大型语言模型在牙口腔面部放射学中的表现:系统性审查
Zekai Liu1, Andrew Nalley1, Jing Hao1
1Oral and Maxillofacial Radiology, Applied Oral Sciences and Community Dental Care, Faculty of Dentistry, The University of Hong Kong, Hong Kong SAR, China.
Dento maxillo facial radiology
|August 12, 2025
概括
大型语言模型 (LLM) 在牙和面部放射学 (DMFR) 中显示出有前途的诊断和报告. 然而,它们的性能各不相同,需要为临床使用进一步开发.
科学领域:
- 医疗成像中的人工智能
- 放射学 信息学 信息学
- 医疗保健中的机器学习
背景情况:
- 大型语言模型 (LLM) 越来越多地被用于医学应用.
- 牙和面部放射学 (DMFR) 产生复杂的数据,需要先进的分析工具.
- 评估目前在DMFR的LLMs的能力对于未来的整合至关重要.
研究的目的:
- 系统地审查LLMs在牙和面部放射学 (DMFR) 的表现.
- 评估LLM在各种DMFR任务中的应用.
- 为了确定LLM绩效的局限性和改进领域.
主要方法:
- 在五个电子数据库中进行系统的文献搜索.
- 包括开发,微调或评估DMFR的LLMs的研究.
- 使用适应的TRIPOD-LLM标准进行偏差风险评估,重点关注数据和评估.
主要成果:
- 包括19项研究,重点是诊断任务,教育问题和报告生成.
- 牙科疾病的LLM诊断准确度在37-92.5%之间.
- 在资格考试 (33.3-86.1%) 和报告生成 (70.4-81.3%) 的表现显示出差异.
结论:
- 专业的LLM显示了DMFR在诊断,教育和报告生成方面的潜力.
- 目前的LLM准确性,完整性和一致性是可变的.
- 临床整合需要进一步的验证和标准化.
