📄 dentistry and oral medicine

DentaCoPilot: An LLM-Augmented Next-Procedure Recommender for General Dentistry, Designed for Dentist Augmentation

DentaCoPilot is een door een LLM versterkte aanbeveler voor volgende procedures voor de algemene tandheelkunde die een state-of-the-art nauwkeurigheid bereikt door een klein taalmodel te prompten met topkandidaten van klassieke baselines, waardoor het gekalibreerde voorspellingen, expliciete onthoudingsvlaggen en op het patiëntendossier gebaseerde rationales levert om klinische besluitvorming te ondersteunen in plaats van te vervangen.

Oorspronkelijke auteurs: Rodrigues, C. C., Rebello, S. D.

Gepubliceerd 2026-06-07

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Rodrigues, C. C., Rebello, S. D.

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

Stel je een tandartspraktijk voor als een drukke keuken. Op dit moment zijn de meeste "slimme" tandheelkundige instrumenten als uiterst nauwkeurige sous-chefs die alleen naar de ingrediënten kijken. Ze kunnen naar een röntgenfoto kijken en zeggen: "Dat is een gaatje," of "Dat tandje heeft een barst." Ze zijn geweldig in diagnose stellen.

Maar er volgt een moeilijkere vraag na elke diagnose: "Nu we weten wat er mis is, wat moeten we nu gaan koken?" Moeten we de tand vullen, trekken of alleen schoonmaken? Dit is de "volgende procedure"-vraag, en tot nu toe was geen enkel computersysteem in staat om dit goed te beantwoorden voor algemene tandartsen.

Dit artikel introduceert DentaCoPilot, een nieuw systeem dat niet is ontworpen om de tandarts te vervangen, maar om te fungeren als een zeer georganiseerde, goed geïnformeerde assistent die direct naast hem of haar zit.

Hier is hoe het werkt, eenvoudig uitgelegd:

1. Het Probleem: Het Mysterie van de "Volgende Stap"

Huidige AI is als een detective die geweldig is in het vinden van aanwijzingen (diagnose), maar slecht is in het schrijven van het verhaal van wat er daarna gebeurt (behandeling).

De Oude Manier: Een computer kijkt naar een dossier en probeert de volgende stap te raden puur door patroonherkenning, zoals een student die het volgende woord in een zin raadt op basis van alleen het vorige woord.
Het Nieuwe Doel: Het systeem moet de volledige patiëntgeschiedenis bekijken (als een complete roman) en het volgende hoofdstuk suggereren, terwijl het toegeeft wanneer het niet genoeg weet om te raden.

2. Het Experiment: Een "Nep" Patiëntenbibliotheek

Omdat echte patiëntendossiers moeilijk te verkrijgen zijn (vanwege privacywetgeving), hebben de onderzoekers eerst een reusachtige bibliotheek van "nep" patiëntverhalen gebouwd.

Ze creëerden 500 synthetische patiënten met realistische tandheelkundige geschiedenissen.
Ze vroegen de computer: "Gezien deze patiëntgeschiedenis, wat is de volgende procedure?"
Ze testten twee soorten "hersenen":
- De "Klassieke" Hersenen: Traditionele wiskundige modellen (zoals een zeer snelle, strikte rekenmachine).
- De "LLM" Hersenen: Large Language Models (zoals de AI waarmee je kunt chatten, die goed is in taal begrijpen en redeneren).

3. De Verrassing: De "Slimme" AI was niet de Beste

Toen ze de pure "Slimme AI" (de LLM's) testten tegenover de "Klassieke" rekenmachines op deze nep-patiënten, wonnen de rekenmachines.

Waarom? De nepverhalen waren gebouwd op eenvoudige patronen (zoals "als je een reiniging had gehad, krijg je meestal een controleafspraak"). De rekenmachines waren perfect in het herkennen van deze eenvoudige patronen. De Slimme AI raakte in de war omdat het probeerde te "redeneren" over een vocabulaire van honderden codes zonder voldoende specifieke trainingsvoorbeelden.
De Les: Alleen omdat een AI "slimmer" is en poëzie kan schrijven, betekent dat niet dat hij beter is in het voorspellen van de volgende stap in een specifieke medische routine.

