DOI: https://doi.org/10.1007/s10266-026-01339-x
PMID: https://pubmed.ncbi.nlm.nih.gov/41670838
تاريخ النشر: 2026-02-11
المؤلف: Ayşegül Eroğlu وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية والتعليم
نظرة عامة
تستكشف هذه الدراسة دقة اتخاذ القرارات السريرية لنماذج الذكاء الاصطناعي (AI) المختلفة في تخطيط العلاج اللبّي للمرضى الذين يعانون من أمراض جهازية. باستخدام تصميم تعليمي قائم على السيناريو، شمل البحث 40 سيناريو سريري موحد بناءً على إرشادات لبية وطبية معتمدة. تم تقييم أربعة نماذج ذكاء اصطناعي—ChatGPT-5.1 وGemini 2.5 Pro وGemini 2.5 Flash وChatGPT-3.5—باستخدام مطالبات متطابقة في بيئات معزولة للقضاء على التحيزات السياقية. تم تقييم الردود من قبل اثنين من أطباء الأسنان اللبية المعتمدين باستخدام نظام تسجيل من 10 نقاط، مصنفين الدقة السريرية على أنها عالية أو جزئية أو غير صحيحة. كشفت التحليلات الإحصائية عن عدم وجود اختلافات كبيرة في الدقة العامة أو الدرجات المحددة في المجالات بين النماذج، على الرغم من العثور على فرق ملحوظ في نسبة الردود عالية الدقة.
تشير النتائج إلى أن نماذج الذكاء الاصطناعي المعاصرة تؤدي بشكل مشابه في اتخاذ القرارات السريرية للسيناريوهات اللبية التي تشمل المرضى الذين يعانون من مشاكل طبية. بينما تتماشى التوصيات التي يولدها الذكاء الاصطناعي بشكل وثيق مع إجماع الخبراء، خاصة في تقييم المخاطر النظامية وتخطيط العلاج، لم يتفوق أي نموذج بشكل متسق على الآخرين. تؤكد الدراسة على إمكانية استخدام الذكاء الاصطناعي كأداة داعمة في البيئات السريرية، مشددة على ضرورة إشراف الأطباء والحذر في تفسير مخرجات الذكاء الاصطناعي. يُوصى بإجراء أبحاث مستقبلية تتضمن بيانات من العالم الحقيقي لتوضيح دور الذكاء الاصطناعي في دعم اتخاذ القرارات اللبية.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور الحاسم للعلاج اللبّي في طب الأسنان الحديث، مشددة على أهدافه المتمثلة في القضاء على العدوى اللبية والحفاظ على بنية الأسنان. تشير إلى أن الأمراض الجهازية، مثل أمراض القلب والأوعية الدموية، ومرض السكري، وأمراض الكلى المزمنة، وغيرها، يمكن أن تعقد العدوى اللبية والإدارة، مما يزيد من مخاطر المرضى وتعقيد العلاج. على سبيل المثال، يرتبط مرض السكري بزيادة احتمال حدوث التهاب اللثة القمي وصعوبات في الشفاء، مما يؤدي إلى زيادة معدل الأسنان المملوءة بالجذور المستخرجة مقارنة بالمرضى غير المصابين بالسكري.
تناقش الورقة أيضًا آثار العلاج بمضادات التخثر على مخاطر النزيف أثناء الإجراءات السنية، مشيرة إلى أنه على الرغم من أن معظم أحداث النزيف قابلة للإدارة، إلا أنها لا تزال تشكل مخاوف كبيرة. على الرغم من وجود إرشادات سريرية قائمة، يمكن أن تؤدي التناقضات في أساليب العلاج للمرضى الذين يعانون من مشاكل طبية إلى إما علاج زائد أو ناقص. تقترح الدراسة تقييم أداء أربعة نماذج ذكاء اصطناعي (ChatGPT-5.1 وGemini 2.5 Pro وGemini 2.5 Flash وChatGPT-3.5) في اتخاذ قرارات العلاج اللبّي للمرضى الذين يعانون من أمراض جهازية، بهدف مقارنة دقتها واتخاذ القرارات السريرية مع أطباء الأسنان اللبية الخبراء. تفترض الفرضية الصفرية عدم وجود فرق كبير في الدقة بين نماذج الذكاء الاصطناعي فيما يتعلق بقرارات العلاج اللبّي.
الطرق
توضح قسم “المواد والطرق” في الورقة البحثية تصميم التجربة، والمواد المستخدمة، والأساليب المعتمدة للتحقيق في أسئلة البحث. تفصل المواد المحددة، بما في ذلك أي مواد كيميائية، ومعدات، وعينات بيولوجية، التي تم استخدامها في الدراسة. كما يصف القسم البروتوكولات المتبعة لجمع البيانات وتحليلها، مما يضمن إمكانية تكرار العملية البحثية وشفافيتها.
