Can Large Language Models Provide Safe and Evidence-Based Nutritional Recommendations for Dental Implant Patients? A Comparative Benchmarking Study

जब एक डेंटिस्ट नकली दांत को थामने के लिए जबड़े की हड्डी में टाइटेनियम का पेंच (स्क्रू) लगाता है, तो शरीर को उस धातु को दुश्मन नहीं, बल्कि एक दोस्त की तरह मानना पड़ता है। यह प्रक्रिया, जहाँ हड्डी इम्प्लांट के चारों ओर मजबूती से विकसित होकर उसे अपनी जगह पर लॉक कर देती है, एक नाजुक जैविक नृत्य है जो केवल सर्जिकल कौशल पर ही नहीं, बल्कि मरीज के समग्र स्वास्थ्य, विशेष रूप से उनके खान-पान पर निर्भर करती है। जिस तरह एक घर को खड़ा रहने के लिए मजबूत ईंटों और गारे की आवश्यकता होती है, उसी तरह उपचार के ऊतकों और नई हड्डी को खुद को फिर से बनाने के लिए प्रोटीन, विटामिन और खनिजों जैसे विशिष्ट पोषक तत्वों की आवश्यकता होती है। यदि ये निर्माण खंड (building blocks) मौजूद नहीं हैं, तो इम्प्लांट विफल हो सकता है, या आसपास के मसूड़ों के ऊतक सूज सकते हैं और बीमार हो सकते हैं। दशकों से, डॉक्टरों को पता है कि अच्छा पोषण मदद करता है, लेकिन ठीक क्या खाना है, कब खाना है और कौन से सप्लीमेंट्स काम करते हैं, इस पर वैज्ञानिक सलाह का विशाल भंडार अब बहुत अधिक बोझिल हो गया है। इस जटिल परिदृश्य में, एक नए प्रकार का डिजिटल सहायक उभरा है: लार्ज लैंग्वेज मॉडल्स (LLMs)। ये शक्तिशाली कंप्यूटर प्रोग्राम हैं जिन्हें टेक्स्ट की विशाल मात्रा पर प्रशिक्षित किया गया है जो सवालों के जवाब दे सकते हैं, शोध का सारांश प्रस्तुत कर सकते हैं और मानवीय भाषा में सलाह दे सकते हैं। जैसे-जैसे ये उपकरण क्लीनिकों में आम होते जा रहे हैं, एक महत्वपूर्ण प्रश्न उठता है: क्या एक कंप्यूटर, जिसने कभी किसी मरीज को देखा नहीं या सर्जरी नहीं की, सुरक्षित रूप से और सटीकता से किसी व्यक्ति को यह बता सकता है कि उसके डेंटल इम्प्लांट की सफलता के लिए उसे क्या खाना चाहिए?

शोधकर्ताओं की एक टीम ने चार सबसे लोकप्रिय आर्टिफिशियल इंटेलिजेंस सिस्टम को एक कठोर परीक्षण में डालकर इसका उत्तर देने का प्रयास किया। उन्होंने कंप्यूटरों से केवल सामान्य प्रश्न जैसे "हड्डियों के लिए क्या अच्छा है?" नहीं पूछे। इसके बजाय, उन्होंने 120 विशिष्ट और वास्तविक परिदृश्य बनाए जो एक डेंटिस्ट के सामने आ सकते हैं। ये स्थितियाँ इम्प्लांट थेरेपी की पूरी यात्रा को कवर करती थीं, सर्जरी से पहले मरीज के आहार की जांच करने से लेकर, प्रक्रिया के बाद होने वाली जटिलताओं के प्रबंधन तक, और यहाँ तक कि उन मरीजों से निपटने तक जिनके पास अन्य गंभीर स्वास्थ्य स्थितियाँ हैं। इन परिदृश्यों को इस तरह बनाया गया था कि वे पेचीदा हों, जिनमें कंप्यूटर को विभिन्न साक्ष्यों को तौलने की आवश्यकता हो और एक ऐसा सुझाव देना हो जो न केवल तथ्यात्मक रूप से सही हो, बल्कि एक वास्तविक व्यक्ति के लिए सुरक्षित और व्यावहारिक भी हो। परीक्षण को निष्पक्ष बनाने के लिए, शोधकर्ताओं ने प्रत्येक परिदृश्य को चार अलग-अलग एआई मॉडल—GPT-5, Claude, Gemini और Copilot—को बिल्कुल समान निर्देशों के साथ प्रस्तुत किया। उन्होंने प्रत्येक मॉडल को एक ही प्रश्न तीन बार दिया ताकि यह देखा जा सके कि क्या वह हर बार एक ही सलाह देता है, और फिर विश्लेषण के लिए कुल 1,440 प्रतिक्रियाएं एकत्र कीं।

