4种大语言模型对无牙颌患者修复方案的推荐与对比李想 冯玥 李婧 蔡云帆 李之婷 李玲 冯志宏 李德华 陈吉华 王富 等
中华口腔医学杂志2026年 61卷 07期
DOI: 10.3760/cma.j.cn112144-20260405-00214
目的
评估4种大语言模型(LLM)对无牙颌患者修复推荐方案的全面性和一致性,探讨其作为临床决策辅助工具的可行性及局限性。
方法
构建12份模拟无牙颌患者的标准化文本病历,每份病历均完整包含影响修复方案选择的六大维度(口腔局部条件、全身健康状况、社会经济因素、患者主观意愿、就诊便利性、长期维护能力)信息,由4种LLM(ChatGPT、通义千问、文心一言、DeepSeek)分别给出种植体支持式修复及全口义齿修复的推荐方案及相应理由(单轮问答,固定提示词,每种LLM对上述12份标准化文本病历回答3次,每次回答前均清除历史对话)。同时邀请口腔修复、种植领域的3名主任医师组成专家组,获得针对各标准化文本病历的专家意见。由2名高年资主治医师使用多维评价量表(方案一致性、理由完整性、风险识别能力、决策透明度)对各LLM的回答进行独立评分,最后采用Kruskal-Wallis检验分析各LLM间差异。
结果
高年资主治医师间评分一致性良好(Spearman系数=0.906,P<0.001)。4种LLM各维度评分表现各异:ChatGPT综合评分最高,为3.13(2.75,3.44)分,其次是DeepSeek[2.75(2.50,2.94)分],通义千问为2.38(2.00,2.50)分,最后为文心一言[2.13(1.56,2.43)分];4种模型综合评分总体差异有统计学意义(H=22.80,P<0.001)。具体而言,方案一致性方面,ChatGPT与专家意见吻合度最高(基本一致和完全一致合计占比为12/12)。理由完整性方面,各LLM对口腔局部条件、全身健康状况和社会经济因素的提及率均≥6/12(其中ChatGPT≥11/12);但对于就诊便利性及长期维护能力,文心一言、通义千问和DeepSeek的提及率均≤6/12。
结论
4种LLM在无牙颌修复决策中的表现存在显著差异,ChatGPT综合评分最高且与专家意见一致性最佳。在就诊便利性、长期维护能力等非医学因素方面,文心一言、通义千问和DeepSeek的提及率较低;提示当前LLM尚不能全面权衡所有关键决策因素,尤其对非医学因素的评估存在明显短板,不能替代临床医师判断,但在结构化信息呈现和方案一致性方面显示出一定的辅助价值。
4种深度学习实例分割模型对口内
面像进行牙齿分割与牙位识别的比较研究刘小舟 周昕 于珞瞳 陈琪 吴琳
中华口腔医学杂志2026年 61卷 07期
DOI: 10.3760/cma.j.cn112144-20260225-00130
目的
比较4种深度学习实例分割模型在口内面像中完成牙齿轮廓分割与世界牙科联盟(FDI)牙位编号识别的性能,并对最优模型的临床可接受性进行初步验证。
方法
回顾性收集2022年3月至2024年10月就诊于中国医科大学附属口腔医院修复科并完成口内面像标准化拍摄的成年受试者700名,包括牙列完整和牙列缺损个体,其中男性343名,女性357名,年龄35~87岁,共获得1 400张图像,经质量筛选最终纳入650名受试者的1 300张图像。以图像为单位按7.0∶1.5∶1.5划分训练集(910张)、验证集(195张)与测试集(195张),仅对训练集施加图像增强,将数量扩充至2 730张。参照FDI两位数记录法标注28个牙位(不含第三磨牙)。统一训练条件下对比基于区域的掩膜卷积神经网络(Mask R-CNN)、实时目标检测模型(RTMDet)、单次多框检测器v8实例分割模型(YOLOv8-seg)与单次多框检测器v11实例分割模型(YOLOv11-seg)4种模型,以交并比阈值为0.5时的分割平均精度均值(seg_mAP@50)、精确率、召回率及F1分数评估测试集性能,并设置5名主治医师与最优模型比较牙位识别准确率并评估最优模型的实际适用性。
