PanDent：邁向牙科放射學中全面的牙齒級結構-語言一致性
研究團隊推出PanDent，一個包含9,524張高質量牙科全景X光片、經專家驗證的牙齒級結構標註的大規模基準，用於評估多模態大語言模型在牙科影像中的臨床推理能力。實驗顯示，現有MLLM雖然能生成流暢的報告，但在牙齒定位和診斷上常出現明顯錯誤；在PanDent上微調可顯著提升結構-語言一致性和診斷準確性。
多模態大語言模型（MLLM）在牙科全景X線攝影（orthopantomogram，OPG）中的應用日益受到關注，但如何準確評估其臨床能力仍是一大難題。現有評估方法往往缺乏細粒度、經過臨床驗證的基準，難以判斷模型是否真正理解牙齒級別的結構資訊與診斷邏輯。為此，Xiaohan Li等研究者提出了PanDent——一個大規模、以臨床為基礎的OPG基準，旨在填補這一空白。
PanDent資料集包含9,524張高質量的全景牙科X光片，每張影像都配有由經驗豐富的牙醫製作、並經口腔頜面放射科醫生進一步驗證的完整結構化標註。這些標註覆蓋牙齒級診斷與推理所需的臨床資訊，為模型訓練和評估提供了可靠的監督訊號。研究團隊還利用臨床醫生定義的報告邏輯，將專家驗證過的結構化發現轉換為與臨床一致的放射學報告，使結構化臨床證據與自然語言描述之間建立起明確的對應關係。
基於這一設計，研究者系統評估了多種MLLM，包括最先進的專有模型、通用領域開源模型和醫學專用模型。實驗結果顯示，現有模型能夠生成流利的放射學報告，但在臨床一致性上表現不佳，在細粒度定位和牙齒級診斷方面存在大量錯誤。這說明僅憑語言流暢性無法反映模型的真實臨床推理能力，亟需像PanDent這樣以專家標註為核心的評測基準來揭示模型的不足。
研究者進一步在PanDent上對模型進行微調，結果表明模型的結構-語言一致性得到顯著提升，視覺定位準確率和診斷正確率均有大幅改善，輸出結果更接近牙科專家的解讀。這一發現表明，高質、細粒度的臨床標註資料可以成為提升牙科AI可靠性的關鍵資源。該論文由七位作者完成，於2026年7月29日提交至arXiv（編號arXiv:2607.27378），歸屬於計算機視覺與模式識別（cs.CV）和多媒體（cs.MM）方向，並提供PDF、HTML等全文訪問方式。研究團隊希望PanDent能夠成為評估MLLM牙齒級臨床推理能力的嚴格基準，同時為臨床導向的牙科人工智慧研究提供有力支撐。