4. De Oplossing: De "Hybride" Assistent (De Grote Overwinning)

De onderzoekers vonden een slimme truc om de Slimme AI te laten werken. Ze vroegen de AI niet om vanaf nul te gokken. In plaats daarvan vroegen ze de Klassieke Calculator om eerst een " shortlist" te maken van de top 10 meest waarschijnlijke volgende stappen.

Vervolgens gaven ze die shortlist aan de Slimme AI en zeiden: "Hier zijn de top 10 gokken. Gebruik nu je brein om naar het volledige verhaal van de patiënt te kijken, kies de beste, leg uit waarom, en vertel ons of je er zeker van bent."

Het Resultaat: Dit "Hybride" team (Calculator + Slimme AI) presteerde bijna net zo goed als de beste rekenmachines, maar met een enorme bonus: het kon zijn redenering uitleggen.
De Analogie: Denk aan de Calculator als een bibliothecaris die snel de 10 meest relevante boeken uit de kast pakt. De Slimme AI is de deskundige criticus die de achterflapteksten van die 10 boeken leest en je precies vertelt welk boek je moet lezen en waarom.

5. Wat Maakt Dit Systeem Anders?

De meeste AI probeert een autonome robot te zijn die de uiteindelijke beslissing neemt. DentaCoPilot is ontworpen als een beslissingsondersteunend hulpmiddel. Het heeft drie speciale "veiligheidsfuncties" die het artikel benadrukt:

De "Ik Weet Het Niet"-vlag: Als het dossier van de patiënt te rommelig is of informatie mist, kan het systeem een rood vlaggetje plaatsen en zeggen: "Ik kan dit niet veilig raden," in plaats van een gevaarlijke fout te maken.
Het "Vertrouwen"-label: Het vertelt de tandarts: "Ik ben voor 90% zeker" of "Ik ben slechts voor 40% zeker", zodat de tandarts weet hoeveel hij de suggestie moet vertrouwen.
De "Waarom"-uitleg: Het geeft niet alleen een code; het schrijft een zin als: "Ik stel een reiniging voor omdat de patiënt 14 maanden geleden voor het laatst een reiniging heeft gehad en een geschiedenis van tandvleesziekte heeft."

6. De Test in de Praktijk (De "MEPS" Data)

De onderzoekers hebben hun ideeën ook getest op een enorme, echte publieke dataset van tandheelkundige bezoeken (genaamd MEPS).

De Bevinding: Zelfs op echte data presteerde de "Slimme AI" alleen slecht als het slechts een klein beetje geschiedenis had (alleen het type van het laatste bezoek). Het had de rijke, gedetailleerde context van het dossier nodig om te kunnen functioneren.
De Les: De waarde van de AI komt voort uit het lezen van het volledige verhaal, niet alleen de laatste zin.

7. Wat Nu?

Het paper is zeer voorzichtig in de opmerking: "Wij zijn dit nog niet aan het implementeren in een echte kliniek."

De resultaten tot nu toe zijn gebaseerd op "nep" data en publieke samenvattingen.
De volgende stap is een geplande studie aan een tandheelkundige school in India, waar echte tandartsen de tool zullen gebruiken om te zien of het hen daadwerkelijk helpt betere beslissingen te nemen.
Ze zijn ook van plan om het te testen op een enorme, echte database van patiëntendossiers (BigMouth) zodra ze toestemming krijgen.

Samenvatting

DentaCoPilot is een nieuw soort tandheelkundige assistent. Het probeert de tandarts niet te vervangen. In plaats daarvan gebruikt het een "slimme" AI om de volledige geschiedenis van de patiënt te lezen, maar vertrouwt het op een "domme" calculator om een startlijst van opties te geven. Deze combinatie stelt de AI in staat om nauwkeurige suggesties te doen, uit te leggen waarom het die doet, en toe te geven wanneer het onzeker is — terwijl de uiteindelijke beslissing in de handen van de menselijke tandarts blijft.

