武大团队口腔影像模型登《Nature》子刊，10万级数据支持实现临床级分析

图源：《Towards clinical-level interpretation of dental panoramic radiography using an instance-guided vision-language model》

好的牙·讯｜2026年6月25日，发表于《Nature Biomedical Engineering》的一项涉及超过101,000名患者的大规模口腔影像研究显示，武汉大学口腔医院孟柳燕教授团队开发的实例引导视觉语言模型DentFound在口腔曲面体层影像（口腔曲面体层片/OPG）辅助诊断和报告生成任务上展现出临床级性能，其生成的诊断报告质量优于或足以媲美人类放射科医生。

据研究团队，曲面体层片是目前口腔疾病诊断中应用最广的放射影像工具。然而，由于全球范围内专业影像解读资源相对匮乏，大量影像往往难以及时获得全面解读，增加了漏诊或误诊风险。针对这一痛点，研究团队构建了覆盖超过101,000名患者的大规模口腔影像数据集，用于支持模型训练与验证。

研究团队表示，DentFound模型的核心创新在于将牙齿实例信息融入视觉表征学习中。通过这一机制，AI能够被引导聚焦于具体的牙位、病灶区域及治疗后的细微改变。此外，研究团队采用了多层次知识重采样与渐进式学习策略，提升了模型对复杂口腔解剖结构的细粒度理解能力，实现了病变定位、疾病诊断和结构化报告生成的一体化分析。

图源：《Towards clinical-level interpretation of dental panoramic radiography using an instance-guided vision-language model》

在评估结果中，DentFound在自动化报告生成和疾病诊断方面的表现显著优于现有医学视觉语言模型。专家评估显示，该模型生成的报告质量优于或足以媲美放射科医生撰写的影像报告。口颌系统重建与再生全国重点实验室武汉分室主任边专指出，该成果标志着口腔AI从单一识别走向临床级综合解读的新路径。

目前，孟柳燕教授团队依托武汉大学口腔医院及相关平台，已初步构建数智化技术辅助口腔疾病诊疗平台，旨在通过智能影像诊断系统提升医疗服务效率，特别是增强偏远地区的口腔诊疗能力。该项研究得到了国家自然科学基金、湖北省重点研发计划以及武汉大学口腔医院研发项目的共同资助。