大型AI模型在口腔醫療中的應用：從通用系統到領域專用基礎模型
一項系統綜述將口腔醫療中的大型AI模型分為語言生成、判別視覺基礎和口腔專用基礎三大類，基於97項研究指出它們互補但面臨幻覺、數據稀缺和缺乏標準化評估等挑戰。
口腔疾病影響着全球約35億人，然而大型人工智能模型在口腔醫療領域的臨牀潛力尚未得到充分探索。近日，一項遵循PRISMA-ScR指南的系統綜述對這一領域進行了全面梳理。研究者檢索了PubMed、Google Scholar、Scopus和arXiv四個數據庫，經獨立雙人篩選後，最終納入2020年至2026年間發表的97項研究，並提出一個二維分類框架，按架構範式和口腔專業化程度對模型進行歸類。
綜述將模型劃分為三大類別：語言生成模型、判別視覺基礎模型和口腔專用基礎模型。語言生成模型在臨牀推理、執照考試和患者溝通等文本類任務中表現優異，但在依賴圖像的診斷任務中結果不穩定。經過改寫的SAM和CLIP變體在牙齒分割和病變檢測上取得了強勁成績。而口腔專用模型如DentVFM、DentVLM和OralGPT，則在複雜的多模態任務中展現出最強性能。值得注意的是，將多種模型整合進結構化流水線的方法始終優於單一模型。
研究還觀察到一種數據不對稱現象：口腔領域的預訓練幾乎完全集中在視覺域，這反映了大規模口腔文本語料庫的稀缺性。作者指出，通用模型和口腔專用模型扮演着互補角色，最有效的系統往往在流水線中結合兩者。要實現安全自主的臨牀部署，仍需克服三大障礙：生成模型中的幻覺問題、有限的口腔標註數據集，以及標準化臨牀評估基準的缺失。