パノラマX線写真で歯科インプラントの固定装置を局所化するためのマルチモダルの大きな言語モデルを評価する
Yuichi Mine1, Tsuyoshi Taji2, Saori Takeda1
1Project Research Center for Integrating Digital Dentistry, Hiroshima University, 1-2-3 Kasumi Minami-ku, Hiroshima, 734-8553, Japan; Department of Medical Systems Engineering, Graduate School of Biomedical and Health Sciences, Hiroshima University, 1-2-3 Kasumi Minami-ku, Hiroshima, 734-8553, Japan.
Journal of dentistry
|February 18, 2026
まとめ
推論に焦点を当てた大型言語モデル (LLM) は,X線写真での歯科インプラント固定装置の局所化に希望を示しているが,精度と一貫性の限界は,自律的な臨床使用を妨げている.
科学分野:
- 放射線学における人工知能
- 医学画像分析 医学画像分析
- 歯科インプラント学 歯科インプラント学
背景:
- 大型言語モデル (LLM) は,医療画像分析のためにますます探索されています.
- パノラマX線写真における歯科インプラントの固定装置の正確な位置づけは,治療計画とモニタリングにおいて極めて重要です.
- 歯科用X線写真のための現在のAIツールには,一般に一般化性と強度が欠けていることが多い.
研究 の 目的:
- パノラマ放射線写真で歯科インプラントの固定装置を検出する汎用マルチモダルLLMの能力を評価する.
- インプラントの固定装置のない画像で,これらのモデルによって生成される偽陽性の割合を定量化します.
- この特定の臨床課題における異なるマルチモダルのLLMのパフォーマンスを比較する.
主な方法:
- 82のインプラント固定装置のパノラマX線写真と82のインプラント固定装置の不在のパノラマX線写真のオープンソースのデータセットを使用しました.
- イメージごとに5回の実行で一貫したビジュアルグラウンドプロンプトを使用して,3つのマルチモダルLLM (GPT-4o,OpenAI o3,GPT-5T) をテストしました.
- マイクロ感度,完全検出率 (CDR),画像毎の偽陽性 (FPPI),および特異性 (no-box rate) のようなメトリックを使用してパフォーマンスを評価します.
主要な成果:
- 推論に焦点を当てたLLM (OpenAI o3,GPT-5T) は,より高いマイクロセンシビリティ (約. 67%) とCDR (約. 58%) とGPT-4o (約. 17%と2.2%) となる.
- GPT-5TとOpenAI o3は,GPT-4o (FPPI- ≈1.9) と比較して,インプラントのない画像で偽陽性率が低かった (FPPI- ≈1.0).
- 放射性不透明の復元により,モデルの特異性が著しく低下し,検出された固定装置のわずかパーセントのみが,すべてのランクで一貫して特定されました.
結論:
- マルチモダルのLLMは,ゼロショット歯科インプラント固定装置のローカライゼーションの可能性を示しており,推論に焦点を当てたモデルはGPT-4oを上回っています.
- 適度な感度,復元に関連するエラー,および実行間の変動性は,現在,臨床ワークフローにおける自律的なアプリケーションを制限しています.
- この研究は,インプラント関連のX線写真作業におけるLLMの評価のためのベンチマークを確立し,将来の開発の分野を強調しています.
