
-
生物通官微
陪你抓住生命科技
跳动的脉搏
多模态大语言模型在全景牙片上零样本检测牙髓石的诊断性能评估
《BMC Oral Health》:Diagnostic performance of multimodal large language models in detecting pulp stones on panoramic radiographs
【字体: 大 中 小 】 时间:2026年10月09日 来源:BMC Oral Health 3.8
编辑推荐:
摘要背景牙髓石是牙髓内的钙化结构,可能增加根管治疗的复杂性,通常通过影像学检查发现。尽管人工智能在牙科影像领域取得了最新进展,但公开可用的多模态大语言模型(LLMs)在零样本条件下检测牙髓石的诊断能力仍不明确。因此,本研究评估了多模态LLMs在后牙全景牙片上检测牙髓石的诊断性
牙髓石是牙髓内的钙化结构,可能增加根管治疗的复杂性,通常通过影像学检查发现。尽管人工智能在牙科影像领域取得了最新进展,但公开可用的多模态大语言模型(LLMs)在零样本条件下检测牙髓石的诊断能力仍不明确。因此,本研究评估了多模态LLMs在后牙全景牙片上检测牙髓石的诊断性能和响应一致性。
本研究为比较性探索研究,使用包含后牙的全景牙片图像裁剪对GPT-5和Gemini 2.5 Flash多模态LLMs进行了评估。共分析了64个图像裁剪,包含192颗后牙。模型在标准化零样本条件下使用独立会话和标准化英语提示进行测试。每张图像向两个模型各提交六次,以评估响应一致性。使用准确率、灵敏度、特异度、阳性预测值、阴性预测值和F1评分(含95%置信区间)评估诊断性能。使用多数一致性、重复评估间的完全一致性以及Fleiss' Kappa系数评估模型内一致性。
两个模型在牙髓石二元检测中的整体准确率相似,ChatGPT为56.5%,Gemini为57.0%。ChatGPT显示较高的特异度(96.2%)和更大的模型内稳定性,而Gemini表现出较高的灵敏度(81.8%)并在识别受影响牙齿和牙组方面表现更优。然而,Gemini也表现出较低的特异度和重复评估间较大的变异性。Fleiss' Kappa系数显示两个模型均存在超越随机水平的低模型内一致性,Gemini尤为明显。
多模态LLMs在全景牙片上检测牙髓石的能力有限,所评估模型之间表现出不同的诊断特征。尽管研究结果提示LLMs未来可能作为牙科图像判读的辅助工具,但其当前性能尚不支持在牙髓石检测方面实现稳定的临床适用性。
牙髓石是牙髓内的钙化结构,可能增加根管治疗的复杂性,通常通过影像学检查发现。尽管人工智能在牙科影像领域取得了最新进展,但公开可用的多模态大语言模型(LLMs)在零样本条件下检测牙髓石的诊断能力仍不明确。因此,本研究评估了多模态LLMs在后牙全景牙片上检测牙髓石的诊断性能和响应一致性。
本研究为比较性探索研究,使用包含后牙的全景牙片图像裁剪对GPT-5和Gemini 2.5 Flash多模态LLMs进行了评估。共分析了64个图像裁剪,包含192颗后牙。模型在标准化零样本条件下使用独立会话和标准化英语提示进行测试。每张图像向两个模型各提交六次,以评估响应一致性。使用准确率、灵敏度、特异度、阳性预测值、阴性预测值和F1评分(含95%置信区间)评估诊断性能。使用多数一致性、重复评估间的完全一致性以及Fleiss' Kappa系数评估模型内一致性。
两个模型在牙髓石二元检测中的整体准确率相似,ChatGPT为56.5%,Gemini为57.0%。ChatGPT显示较高的特异度(96.2%)和更大的模型内稳定性,而Gemini表现出较高的灵敏度(81.8%)并在识别受影响牙齿和牙组方面表现更优。然而,Gemini也表现出较低的特异度和重复评估间较大的变异性。Fleiss' Kappa系数显示两个模型均存在超越随机水平的低模型内一致性,Gemini尤为明显。
多模态LLMs在全景牙片上检测牙髓石的能力有限,所评估模型之间表现出不同的诊断特征。尽管研究结果提示LLMs未来可能作为牙科图像判读的辅助工具,但其当前性能尚不支持在牙髓石检测方面实现稳定的临床适用性。