Desempenho de LLM no Diagnóstico Endodôntico

Este estudo observacional prospetivo visa avaliar o desempenho em tempo real na tomada de decisões de diagnóstico e tratamento de três grandes modelos de linguagem — ChatGPT-4o, Gemini Advanced e Claude 3.7 — num contexto clínico de endodontia. Um total de 120 pacientes que se apresentaram na clínica de endodontia foram examinados, tendo sido recolhidos históricos médicos/dentais detalhados, achados clínicos e radiografias periapicais. Cada caso anonimizado foi depois apresentado aos três LLMs utilizando uma solicitação padronizada pedindo o diagnóstico e o plano de tratamento adequado.

Todos os modelos foram utilizados nas suas configurações multimodais predefinidas, sem ativar funções de pesquisa na web, plug-ins ou recuperação de dados externos. Cada questão foi submetida apenas uma vez em sessões de chat isoladas para evitar a retenção de memória. As respostas foram guardadas literalmente e comparadas com os diagnósticos e planos de tratamento de referência estabelecidos por um painel de especialistas em endodontia.

Este estudo foi concebido para imitar o mais fielmente possível as condições clínicas do mundo real, fornecendo uma avaliação realista de como estes sistemas poderão atuar quando utilizados por clínicos na prática diária. Compreender as suas capacidades e limitações em cenários clínicos autênticos é essencial, uma vez que se espera que os LLMs desempenhem um papel cada vez mais vital nos futuros cuidados dentários, particularmente no apoio à decisão, no triagem e na educação do paciente. Ao identificar onde estes modelos têm um bom desempenho e onde apresentam lacunas, esta investigação visa informar uma integração clínica segura e eficaz à medida que as tecnologias de LLM continuam a evoluir.