Amankah Bertanya ke AI Saat Darurat Gigi? Studi Uji 5 Chatbot Populer — dan Menemukan Alasan untuk Tetap Waspada
Bayangkan gigi anak Anda tiba-tiba copot karena terjatuh, hari sudah larut, dan dokter gigi tak bisa dihubungi. Refleks banyak orang zaman sekarang: meraih ponsel dan bertanya ke ChatGPT atau chatbot AI lainnya. Tapi seberapa bisa dipercaya jawabannya? Sebuah studi di Turki menguji lima chatbot AI populer dengan 27 pertanyaan darurat gigi sungguhan, lalu meminta 20 dokter gigi menilai jawabannya. Kabar baiknya: secara umum, AI menjawab cukup baik. Namun ada catatan penting — bahkan chatbot terbaik pun sesekali memberi jawaban yang dinilai dokter berpotensi menyesatkan atau membahayakan. Sebuah pengingat bahwa AI adalah pendamping, bukan pengganti dokter.
Darurat Gigi: Ketika Setiap Menit Berharga
Cedera gigi akibat trauma adalah masalah yang jauh lebih umum daripada yang kita kira — diperkirakan menimpa sekitar satu dari lima orang setidaknya sekali seumur hidup, dan paling sering terjadi pada anak-anak serta remaja.
Yang membuatnya menantang: cedera ini hampir selalu terjadi di luar klinik — di lapangan olahraga, di rumah, di sekolah — dan sering kali bersifat mendesak. Pada kasus tertentu, seperti gigi permanen yang copot total, kecepatan penanganan sangat menentukan apakah gigi itu masih bisa diselamatkan. Dalam situasi panik semacam ini, wajar jika orang mencari panduan secepat mungkin. Dan semakin banyak orang kini beralih ke chatbot AI untuk mendapatkan jawaban instan. Pertanyaannya: apakah AI bisa diandalkan di momen kritis seperti ini?
Apa yang Dilakukan Para Peneliti
Untuk menjawabnya, tim peneliti dari Turki merancang sebuah pengujian yang cukup teliti. Mereka menyiapkan 27 pertanyaan bergaya pasien seputar darurat gigi, disusun berdasarkan pedoman internasional penanganan trauma gigi (IADT), lalu mengelompokkannya ke dalam lima kategori: gigi copot total (avulsi), perawatan setelah gigi ditanam kembali, gigi bergeser (luksasi), gigi patah (fraktur), dan cedera lainnya.
Pertanyaan-pertanyaan itu diajukan ke lima chatbot AI populer yang bisa diakses publik: ChatGPT-4o (OpenAI), Claude 3.5 (Anthropic), DeepSeek, Microsoft Copilot, dan Gemini 2.0 Flash (Google). Semua diakses melalui antarmuka web biasa, tanpa trik khusus — persis seperti cara orang awam menggunakannya.
Kemudian, 20 dokter gigi berpengalaman menilai setiap jawaban dengan skala 1 hingga 5, mempertimbangkan tiga hal: akurasi (kebenaran informasi), kelengkapan, dan penerapan klinisnya (seberapa berguna dalam situasi nyata). Yang penting, para penilai tidak diberi tahu jawaban itu berasal dari chatbot mana. Secara keseluruhan, terkumpul 2.700 penilaian.
Hasil: Cukup Andal, tapi Ada Juara dan Juru Kunci
Secara umum, hasilnya cukup menggembirakan — sebagian besar chatbot meraih skor yang tergolong baik, berkisar antara sekitar 3,9 hingga 4,6 dari skala maksimal 5. Namun ada perbedaan yang jelas di antara mereka.
ChatGPT-4o tampil sebagai yang terbaik, dengan skor rata-rata tertinggi (4,63) sekaligus paling konsisten. Di sisi lain, Gemini menempati posisi terbawah dengan skor rata-rata 3,87, terutama lemah pada kasus-kasus yang lebih rumit. Di antara keduanya, tiga chatbot lainnya berada di tingkat menengah: Claude (4,35), DeepSeek (4,25), dan Copilot (4,06). Urutan peringkat ini secara umum konsisten di semua kategori pertanyaan.
Peringatan Penting: Bahkan yang Terbaik Bisa Keliru
Inilah temuan yang paling penting untuk diperhatikan — dan yang membedakan studi ini dari sekadar "adu peringkat".
Selain menilai skor rata-rata, para peneliti juga menghitung berapa banyak jawaban yang dinilai dokter sebagai keliru, menyesatkan, atau berpotensi membahayakan. Hasilnya menjadi pengingat yang serius: bahkan chatbot terbaik (ChatGPT-4o) masih menghasilkan sekitar 2,5 persen jawaban dalam kategori berisiko ini. Dan pada chatbot dengan performa terendah (Gemini), angkanya melonjak hingga 20 persen — artinya, satu dari lima jawaban berpotensi bermasalah.