结果
YOLOv11-seg各项指标均优于其他模型,seg_mAP@50为98.2%,精确率为96.3%,召回率为96.8%,F1分数为96.5%。该模型牙位识别准确率为97.5%(2 145/2 200)与5名主治医师的牙位识别准确率(98.6%±1.3%)差异无统计学意义(t=1.89,P=0.130),98.6%的模型输出结果被评为临床可接受。
结论
YOLOv11-seg能在口内面像中高精度完成牙齿分割与牙位识别,其判读能力与口腔修复专业主治医师水平相当,可为后续基于牙位信息的牙列缺损分析提供技术基础。
自主式口腔种植机器人辅助下无牙颌倾斜与轴向种植精度的临床对比分析王明熙 陈青青 王婧婵 吴瑾 陈蔚 汤春波
中华口腔医学杂志2026年 61卷 07期
DOI: 10.3760/cma.j.cn112144-20260402-00209
目的
对比分析自主式口腔种植机器人辅助下无牙颌倾斜与轴向种植精度,以期为后续研究及临床实践提供依据。
方法
回顾性收集2023年11月至2024年11月于南京医科大学附属口腔医院接受自主式口腔种植机器人辅助种植的8例无牙颌患者资料,共植入42枚种植体(倾斜组18枚,轴向组24枚)。术后通过锥形束CT扫描获取三维数据,与术前规划数据进行配准,测量种植体颈部总体偏差、根尖总体偏差、角度偏差及颈部与根尖水平、深度偏差。采用双尾非配对t检验比较两组差异。
结果
42枚种植体的颈部总体偏差为(0.67±0.20)mm,根尖总体偏差为(0.73±0.22)mm,角度偏差为1.54°±0.54°,颈部和根尖水平、深度偏差均值均在0.5 mm以内。倾斜组种植体根尖总体偏差[(0.82±0.17)mm]、角度偏差(1.76°±0.43°)和根尖水平偏差[(0.50±0.13)mm]均大于轴向组[分别为(0.66±0.22)mm、1.37°±0.56°和(0.42±0.10)mm],差异均有统计学意义(t=2.66,P=0.011;t=2.47,P=0.018;t=2.39,P=0.022)。两组种植体颈部总体偏差、颈部水平偏差、颈部深度偏差和根尖深度偏差差异均无统计学意义(均P>0.05)。
结论
自主式口腔种植机器人辅助下无牙颌种植可获得良好的总体精度,倾斜种植的根尖偏差和角度偏差均显著大于轴向种植,但各项偏差均值均处于临床可接受范围内。
基于检索增强生成技术的临床决策支持系统的构建及其在根管治疗后牙体缺损修复中的应用翟继锐 郭嘉文 苏婉瑶 沙天铭 丁鹏 王焱
中华口腔医学杂志2026年 61卷 07期
DOI: 10.3760/cma.j.cn112144-20260409-00225
目的
基于检索增强生成(RAG)技术构建融合国际前沿修复理念与专业知识的临床决策支持系统(CDSS-RAG-Pro),并通过真实临床病例验证RAG对多种大语言模型(LLM)专科决策能力的提升效果,以期为临床提供客观的决策辅助工具。
方法
开发RAG模块并系统检索和纳入《牙体缺损、牙列缺损与缺失修复诊疗指南(2022年版)》等口腔修复专业资料构建结构化知识库,据此对CDSS-RAG-Pro支持的DeepSeek、通义千问、ChatGPT 3种LLM进行优化,形成针对根管治疗后牙体缺损修复的临床决策支持系统。为评估该系统决策能力,成立专家小组,自中山大学附属口腔医院口腔修复科2024年5月至2025年12月的临床诊疗记录中筛选30份典型临床病例资料,分别由3种LLM在有无RAG两种模式下出具修复决策报告,参考李克特量表,由专家小组对上述修复决策报告从决策准确性、逻辑合理性、专业可读性3个维度进行评分。同时,由专家小组撰写标准修复报告,随后采用基于最长公共子序列的召回率驱动辅助评估指标的F1分数(ROUGE-L F1)和基于双向编码器表示变换器的语义相似度评分的F1分数(BERTScore F1),评估LLM修复决策报告与标准修复报告的语义相似度,其中ROUGE-L F1侧重于衡量LLM对修复指南等文本知识的掌握程度;BERTScore F1则关注LLM生成的修复决策报告与标准修复报告在思维模式、决策逻辑等语义层面的一致性。采用广义估计方程分析各LLM间及有无RAG模式下的决策表现差异。