Technische Samenvatting: DentaCoPilot

Probleemstelling
Hoewel commerciële tandheelkundige AI in 2026 aanzienlijk is volwassen geworden in diagnostische taken (bijv. cariësdetectie, botniveau-meting op radiografieën), blijft er een kritieke kloof bestaan in de aanbeveling van vervolgprocedures voor de algemene tandheelkunde. Bestaande systemen, zoals MultiTP, zijn vaak beperkt tot specifieke casustypes (bijv. partiële edentulisme), missen gekalibreerde onzekerheid, onthouden zich niet van een oordeel wanneer de context onvoldoende is, en worden geëvalueerd als autonome classificatiesystemen in plaats van beslissingsondersteunende instrumenten. De kernuitdaging is het sequensen van een behandelplan vanuit een gestructureerd patiëntendossier dat rekening houdt met demografie, medische geschiedenis en het specifieke traject van eerdere procedures, terwijl het de tandarts een rationale en betrouwbaarheidsniveau biedt in plaats van een deterministische output.

Methodologie
De auteurs introduceren DentaCoPilot, een systeem dat ontworpen is om de tandarts te versterken, niet te vervangen. Het systeem neemt een gestructureerd patiëntendossier (demografie, medische vlaggen en een tijdgeordende sequentie van CDT-gecodeerde procedures) en de meest recente procedure als input. Het genereert vier signalen:

Een top- $K$ waarschijnlijkheidsverdeling over de volgende CDT-procedurecode.
Een verbaal geuite betrouwbaarheidslabel (laag, gemiddeld, hoog).
Een expliciete onthoudingsvlag (abstain flag) wanneer de context van het dossier als onvoldoende wordt beschouwd.
Een op het dossier gebaseerde rationale die verwijst naar specifieke eerdere bevindingen.

Experimentele Opzet:

Datasets:
- Synthetisch Corpus: 500 patiënten (1.284 testvoorbeelden) gegenereerd via een hiërarchisch Markov-stijl proces gebaseerd op BigMouth-data. Dit dient als een test voor pijplijngedrag en augmentatie-eigenschappen.
- Real-World Benchmark: Het MEPS 2023 Dental Visits corpus (11.016 transities over 5.088 patiënten), geëvalueerd op niveau van behandelcategorie (niet op specifieke CDT-codes) om externe validiteit vast te stellen.
Geëvalueerde Modellen:
- Klassieke Baselines (B0–B3): Frequentie bigram, TF-IDF + Logistische Regressie, XGBoost, en een re-implementatie van een MultiTP-stijl CNN-RNN.
- LLM Varianten (M1–M6): Varianten gebruikmakend van Claude Haiku, Sonnet en Opus, waarbij strategieën zoals chain-of-thought (CoT), retrieval-augmented generation (RAG) en prompt-conditioning (het injecteren van klassieke baseline-kandidaten in de LLM-prompt) worden toegepast.
Infrastructuur: Alle LLM-inferentie wordt gerouteerd via een lokale Anthropic Claude Code CLI om volledige controleerbaarheid en reproduceerbaarheid te garanderen, waarbij elke aanroep wordt gelogd.

