歯科医療における大規模AIモデル：汎用システムからドメイン特化基盤モデルへ

口腔疾患は世界中で約35億人に影響を与えているが、歯科医療における大規模AIモデルの臨床的可能性はまだ十分に理解されていない。最近発表された系統的レビューでは、この問題に包括的に取り組んでいる。PRISMA-ScRガイドラインに従い、研究者らはPubMed、Google Scholar、Scopus、arXivの4つのデータベースを体系的に検索し、独立した2名のレビュアーがスクリーニングを行った。2020年から2026年までの97の研究が選択基準を満たし、アーキテクチャのパラダイムと歯科専門化の度合いに基づく2次元分類フレームワークが提案された。

このレビューでは、モデルを3つの主要なカテゴリに分類している：言語生成モデル、識別型ビジョン基盤モデル、歯科特化基盤モデルである。言語生成モデルは臨床推論、資格試験、患者コミュニケーションなどのテキストベースのタスクで優れた性能を示すが、画像に依存する診断では一貫性がない。一方、適応されたSAMやCLIPの変種は、歯のセグメンテーションと病変検出において強力な結果を示している。歯科特化モデル（DentVFM、DentVLM、OralGPTなど）は、複雑なマルチモーダルタスクで最も強力なパフォーマンスを発揮する。特に、複数のモデルを統合したパイプラインが単一モデルのアプローチを一貫して上回ることが明らかになった。

研究ではまた、データの非対称性が観察されている：歯科特化の事前学習はほぼ完全にビジョン領域に集中しており、大規模な歯科テキストコーパスの不足を反映している。著者らは、汎用モデルと歯科特化モデルは補完的な役割を果たし、最も効果的なシステムは両方を構造化パイプライン内で組み合わせたものであると結論付けている。安全な自律展開のためには、生成モデルにおける幻覚、限られた注釈付き歯科データセット、標準化された臨床評価ベンチマークの欠如という3つの持続的な障壁を解決する必要がある。