Angka ini kecil bagi yang terbaik, tetapi tetap bukan nol. Dalam situasi darurat yang menegangkan, sepotong informasi yang salah bisa berakibat fatal. Inilah alasan mendasar mengapa AI — sebagus apa pun — belum bisa menggantikan penilaian seorang profesional.
AI Lebih Jago di Kasus Sederhana, Kewalahan di Kasus Rumit
Studi ini juga menemukan pola yang menarik: performa chatbot sangat bergantung pada tingkat kerumitan kasusnya.
Semua chatbot tampil paling baik pada kasus yang jelas dan memiliki panduan penanganan yang tegas, seperti gigi copot total (avulsi) — situasi darurat yang langkah-langkahnya sudah baku dan mudah dijelaskan. Sebaliknya, mereka paling kewalahan pada situasi yang lebih kompleks, seperti perawatan setelah gigi ditanam kembali (yang melibatkan detail rumit seperti pemilihan antibiotik dan lama pemasangan bidai) serta gigi bergeser (luksasi) yang punya banyak variasi. Masuk akal: semakin bernuansa dan bercabang sebuah kasus, semakin besar peluang AI tersandung.
Mengapa AI Bisa Keliru soal Kesehatan
Mengapa chatbot yang begitu canggih masih bisa salah? Ada beberapa alasan mendasar yang penting dipahami.
Pertama, fenomena yang disebut "halusinasi" — yaitu ketika AI dengan percaya diri menghasilkan informasi yang terdengar meyakinkan, padahal keliru atau bahkan mengada-ada. Kedua, data pelatihan yang tidak selalu mutakhir — model AI dilatih hingga titik waktu tertentu, sehingga jawabannya belum tentu mencerminkan pedoman medis terbaru. Ketiga, dan mungkin yang paling mendasar: AI hanya memberikan informasi umum tanpa benar-benar melihat kondisi cedera yang dialami pasien. Padahal, penanganan yang tepat sering kali bergantung pada pemeriksaan langsung. Ketiga hal inilah yang membuat penilaian seorang dokter tetap tak tergantikan.
Catatan Penting: Apa yang Perlu Diingat
Seperti semua penelitian yang jujur, studi ini pun memiliki keterbatasan yang perlu dipahami.
Pertama — dan ini sangat penting — pengujian dilakukan pada awal 2025 dengan versi chatbot tertentu. Dunia AI berkembang sangat cepat, sehingga versi-versi terbaru dari masing-masing chatbot bisa saja menunjukkan performa yang berbeda dari hasil ini. Dengan kata lain, peringkat di atas adalah potret sesaat, bukan penilaian permanen. Kedua, pengujian dilakukan dalam bahasa Turki, sehingga hasilnya belum tentu sama persis untuk bahasa lain (termasuk bahasa Indonesia). Ketiga, penilaian dilakukan oleh para dokter berdasarkan penilaian ahli mereka, yang secara alami mengandung unsur subjektivitas — tingkat kesepakatan antar-penilai pun tergolong sedang.
Meski demikian, inti pelajaran dari studi ini bersifat universal dan tidak lekang oleh perubahan versi: AI bisa membantu, tetapi tetap perlu diverifikasi.
Kesimpulan: AI sebagai Pendamping, Bukan Pengganti Dokter
Pesan utama dari studi ini seimbang dan sangat relevan bagi kita di era digital: chatbot AI memang bisa menjadi sumber informasi awal yang berguna ketika dokter gigi belum bisa dijangkau — membantu kita memahami tingkat keparahan cedera, langkah pertolongan pertama, dan meredakan kepanikan. Untuk hal-hal ini, AI adalah alat bantu yang berharga.
Namun — dan ini tak bisa ditawar — AI bukanlah pengganti pemeriksaan dan penanganan oleh profesional. Fakta bahwa bahkan chatbot terbaik pun sesekali memberi jawaban berpotensi membahayakan seharusnya menjadi rambu yang jelas. Jika Anda menghadapi darurat gigi yang sesungguhnya, jadikan AI sebagai panduan sementara, tetapi segera cari pertolongan dokter gigi — terutama pada kasus mendesak di mana setiap menit berarti, seperti gigi permanen yang copot. Pada situasi seperti itu, jalur tercepat menuju penyelamatan gigi bukanlah percakapan dengan chatbot, melainkan tangan seorang profesional.
Bagi dunia kedokteran gigi, studi ini menjadi pengingat sekaligus arah: AI adalah pelengkap yang menjanjikan, tetapi pemanfaatannya untuk pasien harus selalu disertai kehati-hatian, verifikasi, dan pengawasan manusia.
Referensi
Sözen, E., Akpınar, H., & Yaman, S. (2026). Comparative performance of large language models for patient-oriented support in dental trauma emergencies. BMC Oral Health, 26, 665. DOI: https://doi.org/10.1186/s12903-026-08037-8
