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

Wanneer een tandarts een titanium schroef in een kaakbeen plaatst om een kunsttanden te ondersteunen, moet het lichaam dat metaal als een vriend behandelen, niet als een vijand. Dit proces, waarbij bot dicht rond het implantaat groeit om het op zijn plaats te vergrendelen, is een delicate biologische dans die afhangt van meer dan alleen chirurgische vaardigheid. Het leunt zwaar op de algehele gezondheid van de patiënt, met name wat zij eten. Net zoals een huis sterke stenen en mortel nodig heeft om te blijven staan, hebben het helende weefsel en het nieuwe bot specifieke voedingsstoffen nodig, zoals eiwitten, vitaminen en mineralen, om zichzelf na de operatie te herbouwen. Als deze bouwstenen ontbreken, kan het implantaat niet integreren, of kan het omliggende tandvlees ontstoken en ziek worden. Decennialang wisten artsen al dat goede voeding helpt, maar de enorme hoeveelheid wetenschappelijk advies over precies wat men moet eten, wanneer men het moet eten en welke supplementen werken, is overweldigend geworden. In dit complexe landschap is een nieuw soort digitale assistent opgekomen: large language models. Dit zijn krachtige computerprogramma's die getraind zijn op enorme hoeveelheden tekst en die vragen kunnen beantwoorden, onderzoek kunnen samenvatten en advies kunnen geven in menselijke taal. Nu deze tools algemeen worden in klinieken, rijst een kritische vraag: kan een computer, die nog nooit een patiënt heeft gezien of een operatie heeft uitgevoerd, veilig en nauwkeurig een persoon vertellen wat hij moet eten om het succes van een tandheelkundig implantaat te bevorderen?

Een team van onderzoekers zette zich in om dit te beantwoorden door vier van de meest populaire kunstmatige intelligentiesystemen een rigoureuze test te onderwerpen. Ze stelden de computers niet simpelweg algemene vragen zoals "wat is goed voor botten?". In plaats daarvan creëerden ze 120 specifieke, realistische scenario's die een tandarts zou kunnen tegenkomen. Deze situaties bestreken de gehele reis van implantatietherapie, van het controleren van het dieet van een patiënt vóór de operatie tot het beheren van complicaties na de procedure, en zelfs het omgaan met patiënten die andere ernstige gezondheidsproblemen hebben. De scenario's waren uitdagend en vereisten dat de computer verschillende stukken bewijs afwoog en een aanbeveling gaf die niet alleen feitelijk juist was, maar ook veilig en praktisch voor een echt persoon. Om ervoor te zorgen dat de test eerlijk verliep, legden de onderzoekers elk scenario aan vier verschillende AI-modellen voor — GPT-5, Claude, Gemini en Copilot — met exact dezelfde instructies. Ze vroegen elk model om hetzelfde scenario drie keer te beantwoorden om te zien of het elke keer hetzelfde advies zou geven, en vervolgens verzamelden ze in totaal 1.440 reacties om te analyseren.

Om deze antwoorden te beoordelen, stelden de onderzoekers een panel van vijf menselijke experts samen, waaronder topchirurgen en voedingswetenschappers die decennia lang hebben gestudeerd naar hoe de mond geneest. Deze experts waren geblindeerd, wat betekent dat zij niet wisten welke computer welk antwoord had gegenereerd. Ze vergeleken elke AI-reactie met een strikte, vooraf geschreven standaard gebaseerd op de beste beschikbare medische richtlijnen en wetenschappelijke studies. De experts keken naar verschillende zaken: kwam het advies overeen met de wetenschap? Was het veilig? Verzon de computer nepstudies of referenties? En gaf de computer toe wanneer de wetenschap onduidelijk was? De resultaten toonden aan dat hoewel alle computers over voeding konden praten, hun vermogen om veilig, accuraat en op bewijs gebaseerd advies te geven, aanzienlijk varieerde. Eén model, GPT-5, presteerde consequent beter dan de anderen en gaf aanbevelingen die het dichtst bij de expertstandaarden lagen. Het was het meest accuraat in zijn nutritionele advies, het veiligst in zijn waarschuwingen en het meest eerlijk over de grenzen van de huidige wetenschappelijke kennis. Het maakte ook de minste fouten, zoals het verzinnen van valse onderzoeksartikelen om zijn claims te ondersteunen.

De andere drie modellen presteerden goed, maar schoten tekort op specifieke gebieden. Het op één na beste model, Claude, kwam dicht in de buurt van de leider, maar maakte nog steeds meer fouten. De andere twee, Gemini en Copilot, hadden vaker moeite met veiligheid en nauwkeurigheid. Een groot punt van falen voor alle modellen was wanneer de vragen betrekking hadden op commerciële voedingssupplementen. In deze gevallen, waar wetenschappelijk bewijs vaak rommelig of tegenstrijdig is, neigden de computers de neiging te hebben overmoedig te worden en definitief advies te geven, zelfs wanneer de wetenschap dit niet ondersteunde. Ze varieerden ook in hun betrouwbaarheid; sommige modellen gaven verschillende antwoorden op exact dezelfde vraag wanneer ze er meerdere keren naar werden gevraand, terwijl anderen consistent bleven. De studie vond dat zelfs de best presterende computer nog hallucineerde, of feiten verzon, over wetenschappelijke referenties in ongeveer 4,4 procent van de gevallen — een percentage dat laag was, maar nog steeds aanwezig was. Dit betekent dat hoewel de AI een nuttig hulpmiddel kan zijn voor het samenvatten van informatie, het nog niet vertrouwd kan worden om zelfstandig beslissingen te nemen.

De onderzoekers concludeerden dat deze systemen van kunstmatige intelligentie krachtige assistenten zijn die tandartsen en patiënten kunnen helpen bij het navigeren door de complexe wereld van voeding voor tandheelkundige implantaten, maar dat ze niet klaar zijn om menselijk oordeel te vervangen. De beste modellen lieten zien dat ze de biologische behoeften van helend bot konden begrijpen en degelijk algemeen advies konden bieden, maar ze struikelen nog steeds wanneer het bewijs zwak is of wanneer specifieke commerciële producten betrokken zijn. De studie suggereert dat de toekomst van het gebruik van deze tools in de tandheelkunde ligt in een partnerschap waarbij de computer een snelle, op bewijs gebaseerde samenvatting biedt, en de menselijke expert de details verifieert, de veiligheid controleert en het advies afstemt op de specifieke patiënt. Totdat de computers consistent kunnen voorkomen dat ze feiten verzinnen en onzeker bewijs met dezelfde voorzichtigheid kunnen behandelen als een menselijke arts, moet hun rol ondersteunend blijven in plaats van beslissend. De technologie vordert snel, maar voor nu is de veiligste weg voor het implantaat van een patiënt om de computer het onderzoek te laten doen en de mens de beslissing te laten nemen.