Large Language Models as Decision-Support Tools for Laser Dentistry: A Blinded, Expert-Rated Comparison
在一项针对五种 AI 平台、使用 24 个合成激光牙科情境进行的盲测专家评分比较中，一个医学领域检索增强生成（RAG）系统和一种领先的通用型大语言模型在准确性、安全性及完整性方面显著优于其他工具，而一个通用型 RAG 平台表现最差。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
长期以来，牙医一直将激光作为治疗牙周疾病、清理根管和美白牙齿的精准工具。与通过磨削组织来工作的钻头不同，激光束可以通过调节其光波长以与水或血液发生相互作用，从而针对特定的组织（如粉红色的软组织牙龈或白色的硬质牙釉质）进行处理。然而，选择合适的激光是一项精细的任务。如果光强过大或颜色不对，可能会灼伤牙神经或损伤眼睛；如果光强过弱，则会导致治疗失败。由于没有任何适用于所有情况的单一通用规则手册，牙医必须为每位患者仔细计算功率、脉冲速度和冷却方法。这种复杂性引发了一些人的思考：人工智能是否可以充当向导，针对如何安全有效地设置这些机器提供即时建议。
为了测试这一想法，来自以色列理工学院（Technion）和新保加利亚大学的研究人员进行了一项受控实验，涉及五种不同的人工智能平台。他们并没有要求计算机诊断真实的患者，而是让它们解决二十四个精心设计的虚构牙科案例。这些场景涵盖了激光牙科领域的三个主要方向：牙龈及外科手术、根管治疗以及牙冠或填充物等修复程序。对于每个案例，研究小组都提出了相同的六部分问题：激光是合适的工具吗？应该使用哪种类型的激光？功率和时序的具体设置是什么？分步计划是什么？需要哪些安全措施？以及预期结果是什么？参与测试的五个平台包括三个广为人知的通用型聊天机器人，一个专门设计用于搜索医学期刊的系统，以及另一个用于在互联网上搜索答案的系统。
对比结果非常明确，揭示了性能方面的显著差异。研究人员聘请了三位分别擅长上述三个领域的专家牙医，在不知道答案是由哪台计算机生成的情况下对回答进行评分。专家们根据准确性、安全性及完整性，按一到五分的标准对回答进行评分。研究结果表明，在提供医疗建议方面，并非所有的人工智能都是平等的。那个通过搜索同行评审医学文献的系统（名为 OpenEvidence）以及一个顶尖的通用聊天机器人 Claude，提供了最好的指导。它们始终能提供最准确的设置和最安全的方案。相比之下，搜索开放式互联网的系统 Perplexity 表现最差。它产生的回答中包含危险错误或缺失关键步骤的情况最多。事实上，该互联网搜索工具生成的回答中，超过一半的内容包含至少一个专家认为拙劣或具有潜在危害的元素，而医学文献系统从未产生过任何不安全的回答。
研究还强调，建议的质量在很大程度上取决于牙科的具体领域。在根管治疗和修复案例中，不同平台之间的表现差异最为剧烈，因为这些案例中的设置必须极其精确，以避免灼伤牙神经。在牙周疾病案例中，由于治疗方式通常具有更大的灵活性，各平台之间的差距较小。有趣的是，回答的长度并不保证质量。表现最好的系统之一 Claude 提供了简洁直接的回答，并获得了高度评价，而另一个平台给出的回答虽然非常冗长，却往往充满了错误。研究人员发现，依赖医学期刊的系统能够将其回答建立在既定的科学基础之上，从而避免了其他系统常有的“幻觉”或捏造事实的问题。虽然通用聊天机器人通常很擅长表现得自信，但它们更容易建议错误的激光设置或遗漏安全警告。
这项实验表明，虽然人工智能可以成为牙医的强大工具，但目前还不能被信任到可以独立工作的程度。研究证明，一个基于经过验证的医学知识构建的系统，其表现优于那些扫描开放网络的系统，但即使是最好的系统也会偶尔出错。研究人员得出结论，这些工具应当作为辅助专家做出决策的助手，而不是取代专家。在牙医根据计算机建议使用激光之前，人类专家必须根据当前的医学证据对设置进行核实。这项研究提醒我们，在风险极高的牙科领域，一个错误的设置可能会造成真实的身体伤害，因此信息的来源比信息的传递速度更为重要。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。