بالإضافة إلى ذلك، قد تشمل الطرق المستخدمة التحليلات الإحصائية، والضوابط التجريبية، وأي تقنيات حسابية استخدمت لتفسير البيانات. تعتبر صرامة الأساليب ضرورية للتحقق من صحة النتائج وضمان أن تكون النتائج موثوقة وقابلة للتطبيق في السياق الأوسع لمجال البحث. بشكل عام، يعد هذا القسم مكونًا أساسيًا يدعم نزاهة استنتاجات الدراسة.
النتائج
تشير نتائج الدراسة إلى أنه لم تكن هناك اختلافات ذات دلالة إحصائية في درجات دقة اتخاذ القرارات السريرية العامة بين نماذج الذكاء الاصطناعي المختلفة التي تم تقييمها عبر سيناريوهات سريرية مختلفة، كما حددها اختبار فريدمان (p = 0.298). كانت هذه النتيجة غير المهمة متسقة في التحليلات المحددة في المجالات، والتي شملت تقييمات للحالات النظامية، واتخاذ قرارات العلاج، وإدارة الأدوية، ومتطلبات الاستشارة (جميع p > 0.05).
على الرغم من عدم وجود اختلافات زوجية ذات دلالة، كشف اختبار كوكيران Q عن فرق عام ذو دلالة إحصائية في نسبة التصنيفات عالية الدقة بين نماذج الذكاء الاصطناعي (p = 0.007). ومع ذلك، لم تسفر تحليلات ماكنمار بعد الاختبار المعدلة بونفيروني عن اختلافات ذات دلالة بين أزواج النماذج الفردية. أشارت الاتجاهات الوصفية إلى أن ChatGPT-3.5 وGemini 2.5 Pro حققا أعلى نسب من الدقة السريرية العالية بنسبة 92.5%، بينما كان لدى Gemini 2.5 Flash معدل أقل قدره 70.0%. بالإضافة إلى ذلك، أظهرت تحليل الانحراف من الدرجات المثلى المحددة من قبل الخبراء عدم وجود اختلافات ذات دلالة بين النماذج (اختبار فريدمان، p = 0.298)، حيث أظهرت جميع النماذج تقاربًا مشابهًا مع إجماع الخبراء، على الرغم من أن الفحص الوصفي اقترح بعض الاختلافات في الأداء.
المناقشة
قدمت الدراسة تقييمًا قائمًا على السيناريو، وعرضًا مقطعيًا لنماذج الذكاء الاصطناعي (AI) في اتخاذ قرارات العلاج اللبّي للمرضى الذين يعانون من أمراض جهازية. كانت تهدف إلى تقييم التوافق بين التوصيات التي يولدها الذكاء الاصطناعي وقرارات أطباء الأسنان اللبية الخبراء عبر 40 سيناريو سريري، يمثل كل منها حالات نظامية شائعة مثل السكري، وارتفاع ضغط الدم، وأمراض القلب والأوعية الدموية. تم تطوير السيناريوهات بالتعاون مع متخصصين طبيين وخضعت لاختبارات مسبقة صارمة لضمان صلاحيتها السريرية. التزمت الدراسة بالمبادئ الأخلاقية، مستخدمةً فقط بيانات مولدة بواسطة الذكاء الاصطناعي دون إشراك مشاركين بشريين أو حيوانات.
تشير النتائج إلى أن نماذج الذكاء الاصطناعي التي تم تقييمها—ChatGPT-5.1 وChatGPT-3.5 وGemini 2.5 Pro وGemini 2.5 Flash—أظهرت أداءً متقاربًا في اتخاذ القرارات السريرية، دون وجود اختلافات ذات دلالة إحصائية بينها. تم تقييم توصيات كل نموذج مقابل معيار ذهبي تم تحديده من قبل لجنة من الخبراء، باستخدام نظام تسجيل منظم قيم مدى ملاءمة الحالة النظامية، وملاءمة العلاج، وسلامة الأدوية، وضرورة الاستشارة الطبية. تشير النتائج إلى أن أنظمة الذكاء الاصطناعي يمكن أن تدمج بفعالية معلومات طبية معقدة في دعم اتخاذ القرارات السريرية، على الرغم من ملاحظة تباين في الأداء، خاصة بين النماذج المختلفة. تسلط هذه الدراسة الضوء على إمكانية استخدام أدوات الذكاء الاصطناعي للمساعدة في اتخاذ القرارات الدقيقة المطلوبة للعلاج اللبّي في المرضى الذين يعانون من مشاكل طبية، مشددة على أهمية إطار سريري منظم لتحقيق أفضل النتائج.
DOI: https://doi.org/10.1007/s10266-026-01339-x
PMID: https://pubmed.ncbi.nlm.nih.gov/41670838
Publication Date: 2026-02-11
Author(s): Ayşegül Eroğlu et al.
