PanDent：歯科放射線学における包括的な歯レベル構造-言語一貫性を目指して
研究者らは、9,524枚の高品質な歯科パノラマX線画像（OPG）と、専門家による検証済みの歯レベル構造アノテーションを備えた大規模ベンチマーク「PanDent」を提案。マルチモーダル大規模言語モデル（MLLM）の歯科画像における臨床推論能力を評価する。現行モデルは流暢なレポートを生成できるものの、歯の位置特定や診断で誤りが多く、PanDentによるファインチューニングで構造-言語一貫性と診断精度が大幅に向上した。
マルチモーダル大規模言語モデル（MLLM）を歯科パノラマX線撮影（オルソパントモグラム、OPG）の読影に活用する試みが進む一方、その臨床能力を適切に評価する手法はまだ十分に整っていない。既存の評価データセットは粒度が粗く、専門家による臨床検証が不十分な場合が多く、モデルが歯単位の構造や診断ロジックを本当に理解しているかどうかを判断するのは難しい。この問題に対処するため、Xiaohan Li氏らは大規模で臨床基盤型のOPGベンチマーク「PanDent」を提案した。
PanDentは9,524枚の高品質OPG画像で構成され、各画像には経験豊富な歯科医が作成し、口腔顎顔面放射線科医がさらに検証した包括的な歯レベル構造化アノテーションが付与されている。これらのアノテーションは歯単位の診断と推論に必要な臨床情報を網羅しており、モデルの学習・評価に信頼性の高い教師信号を提供する。さらに、臨床医が定義したレポート作成ロジックを用いて、専門家検証済みの構造化所見を臨床的に整合性のある放射線レポートへ変換することで、構造化された臨床エビデンスと自由文記述の対応関係を明確にしている。
研究者らは、最先端のプロプライエタリモデル、汎用ドメインのオープンソースモデル、医療特化モデルなど、多様なMLLMを用いて評価を実施した。その結果、現行モデルは流暢なレポートを生成できる一方で、臨床的な整合性が不十分であり、特に微細な位置特定と歯単位の診断において大きな誤りが見られた。このことは、言語的な流暢さだけでは臨床推論能力を測れないことを示しており、専門家の検証に基づくベンチマークの重要性を浮き彫りにしている。
次に、研究者らはPanDentを用いてモデルをファインチューニングしたところ、構造-言語一貫性が大幅に向上し、視覚的な位置特定精度と診断精度が改善され、モデルの出力が歯科専門家の解釈に近づいた。この結果は、高品質で細粒度な臨床アノテーションが、歯科AIの信頼性を高める上で重要な役割を果たすことを示している。本論文は7名の著者によって執筆され、2026年7月29日にarXiv（arXiv:2607.27378）へ投稿された。分野はコンピュータビジョンとパターン認識（cs.CV）およびマルチメディア（cs.MM）に分類される。研究チームは、PanDentがMLLMの歯レベル臨床推論を評価する厳格なベンチマークとなり、臨床応用を見据えた歯科AI研究の基盤となることを期待している。