Model bahasa besar (Large Language Models/LLMs) dinilai belum mampu menghasilkan rencana diet yang memadai bagi pasien hipertensi. Hasil studi yang dipresentasikan dalam American Society for Preventive Cardiology Congress on CVD Prevention menunjukkan bahwa para ahli gizi memiliki performa yang lebih baik dibandingkan LLMs dalam menyusun menu mingguan untuk pasien dengan kondisi tersebut.
Penelitian ini membandingkan kemampuan tiga model bahasa besar dengan seorang ahli gizi dalam merancang rencana makan selama satu minggu. Fokus perbandingan adalah untuk dua skenario pasien hipotetis yang menderita hipertensi. Pasien pertama digambarkan sebagai seorang omnivora asal Amerika, sementara pasien kedua adalah seorang individu dengan latar belakang budaya India.
Vijaya Parameswaran, MS, PhD, RD, seorang fellow pascadoktoral di Stanford Prevention Research Center, Stanford University School of Medicine, memimpin studi ini bersama timnya. Ia menjelaskan bahwa LLMs masih memiliki keterbatasan signifikan dalam menghasilkan rekomendasi diet yang aman dan efektif untuk kondisi medis spesifik seperti hipertensi.
Dalam perbandingan tersebut, rencana diet yang dihasilkan oleh LLMs seringkali tidak mempertimbangkan secara cermat batasan nutrisi penting bagi penderita hipertensi, seperti pembatasan natrium. Selain itu, LLMs juga cenderung kurang peka terhadap preferensi budaya dan ketersediaan bahan makanan yang relevan bagi pasien dari latar belakang yang berbeda. Ahli gizi, di sisi lain, mampu menyajikan saran yang lebih personal, mempertimbangkan aspek medis, selera, serta kondisi sosial ekonomi pasien.
Temuan ini menggarisbawahi pentingnya peran profesional kesehatan, khususnya ahli gizi, dalam memberikan panduan diet yang presisi dan terpersonalisasi, terutama bagi pasien dengan kondisi kronis yang memerlukan penyesuaian pola makan yang ketat. Meskipun LLMs terus berkembang pesat, mereka belum dapat sepenuhnya menggantikan keahlian dan penilaian klinis yang dimiliki oleh tenaga medis berpengalaman.