Primary Topic: Artificial Intelligence in Healthcare and Education
Overview
This study investigates the clinical decision-making accuracy of various artificial intelligence (AI) models in endodontic treatment planning for patients with systemic diseases. Utilizing a scenario-based, cross-sectional educational design, the research involved 40 standardized clinical scenarios based on established endodontic and medical guidelines. Four AI models—ChatGPT-5.1, Gemini 2.5 Pro, Gemini 2.5 Flash, and ChatGPT-3.5—were evaluated using identical prompts in isolated environments to eliminate contextual biases. Responses were assessed by two calibrated endodontists using a 10-point scoring system, categorizing clinical accuracy as high, partial, or incorrect. Statistical analyses revealed no significant differences in overall accuracy or domain-specific scores among the models, although a notable difference was found in the proportion of high-accuracy responses.
The findings indicate that contemporary AI models perform similarly in clinical decision-making for endodontic scenarios involving medically compromised patients. While AI-generated recommendations align closely with expert consensus, particularly in systemic risk assessment and treatment planning, no single model consistently outperformed the others. The study underscores the potential of AI as a supportive tool in clinical settings, emphasizing the necessity of clinician oversight and caution in interpreting AI outputs. Future research incorporating real-world data is recommended to further elucidate the role of AI in endodontic decision support.
Introduction
The introduction of this research paper highlights the critical role of endodontic treatment in modern dentistry, emphasizing its objectives of eliminating pulpal infections and preserving tooth structure. It notes that systemic diseases, such as cardiovascular disease, diabetes mellitus, chronic kidney disease, and others, can complicate endodontic infections and management, increasing patient risk and treatment complexity. For instance, diabetes is associated with a higher likelihood of apical periodontitis and challenges in healing, leading to a greater incidence of extracted root-filled teeth compared to non-diabetic patients.
The paper also addresses the implications of anticoagulant therapy on bleeding risks during dental procedures, noting that while most bleeding events are manageable, they still pose significant concerns. Despite existing clinical guidelines, inconsistencies in treatment approaches for medically compromised patients can result in either over- or undertreatment. The study proposes to evaluate the performance of four artificial intelligence models (ChatGPT-5.1, Gemini 2.5 Pro, Gemini 2.5 Flash, and ChatGPT-3.5) in making endodontic treatment decisions for patients with systemic diseases, aiming to compare their accuracy and clinical decision-making against expert endodontists. The null hypothesis posits no significant difference in accuracy among the AI models regarding endodontic treatment decisions.
Methods
The “Materials and Methods” section of the research paper outlines the experimental design, materials utilized, and methodologies employed to investigate the research questions. It details the specific materials, including any reagents, equipment, and biological samples, that were used in the study. The section also describes the protocols followed for data collection and analysis, ensuring reproducibility and transparency in the research process.
Additionally, the methods employed may include statistical analyses, experimental controls, and any computational techniques used to interpret the data. The rigor of the methodologies is crucial for validating the findings and ensuring that the results are reliable and applicable to the broader context of the research field. Overall, this section serves as a foundational component that supports the integrity of the study’s conclusions.
Results
The results of the study indicate that there were no statistically significant differences in overall clinical decision accuracy scores among the various AI models evaluated across different clinical scenarios, as determined by the Friedman test (p = 0.298). This lack of significant differences was consistent in domain-specific analyses, which included evaluations of systemic conditions, treatment decision-making, medication management, and consultation requirements (all p > 0.05).
Despite the absence of significant pairwise differences, Cochran’s Q test revealed a statistically significant overall difference in the proportion of high-accuracy classifications among the AI models (p = 0.007). However, Bonferroni-adjusted McNemar post hoc analyses did not yield significant differences between individual model pairs. Descriptive trends indicated that ChatGPT-3.5 and Gemini 2.5 Pro achieved the highest proportions of high clinical accuracy at 92.5%, while Gemini 2.5 Flash had a lower rate of 70.0%. Additionally, deviation analysis from expert-defined optimal scores showed no significant differences among the models (Friedman test, p = 0.298), with all models demonstrating similar proximity to expert consensus, although descriptive inspection suggested some variations in performance.
Discussion
The study presented a scenario-based, cross-sectional evaluation of artificial intelligence (AI) models in endodontic treatment decision-making for patients with systemic diseases. It aimed to assess the alignment between AI-generated recommendations and expert endodontist decisions across 40 clinical scenarios, each representing common systemic conditions such as diabetes, hypertension, and cardiovascular diseases. The scenarios were developed in collaboration with medical specialists and underwent rigorous pretesting to ensure clinical validity. The study adhered to ethical principles, utilizing only AI-generated data without involving human or animal participants.
The findings indicate that the evaluated AI models—ChatGPT-5.1, ChatGPT-3.5, Gemini 2.5 Pro, and Gemini 2.5 Flash—demonstrated comparable performance in clinical decision-making, with no statistically significant differences among them. Each model’s recommendations were assessed against a gold standard established by a panel of experts, using a structured scoring system that evaluated systemic condition relevance, treatment appropriateness, medication safety, and the necessity for medical consultation. The results suggest that AI systems can effectively integrate complex medical information into clinical decision support, although variability in performance was noted, particularly among different models. This study highlights the potential of AI tools to assist in the nuanced decision-making required for endodontic treatment in medically compromised patients, emphasizing the importance of a structured clinical framework for optimal outcomes.