Video Experimental Relacionado
Updated: Feb 23, 2026

Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
Published on: December 6, 2024
Capacidades de diagnóstico de los grandes modelos de lenguaje en odontología pediátrica
Tatsuya Akitomo1, Ami Kaneki1, Taku Nishimura1
1Department of Pediatric Dentistry, Graduate School of Biomedical and Health Sciences, Hiroshima University, Hiroshima, Japan.
Los modelos de lenguaje grande (LLM) son prometedores para el diagnóstico de odontología pediátrica, logrando una precisión de más del 70% en la identificación de problemas. Sin embargo, la precisión disminuye significativamente sin una queja principal, especialmente para casos pediátricos complejos.
Área de la Ciencia:
- Inteligencia artificial en odontología.
- Aplicaciones de odontología pediátrica Aplicaciones de odontología pediátrica
- Herramientas de diagnóstico médico herramientas de diagnóstico médico
Sus antecedentes:
- Los modelos de lenguaje grande (LLM) se estudian cada vez más para el diagnóstico dental.
- La investigación existente a menudo se centra en temas individuales, lo que limita la comprensión de la utilidad clínica más amplia.
- La aplicación de las LLM en diversos escenarios de pacientes dentales pediátricos sigue siendo poco explorada.
Objetivo del estudio:
- Evaluar la precisión diagnóstica de dos LLM (Copilot y Gemini) en odontología pediátrica.
- Evaluar el impacto de la inclusión u omisión de las quejas principales de los pacientes en el rendimiento diagnóstico de LLM.
- Identificar áreas específicas donde los LLM sobresalen o luchan en el diagnóstico dental pediátrico.
Principales métodos:
- Se seleccionaron veinticinco casos de odontología pediátrica de un examen nacional.
- Los datos de los pacientes (edad, sexo, queja principal) se presentaron a los LLM junto con fotos y radiografías intraorales.
- Los LLM tenían la tarea de identificar áreas anormales y proporcionar diagnósticos bajo condiciones de información variables.
Principales resultados:
- Ambos LLM demostraron una precisión de >70% en la identificación de ubicaciones patológicas y una precisión de ~60% en el diagnóstico.
- La precisión del diagnóstico disminuyó significativamente cuando se omitió la queja principal.
- El rendimiento de LLM se tambaleó en temas específicos pediátricos como anomalías en el número de dientes y trastornos de erupción sin una queja principal.
Conclusiones:
- Los LLM poseen potencial para la odontología pediátrica, pero las quejas principales precisas son cruciales para un rendimiento óptimo.
- Los LLM presentan actualmente limitaciones en el diagnóstico de afecciones dentales complejas y específicas pediátricas.
- Se necesita un mayor desarrollo para mejorar las capacidades de LLM en odontología pediátrica especializada.
Videos de Conceptos Relacionados
Language and Cognition
Assessment of the Mouth
Mouth Inspection
The inspection begins with visually examining the mouth for symmetry, color, and size.
Language Development
The critical period for language acquisition suggests that the ability to acquire language is at its peak early in life. As people age, this proficiency decreases. Language development begins very...

