치의보건에서 대형 인공지능 모델: 일반 용도 시스템부터 도메인 특화 기본 모델까지

구강 질환은 전 세계 3.5억 명에게 영향을 미치지만 치과 분야에서 대규모 인공지능 모델의 상대적 임상 가능성은 아직 잘 이해되지 않았다. 세 가지 모델 카테고리가 나타났는데, 언어 생성 모델, 판별적 비전 기초 모델, 치과 특화 기초 모델로, 이들 간의 관계와 함께한 한계를 조사하는 통합적인 리뷰는 존재하지 않는다. PubMed, Google Scholar, Scopus, arXiv를 포함한 네 가지 데이터베이스를 검색하고 독립적으로 두 개의 리뷰어에 의해 검토한 후, 포함/배제 기준을 적용한 후 97개의 연구(2020-2026)를 포함했다. 우리는 두 가지 차원으로 모델을 분류하는 프레임워크를 제안하고, 아키텍처 패러다임과 치과 특화 정도에 따라 분류한다. 언어 생성 모델은 텍스트 기반 작업(의학적 사고, 자격증 시험, 환자와의 의사소통)에서 뛰어나지만 이미지에 의존하는 진단 작업에서 불일치한 성능을 보인다. Adapted SAM 및 CLIP 변형은 강력한 치아 분할 및 병변 감지 결과를 달성한다. 치과 특화 모델(DentVFM, DentVLM, OralGPT)은 복잡한 멀티 모달 작업에서 가장 강력한 성능을 보인다. 통합 PIPELINE은 단일 모델 접근 방식보다 일관되게 뛰어나다. 데이터 비대칭성이 관찰된다. 치과 특화 훈련 데이터는 거의 전적으로 비전 영역에 집중되어 있으며, 대규모 치과 텍스트 코퍼스가 희박하다는 것을 반영한다. 일반 용도 모델과 치과 특화 모델은 상호 보완적인 역할을 한다. 가장 효과적인 시스템은 구조화된 PIPELINE 내에서 두 가지를 결합하는 것이다. 안전한 자율 배포를 위해 세 가지 지속적인 장벽을 해결해야 한다: 생성 모델의 환각, 제한된 주석 치과 데이터 세트, 표준화된 임상 평가 기준표의 부재.