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

歯科医が入れ歯を固定するためにチタン製のスクリューを顎の骨に埋め込む際、身体はその金属を敵ではなく友として扱わなければなりません。このプロセス、すなわちインプラントの周囲に骨が密着して成長し、固定される現象は、単なる外科的技術以上のものに依存する繊細な生物学的ダンスです。それは、患者の全体的な健康状態、特に何を食べるかに大きく依存しています。家が立つために強固なレンガとモルタルを必要とするように、治癒組織や新しい骨も、手術後に自らを再構築するために、タンパク質、ビタミン、ミネラルといった特定の栄養素を必要とします。もしこれらの構成要素が欠けていれば、インプラントは統合に失敗したり、周囲の歯肉組織が炎症を起こして病状が悪化したりする可能性があります。何十年もの間、医師たちは良好な栄養摂取が助けになることを知ってきましたが、「正確に何を、いつ食べるべきか」、そして「どのサプリメントが効果的なのか」という科学的なアドバイスの膨大な量に、人々は圧倒されてきました。この複雑な状況の中で、新しい種類のデジタルアシスタントが登場しました。これらは、膨大な量のテキストを学習し、質問に答えたり、研究を要約したり、人間のような言葉で助言を提供したりできる強力なコンピュータプログラム、大規模言語モデルです。これらのツールがクリニックで一般的になりつつある中で、ある重要な疑問が生じています。患者を見たこともなければ手術を行ったこともないコンピュータが、歯科インプラントを成功させるために何を食べるべきかを、安全かつ正確に人々に伝えることができるのでしょうか。

研究チームは、最も人気のある4つの人工知能システムに厳格なテストを行うことで、この問いに答えるべく取り組みました。彼らは単にコンピュータに対して「骨に良いものは何ですか？」といった一般的な質問をしたのではありません。代わりに、歯科医が直面する可能性のある、具体的で現実的な120のシナリオを作成しました。これらのシナリオは、手術前の患者の食事チェックから、術後の合併症の管理、さらには他の深刻な健康状態を持つ患者への対応に至るまで、インプラント治療の全過程を網羅していました。シナリオは巧妙に設計されており、コンピュータが異なる証拠を比較検討し、単に事実として正しいだけでなく、実在の人物にとって安全で実践的な推奨事項を提示することを求めていました。テストの公平性を期すため、研究者はすべてのシナリオを、GPT-5、Claude、Gemini、Copilotという4つの異なるAIモデルに、全く同じ指示を用いて提出しました。各モデルに同じ質問を3回ずつ答えさせ、毎回同じ助言を与えるかどうかを確認した上で、分析のために合計1,440の回答を収集しました。

これらの回答を判定するために、研究者は、口腔内の治癒プロセスを数十年にわたって研究してきたトップクラスの外科医や栄養科学者を含む、5人の専門家によるパネルを編成しました。専門家たちはブラインドテスト（目隠し）形式で行われたため、どの回答がどのコンピュータによって生成されたかを知らされていませんでした。彼らは、あらゆるAIの回答を、利用可能な最善の医学的ガイドラインと科学的研究に基づいた厳格な事前作成基準と比較しました。専門家たちは、いくつかの点を確認しました。その助言は科学と一致しているか？ 安全か？ コンピュータは架空の研究や参考文献を捏造していないか？ そして、科学的に不明確な場合に、その旨を認めているか？ 結果は、すべてのコンピュータが栄養について語ることはできるものの、安全で正確かつエビデンスに基づいた助言を行う能力には大きな差があることを示しました。一つのモデル、GPT-5は、他のモデルを一貫して凌駕し、専門家の基準に最も近い推奨事項を提供しました。GPT-5は、栄養に関する助言において最も正確であり、警告においては最も安全であり、現在の科学的知見の限界についても最も誠実でした。また、自身の主張を裏付けるために架空の研究論文を捏造するといった間違いも最も少なかったのです。

他の3つのモデルも良好なパフォーマンスを示しましたが、特定の領域で力不足が見られました。2番目に優れたモデルであるClaudeは、リーダーには近かったものの、依然としてエラーが多く見られました。残りの2つ、GeminiとCopilotは、安全性と正確性の面でより頻繁に苦戦しました。すべてのモデルにおける主要な失敗点は、質問に市販の栄養サプリメントが含まれていた場合でした。科学的根拠がしばしば混沌としていたり、相反していたりするこれらのケースにおいて、コンピュータは自信過剰になり、科学が支持していない場合でも決定的な助言を行う傾向がありました。また、信頼性にもばらつきがありました。同じ質問を複数回行った際に、モデルによっては異なる回答を出すものもあれば、一貫性を保つものもありました。研究では、最も優れた性能を持つコンピュータであっても、約4.4パーセントの割合で科学的参考文献を「ハルシネーション（幻覚）」、つまり捏造していることが判明しました。この割合は低いとはいえ、依然として存在しています。これは、AIは情報の要約には役立つツールとなり得るものの、まだ独断で最終決定を下すよう信頼することはできないことを意味しています。

研究者たちは、これらの人工知能システムは、歯科医や患者がインプラントのための栄養という複雑な世界をナビゲートするのを助ける強力なアシスタントではあるが、人間の判断に取って代わる準備はできていないと結論付けました。最も優れたモデルは、治癒する骨の生物学的なニーズを理解し、妥当な一般的助言を提供できることを示しましたが、エビデンスが弱い場合や特定の商業製品が関わる場合には依然として躓きます。本研究は、これらのツールの歯科における将来の役割は、コンピュータが迅速かつエビデンスに基づいた要約を提供し、人間の専門家が詳細を確認し、安全性をチェックし、個々の患者に合わせて助言を調整するというパートナーシップにあることを示唆しています。コンピュータが事実の捏造を回避し、不確実なエビデンスに対して人間の医師と同じ慎重さを持って対処できるようになるまでは、その役割は決定的なものではなく、あくまで支援的なものにとどまるべきです。テクノロジーは急速に進化していますが、今のところ、患者のインプラントにとって最も安全な道は、コンピュータにリサーチをさせ、人間が決定を下すことです。