Что произошло
Во Frontiers in Oral Health 30 сентября 2026 года опубликована поисковая сравнительная работа о качестве ответов чат-ботов на вопросы о рецидивирующем афтозном стоматите. В октябре публикация вошла в профильную подборку Американской академии искусственного интеллекта в стоматологии. Оригинальная дата статьи сохраняется: это не новое октябрьское испытание.
Авторы подготовили 30 англоязычных вопросов по разным аспектам заболевания и однократно задали их ChatGPT, Copilot, Gemini, Doubao и DeepSeek в отдельных сеансах. Получили 150 ответов. Пять оценщиков независимо рассматривали тексты до итогового согласования оценок.
Потенциально небезопасными или вводящими в заблуждение признали 16 ответов из 150 — 10,7%. Проблемы встречались в сценариях незаживающих поражений, успокаивающих утверждений об онкологическом риске, домашних средств, добавок, беременности и детского возраста. Это оценка текстов по условиям работы, а не частота осложнений у пользователей.
Что означает такая проверка
Рецидивирующий афтозный стоматит связан с повторяющимися афтами — болезненными поражениями слизистой. При этом бытовое выражение «язва во рту» охватывает гораздо больше возможных состояний. Их различение рассмотрено в статье о формах стоматита.
Исследование имело поперечный сравнительный дизайн: авторы зафиксировали ответы систем и оценили их по установленным критериям. Это наблюдательное сравнение информационных продуктов, без назначения лечения и наблюдения пациентов. Плашка доказательности на странице не означает клиническое испытание чат-ботов.
Доля ответов, признанных безопасными, составила от 83,3% до 93,3% в зависимости от системы. Статистически значимых межгрупповых различий по безопасности не выявили. По этим данным нельзя выстроить надёжный рейтинг сервисов или объявить их взаимозаменяемыми: авторы отдельно ограничивают такую интерпретацию.
Какие границы нельзя потерять
Вопросы составили исследователи, а не собрали как репрезентативную выборку обращений пациентов. Они были на английском языке. Использовались однократные ответы без длительного диалога, фотографий и реального клинического обследования. Результат нельзя автоматически переносить на все языки, версии моделей и пользовательские ситуации.
Кроме безопасности оценивали точность, качество информации, поддерживающий характер общения и читабельность. Только 31 ответ из 150, или 20,7%, соответствовал заданному авторами ориентиру простоты по одной из формул: уровню шестого класса или ниже. Формулы читабельности также не устанавливают, понял ли совет конкретный человек.
Для практического чтения важно различать:
- корректность содержания ответа в выбранном сценарии;
- понятность формулировки для читателя;
- способность системы получить недостающие сведения;
- последствия использования ответа в реальной медицинской ситуации.
Последний пункт в этой работе не измеряли. Поэтому выражение «каждый десятый пациент пострадает» было бы неверным.
Что это значит для приёма и цифровых помощников
Редакционный вывод для стоматолога — уточнять, какую информацию пациент уже получил до визита. Тогда можно предметно разобрать сформировавшиеся ожидания и объяснить, какие признаки требуют осмотра. Уверенный тон ответа чат-бота не является клиническим подтверждением диагноза.
Для клиники, использующей помощника на сайте, эта публикация даёт полезные контрольные сценарии: жалоба на длительно сохраняющееся поражение, вопрос от родителя, беременность и просьба подобрать домашнее лечение. Подготовка таких проверок требует участия профильного специалиста. Пересказ общей статьи не превращает помощника в безопасный диагностический инструмент.
Само описание поражения должно оставаться точным. Различия воспалительных изменений языка представлены в материале о глоссите. Публикации помогают ориентироваться в терминах, а индивидуальное заключение требует клинических данных.
Частые вопросы
10,7% — это вероятность вреда для пользователя?
Нет. Это доля текстов, получивших определённую экспертную оценку в конкретном наборе вопросов. Вред пациентам в работе не измеряли.
Один из пяти чат-ботов оказался лучшим?
Убедительных межгрупповых различий по безопасности авторы не выявили. Небольшой набор и однократные запросы не позволяют объявить универсального победителя.
Результаты относятся к ответам на русском языке?
Русскоязычные вопросы в этом сравнении не использовались. Прямой перенос чисел на них был бы необоснованным.
Хорошо написанный ответ может заменить осмотр?
Из этой работы такой вывод не следует. Понятность и вежливость текста не устанавливают причину поражения слизистой и не подтверждают индивидуальное назначение.
