGemini، وMicrosoft Copilot، وDeepSeek، وDoubao. لم يطرح الباحثون على هذه الأنظمة أسئلة بسيطة مثل "ما هي السن؟"، بل صمموا ثمانية وستين مطالبة (prompt) محددة بناءً على معلومات مضللة من الواقع. تضمنت هذه المطالبات أفكاراً خاطئة حول خلع الأسنان، أو تغيير ملامح الوجه، أو استخدام أجهزة تقويم الأسد الشفافة ذاتية الصنع، أو تسريع العلاج بطرق غير مثبتة. وقد صُممت كل مطالبة بحيث تحتوي على فرضية خاطئة يتعين على برنامج الدردشة الآلي التعرف عليها وتصحيحها.

قدم الباحثون كل سؤال من الأسئلة الثمانية والستين إلى جميع برامج الدردشة الخمسة، مما نتج عنه ثلاثمائة وأربعون استجابة. وقد تعاملوا مع كل سؤال كأنه محادثة واحدة لمرة واحدة لضمان اتساق النتائج. ولتقييم الإجابات، قام خمسة من أطباء تقويم الأسنان ذوي الخبرة بمراجعة النصوص بشكل مستقل. بحثوا عن عدة صفات رئيسية؛ أولاً، تحققوا من السلامة: هل شجعت الاستجابة أي سلوك قد يضر المريض، مثل محاولة تحريك الأسنان دون فحص مهني؟ ثانياً، قاسوا الدقة: هل كانت المعلومات صحيحة واقعياً؟ ثالثاً، قيموا مدى مطابقة الإجابة للأدلة الطبية الراسخة. كما تحققوا مما إذا كان برنامج الدردالة الآلي قد صحح الفرضية الخاطئة الواردة في السؤال بنشاط، بدلاً من مجرد تجاهلها وتقديم إجابة عامة. وأخيراً، قيموا ما إذا كانت الاستجابة تنقل عدم اليقين بشكل مناسب، وما إذا كانت شفافة بشأن مصادرها، وما إذا كانت تقدم للمريض خطوة تالية واضحة وآمنة لاتخاذها.

أظهرت النتائج أن جميع برامج الدردلة الآلية الخمسة كانت جيدة بشكل عام في تجنب الأخطار الأكثر وضوحاً. فمن بين ثلاثمائة وأربعين استجابة، تم تصنيف ثلاثمائة وسبع استجابات على أنها آمنة، مما يعني أنها لم تتضمن نصائح قد تؤدي إلى ضرر جسدي مباشر. ومع ذلك، لم تكن الأنظمة متساوية الجودة في كل شيء آخر. وجد الباحثون اختلافات كبيرة في كيفية تعامل برامج الدردلة الآلية مع جودة إجاباتها. قدم ChatGPT باستمرار المعلومات الأكثر دقة وكان الأفضل في تصحيح الأفكار الخاطئة الواردة في الأسئلة. كما كان الأفضل في شرح حدود معرفته وتقديم خطوات واضحة وقابلة للتنفيذ للمريض. أدى Gemini أداءً جيداً في بعض المجالات، حيث تساوى مع ChatGPT في مدى مطابقة إجاباته للأدلة الطبية، لكنه كان أقل اتساقاً في فئات أخرى. أما الأنظمة الثلاثة الأخرى، بما في ذلك Copilot وDeepSeek وDoubao، فقد سجلت عموماً درجات منخفضة في مختلف المجالات، وغالباً ما فشلت في تصحيح المعلومات المضللة أو تقديم توجيهات مفصلة بما يكفي.

كانت النتيجة الحاسمة للدراسة هي أن كون الإجابة "آمنة" لا يعني بالضرورة أنها جيدة بما يكفي للاستخدام بمفردها. فقد تجنبت العديد من الاستجابات النصائح الخطيرة، لكنها فشلت في الوقت نفسه في تصحيح سوء فهم المريض أو توفير السياق اللازم. على سبيل المثال، قد يذكر برنامج الدردلة الآلي بشكل صحيح أن الأسنان تحتاج إلى تقويم، لكنه قد يفشل في شرح أن طريقة معينة ذاتية الصنع مذكورة في السؤال هي طريقة غير آمنة. أظهرت الدراسة أنه بينما نادراً ما قدمت الأنظمة تعليمات قد تسبب إصابة فورية، إلا أنها افتقرت في كثير من الأحيان إلى العمق والدقة المطلوبين للتوجيه الطبي. وأشار الباحثون إلى أن الاختلافات بين الأنظمة لم تكن مجرد اختلافات طفيفة؛ بل كانت النماذج الأعلى أداءً متفوقة بوضوح في قدرتها على التعامل مع الادعاءات المعقدة والمضللة مقارنة بالنماذج الأخرى.

خلص المؤلفون إلى أن أدوات الذكاء الاصطناعي هذه يجب أن تُعتبر مكملات مفيدة لتثقيف المرضى، وليست بديلاً عن زيارة طبيب الأسنان. يمكنها المساعدة في تنظيم المعلومات والإجابة على الأسئلة العامة، لكنها لا يمكن أن تحل محل الحاجة إلى الفحص المهني، أو الأشعة السينية، أو خطة علاج شخصية. تسلط الدراسة الضوء على ضرورة ألا يعتمد المرضى على برامج الدردلة الآلية هذه للتحقق من صحة الادعاءات التي يشاهدونها عبر الإنترنت، خاصة عندما تتعلق تلك الادعاءات بتغيير أسنانهم أو وجوههم. وبدلاً من ذلك، فإن أفضل استخدام لهذه الأدوات هو جمع المعلومات الأولية ثم البحث عن متخصص مؤهل للتحقق من الحقائق ومناقشة مسار عمل آمن. ويشير البحث إلى أنه بينما تتقدم التكنولوجيا، فإنها لا تزال تتطلب إشرافاً بشرياً لضمان أن النصيحة المقدمة ليست آمنة فحسب، بل دقيقة وكاملة ومفيدة حقاً للمريض الفرد.