结果
与无RAG模式相比,RAG模式下所有LLM各项评价指标得分均显著提高(均P<0.05)。RAG模式下的BERTScore F1最高达0.91(DeepSeek)。所有评价指标层面各LLM间差异均有统计学意义(均P<0.05)。模型与RAG模式在决策准确性评分(交互效应χ2=10.11,P<0.001)与ROUGE-L F1值(交互效应χ2=8.57,P<0.05)上存在显著交互效应。
结论
基于RAG技术构建的CDSS-RAG-Pro可提升通用LLM在根管治疗后牙体修复决策中的准确性和可解释性,体现出RAG技术作为面向小样本量的轻量化LLM配置策略在牙体缺损修复智能决策方面具有一定优势。
点云柔性变形匹配算法结合生成式人工智能构建鼻赝复体形态的评价研究郭殊玮 秦庆钊 李英龙 吴洪宇 温奥楠 朱玉佳 李文博 赵一姣 王勇
中华口腔医学杂志2026年 61卷 07期
DOI: 10.3760/cma.j.cn112144-20260207-00106
目的
建立一种基于局部投影变形策略的点云柔性变形匹配(LPD-Match)算法优化鼻赝复体的边缘移行,并将其作为课题团队前期研究中建立的生成式人工智能面部网格生成网络(FMGen-Net)模型的有益补充,以实现鼻赝复体数据的自动构建。
方法
基于局部投影变形策略建立LPD-Match算法。收集2023年2至11月于北京大学口腔医学院·口腔医院修复科初诊的20例面部无明显畸形的牙体缺损或牙列缺损患者的三维颜面扫描数据,模拟构建全鼻缺损数据。为评价LPD-Match算法的优化效果,设计配对实验:对每例全鼻缺损数据采用两种方法进行目标参照数据构建,以FMGen-Net模型构建的目标参照数据为对照组,以FMGen-Net模型结合LPD-Match算法构建的目标参照数据为实验组。使用边缘密合度评价目标参照数据中鼻赝复体数据的边缘移行效果,通过计算缺损边界曲线与赝复体边界曲线之间的三维曲线偏差及最大曲线偏差进行分析。使用形态相似性评价目标参照数据的鼻形态修复效果,以患者三维颜面扫描数据中的鼻部数据为金标准,分别计算两组鼻赝复体数据与金标准之间的三维形态偏差及最大形态偏差。
结果
边缘密合度结果显示,对照组三维曲线偏差的均方根误差值为(0.62±0.23)mm,实验组为(0.16±0.07)mm;对照组最大曲线偏差为(1.57±0.64)mm,实验组为(0.52±0.30)mm,实验组鼻赝复体数据的边缘移行效果均显著优于对照组(t=11.33,P<0.001;t=10.17,P<0.001)。形态相似性结果显示,对照组三维形态偏差的均方根误差值为1.30(1.00,1.83)mm,实验组为1.23(0.90,1.63)mm;对照组最大形态偏差为4.26(2.96,5.02)mm,实验组为3.85(2.92,4.56)mm;实验组目标参照数据的鼻形态修复效果均显著优于对照组(Z=-3.40,P<0.001;Z=-2.09,P=0.037)。
结论
本项研究提出使用LPD-Match算法优化赝复体边缘移行效果的技术路线,初步验证LPD-Match算法在赝复体边缘移行优化方面的可行性和有效性。LPD-Match算法结合FMGen-Net模型构建鼻赝复体数据的方法,可在达到理想的边缘移行效果的同时,进一步改善鼻赝复体形态。