矯正歯科に関する情報源としての大型言語モデルベースのチャットボットと臨床医の信頼性:比較分析

Stefano Martina¹, Davide Cannatà¹, Teresa Paduano¹

¹Department of Medicine, Surgery and Dentistry "Scuola Medica Salernitana", University of Salerno, Via Allende, 84081 Baronissi, Italy.

Dentistry journal

|August 27, 2025

まとめ

大型言語モデル (LLM) のチャットボットは,矯正歯科の質問に対する回答において高い一貫性を示すが,しばしば歯科医と著しく異なる. 複雑な話題について誤解を招くこともあります.

科学分野:

歯科科学
人工知能

背景:

大型言語モデル (LLM) のチャットボットは,情報検索にますます使用されています.
矯正歯科のような専門分野での信頼性は徹底的な評価を必要とします

研究の目的:

矯正歯科における情報源としてのLLMチャットボットの信頼性を評価する.
一般歯科医 (GDP) と矯正歯科医 (OS) とのチャットボット対応を比較する.

主な方法:

5つの主要なチャットボットに8つの正しい/誤った矯正質問が提示されました.
チャットボットの応答一貫性は,クロンバッハのアルファを用いて測定された.
チャットボットによる回答は,臨床医による回答とキ2テスト (p < 0. 05) を比較した.
教育の価値はグローバル・クオリティ・スケール (GQS) を用いて評価された.

主要な成果:

すべてのチャットボットは高い応答一貫性 (α > 0. 80) を示した.
ほとんどの質問に対するチャットボットと臨床医の回答の間で有意な差異 (p < 0. 05) が観察されました.
DeepSeekは最高GQSスコア (平均4.00) を獲得し,Copilotは最低スコア (平均2.00) を獲得した.

結論:

LLMのチャットボットは歯科医と比較して一貫性のある情報を提供しますがしばしば異なるものです
チャットボットは価値ある矯正の洞察力を提供できますが議論の余地のある話題では信頼できないかもしれません

キーワード:

人工知能チャットボット健康に関する情報誤閉症矯正歯科

さらに関連する動画

03:14

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness

Published on: December 6, 2024

681

05:47

Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems

Published on: June 13, 2025

575

関連する概念動画

01:26

Modeling in Therapy

145

Modeling, a key technique in therapy, uses observational learning to help clients acquire and practice new skills by watching therapists demonstrate desired behaviors. This approach, rooted in Albert Bandura's concept of vicarious learning, plays a significant role in therapeutic interventions for various psychological conditions, including social anxiety, ADHD, and depression.
Participant Modeling
Participant modeling involves therapists demonstrating calm and effective behaviors in...

145

02:16

Stereotype Content Model

14.9K

The Stereotype Content Model (SCM) was first proposed by Susan Fiske and her colleagues (Fiske, Cuddy, Glick & Xu, 2002; see also Fiske, 2012 and Fiske, 2017). The SCM specifies that when someone encounters a new group, they will stereotype them based on two metrics: warmth—or that group’s perceived intent, and how likely they are to provide help or inflict harm—and competence—or their ability to carry out that objective. Depending on the warmth-competence...