רפואת השיניים מבוססת הראיות (Evidence-Based Dentistry) נשענת זה שלושה עשורים על עיקרון פשוט ועמוק: החלטה קלינית טובה נולדת משילוב של שלושה מקורות, הראיה המחקרית הטובה ביותר, המומחיות הקלינית של הרופא, וערכיו והעדפותיו של המטופל. המונח "רפואה מבוססת ראיות" נטבע בשנת 1990, והמודל שלו הפך לשפה המשותפת של המקצוע. כעת, כניסתה של הבינה המלאכותית מציבה בפני מודל זה שאלה יסודית: האם היא מחזקת את שלושת העמודים, מאתגרת אותם, או משנה את מאזן הכוחות ביניהם? סדרת מאמרים זו תבחן את הבינה המלאכותית על פני מגוון תחומים קליניים, אבחון רדיולוגי, תכנון אסתטי, שיקום, ניהול מרפאה ואתיקה, ומאמר פתיחה זה מבקש להניח את המסגרת הרעיונית שתלווה את כולם.

הפיתוי לראות בבינה המלאכותית פרדיגמה חדשה המחליפה את הישנה הוא גדול, אך מדויק יותר לראות בה הרחבה של ייצור הראיות ולא תחליף לחשיבה האפידמיולוגית. הרפואה מבוססת הראיות התמודדה מאז ומעולם עם אתגרים מובנים: היקף עצום של ספרות שקשה לעכל, איכות מחקרית משתנה, ותהליכי סינתזה איטיים, קווי הנחיה קליניים עשויים לדרוש כשנתיים עד להשלמתם, ולהתעדכן רק אחת לכמה שנים. כאן הבינה המלאכותית מציעה ערך אמיתי: זירוז סינתזת הראיות, זיהוי פערי מחקר, ואף אפשרות ל"סקירות שיטתיות חיות" המתעדכנות באופן שוטף. במובן זה, היא כלי המשרת את העמוד הראשון, הראיה, ומחזק אותו.

אלא שכאן טמון גם מתח מהותי. כאשר מערכת בינה מלאכותית מפיקה המלצה קלינית, נוצר פרדוקס: מודלים, ובראשם מודלי שפה גדולים, משמשים הלכה למעשה כמערכות תמיכה בהחלטות מבלי שעברו את ההערכה, התיקוף והפיקוח הרגולטורי המחמירים שמערכות רפואיות מסורתיות נדרשות להם. הפלט האלגוריתמי אינו "ראיה" במובן הקלאסי, הוא לא עבר ניסוי מבוקר, לא זכה למטא-אנליזה, ולעתים אף אינו ניתן להסבר. הגישה הנכונה, אם כן, היא להתייחס לפלט של הבינה המלאכותית כאל ראיה הדורשת הערכה ביקורתית: בחינת מהימנותה, הבנת הקשרה, ושילובה עם המומחיות הקלינית ועם ערכי המטופל, בדיוק כפי שנוהגים בכל מקור ראייתי אחר.

הבעיה מחריפה בשל מאפיין ידוע של מערכות רבות, טבען כ"קופסה שחורה". רבות מהן מפיקות תוצאה מבלי לחשוף את הנתיב שהוביל אליה, ואי-שקיפות זו מערערת את האמון והמהימנות. בהעדר הסברוּת, קשה לרופא להעריך אם ההמלצה מבוססת על היגיון קליני תקף או על מתאם מקרי בנתוני האימון. לכך מתווספים אתגרים מוכרים: יכולת הכללה מוגבלת בין אוכלוסיות, הטיה הנובעת ממסדי נתונים לא-מייצגים, מיעוט מחקרים פרוספקטיביים בעולם האמיתי, וסכנת ההישענות-יתר של הרופא על פלט אלגוריתמי אטום. אלה אינם פגמים שוליים אלא בדיוק הנקודות שבהן חשיבה מבוססת ראיות נדרשת לשמור על עֵרנותה.

ודווקא כאן בולט העמוד השני של המודל, המומחיות הקלינית. מחקרים על רפואה מבוססת ראיות מדגישים כי המומחיות הקלינית איננה רק ידע, אלא מנגנון המסנתז את הראיה עם נסיבותיו הספציפיות של המטופל, ומבטיח שההחלטה לא תוכתב על ידי המחקר לבדו. הבינה המלאכותית עלולה לאיים על עמוד זה דרך תופעה של דה-סקילינג, שחיקת מיומנות הרופא ככל שמשימות עוברות לאוטומציה. אך היא יכולה גם להעצים אותו: אם היא חוסכת זמן בהערכת ראיות ובמשימות שגרתיות, היא עשויה לפנות לרופא זמן להעמיק את מומחיותו ואת מעורבותו במטופל.

העמוד השלישי, ערכי המטופל, הוא אולי המורכב ביותר. הבינה המלאכותית יכולה לסייע בהנגשת מידע ובכלי החלטה משותפים, אך היא גם מעלה שאלות חדשות של פרטיות, שקיפות והסכמה מדעת שיידונו בהרחבה בהמשך הסדרה. מטופל שאבחונו מבוסס בחלקו על אלגוריתם זכאי לדעת זאת, ושילוב ערכיו בהחלטה נותר תפקידו הבלעדי של הרופא, לא של המכונה.

לסיכום, הבינה המלאכותית אינה שוברת את מודל הרפואה מבוססת הראיות אלא נכנסת אל תוכו, ככלי רב-עוצמה המשרת בעיקר את עמוד הראיה, אך מחייב את הרופא לשמור על שני העמודים האחרים במלוא עוצמתם. ביצועים חזויים אינם ערובה לתוקף סיבתי או לתועלת קלינית, ופלט אלגוריתמי, ככל שיהיה מרשים, נותר ראיה הטעונה שיפוט. הסדרה שלפנינו תלווה את הרופא לאורך התחומים השונים, אך המסר המסגרתי אחד הוא: הבינה המלאכותית מרחיבה את יכולתו של הרופא מבוסס-הראיות, היא אינה מחליפה את שיקול דעתו, אלא תובעת אותו ביתר שאת.

רשימת ספרות 

  1. When evidence meets artificial intelligence: reshaping the methodological and ethical foundations of evidence-based medicine. 2026 (state-of-the-art review, ScienceDirect).
  2. Wang Y, et al. Artificial intelligence empowering evidence-based medicine: an L0-L5 evolutionary framework toward personalized precision medicine. 2025.
  3. Sadoughi F, et al. Towards evidence-based practice 2.0: leveraging artificial intelligence in healthcare. Front Health Serv. 2024;4:1368030.
  4. Pol TR, Patil A. Artificial intelligence in dentistry: current evidence, clinical utility, and challenges. J Indian Prosthodont Soc / narrative review. 2026.
  5. Baxmann M, Kárpáti K, Baráth Z. The potentials and challenges of integrating generative artificial intelligence in dental and orthodontic education: a systematic review. BMC Oral Health. 2025;25:905.
  6. Artificial intelligence applications in dentistry: a systematic review. Oral (MDPI). 2025;5(4):90.
  7. Sackett DL, Rosenberg WMC, Gray JAM, Haynes RB, Richardson WS. Evidence based medicine: what it is and what it isn't. BMJ. 1996;312:71-72.