Belangrijkste Resultaten

Pure LLM Prestaties: Op het synthetische corpus presteerden pure LLM-varianten (M1–M4) aanzienlijk slechter dan klassieke baselines op top-1 exacte CDT-match nauwkeurigheid (variërend van 0,267 tot 0,467 versus 0,567 voor baselines). Deze kloof werd toegeschreven aan de sterke lokale Markov-structuur van de synthetische data, die bigrammen perfect vastleggen, en de neiging van LLM's om categorie-correcte maar exact-code-mismatchende voorspellingen te doen.
De "Prompt-Conditioning" Doorbraak (M5): De meest significante bevinding was dat het prompt-conditioneren van een Sonnet LLM met de top-10 kandidaten van een klassieke TF-IDF + Logistische Regressie baseline (Model M5) de nauwkeurigheidskloof overbrugde.
- M5 behaalde 0,533 top-1 en 0,933 top-5 nauwkeurigheid, waarmee het de klassieke baselines (0,567 top-1, 0,933–0,967 top-5) benaderde.
- Cruciaal is dat M5 de augmentatie-functies behield: de op het dossier gebaseerde rationale, de verbaal geuite betrouwbaarheid en het vermogen om zich te onthouden (abstain).
Modelcapaciteit vs. Ontwerp: Het upgraden van de LLM-backbone van Sonnet naar de krachtigere Opus (M4, M6) leverde geen verbetering op in nauwkeurigheid, met of zonder priming. Dit suggereert dat voor deze taak promptontwerp en de integratie van klassieke priors effectiever zijn dan de ruwe modelcapaciteit.
Real-World Validatie (MEPS): Op het MEPS-corpus presteerden geschiedenis-bewuste baselines (Markov-modellen) aanzienlijk beter dan een meest-frequente baseline (0,479 versus 0,297 top-1). Een zero-shot LLM die alleen grove categorische geschiedenis kreeg (0,213 top-1) presteerde slechter dan de Markov-baseline, wat de claim versterkt dat de waarde van de LLM afhankelijk is van rijke dossiercontext, en niet alleen van procedurele geschiedenis.
Kalibratie en Onthouding: Hoewel het systeem is ontworpen om zich te onthouden, toonde de synthetische evaluatie aan dat de modellen zeln zelden de onthoudingsvlag triggerden vanwege beperkingen in het promptontwerp. Echter, een coverage-risk analyse bevestigde dat klassieke baselines gekalibreerd konden worden om dekking te ruilen voor precisie, een functie die het hybride systeem beoogt te behouden.

Significantie en Claims
Het artikel positioneert DentaCoPilot als een beslissingsondersteunend consult in plaats van een autonome classifier. De belangrijkste bijdragen zijn:

Augmentatie Framework: Het demonstreert dat een LLM effectief geïntegreerd kan worden in een klinische workflow door een klassiek model te gebruiken om statistische priors te behandelen (het "wat waarschijnlijk is"), terwijl de LLM de redeneerlaag afhandelt (het "waarom" en de "rationale").
Kosteneffectief Ontwerp: De studie identificeert dat het prompt-conditioneren van een kleinere LLM (Sonnet) met klassieke priors kosteneffectiever en performanter is dan het gebruik van grotere, duurdere modellen (Opus) of het vertrouwen op pure LLM-redenering.
Controleerbaarheid: Door alle inferentie via een lokale CLI met volledige logging te routeren, zorgt het systeem ervoor dat elke aanbeveling gecontroleerd en afgespeeld kan worden zonder extra rekenkracht te verbruiken, wat een belangrijke barrière vormt voor de adoptie van klinische AI.
Bescheiden Omvang: De auteurs verklaren expliciet dat de synthetische resultaten de pijplijngedraging en augmentatie-eigenschappen (rationale, kalibratie, onthouding) valideren, maar geen aanspraak maken op externe validiteit voor klinische prestaties. De auteurs benadrukken dat de volgende fase van het werk een vooraf geregistreerdeerde clinician-in-the-loop evaluatie betreft bij het KLE Vishwanath Katti Institute en multi-institutionele validatie met behulp van de BigMouth-repository om te bevestigen of deze ontwerpkeuzes vertalen naar klinische bruikbaarheid in de echte wereld.

Het artikel concludeert dat hoewel pure LLM's momenteel achterlopen op klassieke methoden wat betreft de rauwe voorspellingsnauwkeurigheid op gestructureerde tandheelkundige data, een hybride architectuur die klassieke priors gebruikt om de LLM te sturen, een levensvatbaar, kosteneffectief pad biedt naar klinisch nuttige, uitlegbare en veilige systemen voor de aanbeveling van vervolgprocedures.