इन उत्तरों का निर्णय करने के लिए, शोधकर्ताओं ने पांच मानव विशेषज्ञों का एक पैनल बनाया, जिसमें शीर्ष सर्जन और पोषण वैज्ञानिक शामिल थे जिन्होंने दशकों तक मुंह के उपचार का अध्ययन किया है। ये विशेषज्ञ 'ब्लाइंडेड' थे, जिसका अर्थ है कि वे नहीं जानते थे कि किस कंप्यूटर ने कौन सा उत्तर दिया। उन्होंने प्रत्येक एआई प्रतिक्रिया की तुलना सर्वोत्तम उपलब्ध चिकित्सा दिशानिर्देशों और वैज्ञानिक अध्ययनों पर आधारित एक सख्त, पूर्व-लिखित मानक से की। विशेषज्ञों ने कई चीजों की जांच की: क्या सलाह विज्ञान से मेल खाती थी? क्या यह सुरक्षित थी? क्या कंप्यूटर ने फर्जी अध्ययन या संदर्भ बनाए? और क्या उसने तब स्वीकार किया जब विज्ञान अस्पष्ट था? परिणामों ने दिखाया कि हालांकि सभी कंप्यूटर पोषण के बारे में बात कर सकते थे, लेकिन सुरक्षित, सटीक और साक्ष्य-आधारित सलाह देने की उनकी क्षमता में काफी भिन्नता थी। एक मॉडल, GPT-5, लगातार दूसरों से बेहतर प्रदर्शन करता रहा, और ऐसी सिफारिशें प्रदान करता रहा जो विशेषज्ञ मानकों के सबसे करीब थीं। यह पोषण संबंधी सलाह में सबसे सटीक, चेतावनियों में सबसे सुरक्षित और वर्तमान वैज्ञानिक ज्ञान की सीमाओं के बारे में सबसे ईमानदार था। इसने सबसे कम गलतियाँ भी कीं, जैसे कि अपने दावों का समर्थन करने के लिए फर्जी शोध पत्र बनाना।

अन्य तीन मॉडलों ने अच्छा प्रदर्शन किया लेकिन कुछ विशिष्ट क्षेत्रों में पीछे रह गए। दूसरा सबसे अच्छा मॉडल, Claude, लीडर के करीब था लेकिन फिर भी अधिक त्रुटियां करता था। अन्य दो, Gemini और Copilot, सुरक्षा और सटीकता के मामले में अधिक संघर्ष करते दिखे। सभी मॉडल्स के लिए विफलता का एक प्रमुख बिंदु तब आया जब प्रश्नों में व्यावसायिक पोषण संबंधी सप्लीमेंट्स (supplements) शामिल थे। इन मामलों में, जहाँ वैज्ञानिक प्रमाण अक्सर उलझे हुए या विरोधाभासी होते हैं, कंप्यूटर अत्यधिक आत्मविश्वासी हो जाते थे और निर्णायक सलाह देते थे, भले ही विज्ञान उसका समर्थन न करता हो। वे विश्वसनीयता में भी भिन्न थे; कुछ मॉडलों ने एक ही प्रश्न को कई बार पूछे जाने पर अलग-अलग उत्तर दिए, जबकि अन्य सुसंगत रहे। अध्ययन में पाया गया कि सबसे अच्छा प्रदर्शन करने वाला कंप्यूटर भी लगभग 4.4 प्रतिशत बार 'हैलुसिनेट' करता था, यानी वैज्ञानिक संदर्भों को मनगढ़ंत बनाता था, जो कि एक कम लेकिन मौजूद दर है। इसका अर्थ यह है कि हालांकि एआई सूचनाओं को संक्षिप्त करने के लिए एक सहायक उपकरण हो सकता है, लेकिन अभी इस पर अपने आप में अंतिम निर्णय लेने के लिए भरोसा नहीं किया जा सकता है।

शोधकर्ताओं ने निष्कर्ष निकाला कि ये आर्टिफिशियल इंटेलिजेंस सिस्टम शक्तिशाली सहायक हैं जो डेंटिस्टों और मरीजों को डेंटल इम्प्लांट के लिए पोषण की जटिल दुनिया को समझने में मदद कर सकते हैं, लेकिन वे मानवीय निर्णय का स्थान लेने के लिए तैयार नहीं हैं। सर्वश्रेष्ठ मॉडलों ने दिखाया कि वे उपचार करने वाली हड्डी की जैविक आवश्यकताओं को समझ सकते हैं और ठोस सामान्य सलाह दे सकते हैं, लेकिन वे तब लड़खड़ा जाते हैं जब साक्ष्य कमजोर होते हैं या जब विशिष्ट वाणिज्यिक उत्पादों के मामले में होता है। अध्ययन सुझाव देता है कि दंत चिकित्सा में इन उपकरणों के उपयोग का भविष्य एक साझेदारी में निहित है जहाँ कंप्यूटर एक त्वरित, साक्ष्य-आधारित सारांश प्रदान करता है, और मानव विशेषज्ञ विवरणों को सत्यापित करता है, सुरक्षा की जाँच करता है, और सलाह को विशिष्ट रोगी के अनुरूप बनाता है। जब तक कंप्यूटर लगातार तथ्यों को गढ़ने से बच नहीं पाते और अनिश्चित साक्ष्यों को उसी सावधानी के साथ नहीं संभाल पाते जैसा कि एक मानव डॉक्टर करता है, तब तक उनकी भूमिका निर्णयात्मक होने के बजाय सहायक बनी रहनी चाहिए। तकनीक तेजी से आगे बढ़ रही है, लेकिन फिलहाल, एक मरीज के इम्प्लांट का सबसे सुरक्षित रास्ता यह है कि कंप्यूटर को शोध करने दें और इंसान को निर्णय लेने दें।