NBE：武汉大学孟柳燕团队开发DentFound大模型，实现牙科全景影像精准诊断与报告生成

全景X线摄影在牙科诊断中不可或缺；然而，对影像解读的高需求和放射科医生可及性有限常常导致报告不完整、仅关注主诉或无法获取，从而限制了全面的临床评估。

2026年6月25日，武汉大学孟柳燕团队在Nature Biomedical Engineering在线发表题为“Towards clinical-level interpretation of dental panoramic radiography using an instance-guided vision-language model”的研究论文。该研究提出了基于实例引导的视觉-语言模型—DentFound，实现牙科全景X线摄影的临床级解读。

全景X线摄影，也称为曲面断层摄影，是牙科及口腔颌面外科中最常处方的诊断影像学方法之一，因为它提供了颅面解剖结构的全面概览，支持诊断评估和治疗规划。全球每年进行超过11亿次牙科放射学检查，占所有放射学检查的26.2%。尽管使用广泛，但其本质具有复杂性，其解读在很大程度上依赖于专业知识。这种依赖性不仅放大了手动解读的负担，也使准确解读特别具有挑战性。

鉴于全球放射科医生短缺，PR影像的巨大数量已超出解读能力，导致工作量加重、临床决策延迟、不完整的解读妨碍全面临床评估以及诊断错误风险升高。在大量临床数据上训练的大型视觉-语言模型的出现，使得人工智能系统能够直接从医学图像和文本报告中分析疾病，显示出协助放射科医生和应对上述挑战的强大潜力。

DentFound框架和多方面评估概述（图源自Nature Biomedical Engineering ）

该研究提出了DentFound，一种用于全景X线摄影诊断和报告生成的视觉-语言模型（VLM）。为支持其开发，构建了一个大规模数据集，包含超过101,000名年龄在2至98岁之间的患者，涵盖所有牙列阶段，覆盖98种疾病和11个治疗后类别。在多中心队列中，DentFound在报告生成和诊断方面均优于最先进的VLM。

由12名牙科医生和放射科医生进行的专家评估显示，DentFound生成的报告优于或等同于人工撰写的报告，这是因为其更广泛的诊断覆盖范围和更全面地支持临床综合评估。这些结果突显了现有VLM与现实牙科实践需求之间的差距，同时强调了DentFound在临床实践中的潜力。

参考消息：https://www.nature.com/articles/s41551-026-01713-8